检索结果-内蒙古大学图书馆

数字技术与应用 2025年第1期43卷 145-148页

作者：陈婷管张均上海海事大学信息工程学院

海上舰船目标检测技术是海洋遥感领域的重要应用之一,通过自动检测算法,可以及时、有效地发现和提取目标信息,为海上监测和战时打击提供支持,还可以监视海运交通情况,确保海上安全。随着人工智能(AI)算法的发展,基于光学遥感图像的海上... 详细信息

海上舰船目标检测技术是海洋遥感领域的重要应用之一,通过自动检测算法,可以及时、有效地发现和提取目标信息,为海上监测和战时打击提供支持,还可以监视海运交通情况,确保海上安全。随着人工智能(AI)算法的发展,基于光学遥感图像的海上舰船目标检测技术的识别性能不断提高,可满足绝大多数场景下的应用。但是,当遇到大雾、暴雨等极端气候条件以及夜晚光照条件较差时,光学图像识别性能急剧下降。本文提出了一种复合遥感方法,当遇到上述问题时,无人机平台从光学遥感切换到微波遥感,利用合成孔径雷达(SAR)对海面进行成像进而检测海上舰船目标,可弥补光学遥感在遇到极端恶劣天气与光照不足时识别率较低的短板。仿真结果表明,在遇到极端恶劣天气与光照不足等情况时,SAR图像的海上舰船目标识别率要远远高于此时光学图像的识别率。该多源遥感系统对提高海上舰船目标识别性能有一定的参考意义。

关键词：光学图像识别多源遥感光学遥感遥感方法微波遥感深度学习海洋遥感舰船目标检测

来源：评论

学校读者我要写书评

暂无评论

多波段红外图像的海面舰船目标检测

引用

光谱学与光谱分析 2019年第3期39卷 698-704页

作者：仇荣超娄树理李廷军宫剑海军航空大学山东烟台264000 烟台大学光电信息科学技术学院山东烟台264000

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目... 详细信息

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1—5分别为3.7～4.8, 3.7～4.1, 4.4～4.8, 3.7～3.9和4.65～4.75μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显著高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。

关键词：舰船目标检测多波段红外图像选择性搜索算法费舍尔向量

来源：评论

学校读者我要写书评

暂无评论

基于YOLO框架的无锚框SAR图像舰船目标检测

引用

系统工程与电子技术 2022年第12期44卷 3703-3709页

作者：贾晓雅汪洪桥杨亚聃崔忠马熊斌火箭军工程大学作战保障学院陕西西安710025 北京遥感设备研究所北京100854 中国航天科工集团有限公司科研生产部北京100048

面向合成孔径雷达(synthetic aperture radar,SAR)多目标检测应用,提出了一种基于YOLO(you only look once)框架的无锚框SAR图像舰船目标检测方法。该方法针对YOLOv3锚框需要预先设定且无法完美契合的弊端,通过采用无锚框方法更好适应... 详细信息

面向合成孔径雷达(synthetic aperture radar,SAR)多目标检测应用,提出了一种基于YOLO(you only look once)框架的无锚框SAR图像舰船目标检测方法。该方法针对YOLOv3锚框需要预先设定且无法完美契合的弊端,通过采用无锚框方法更好适应所检测目标的大小,便于多尺度目标使用。在此基础上,给CSPDarknet53网络增加了注意力机制作为特征提取网络,然后经过能够增大感受野的改进特征金字塔网络(feature pyramid network,FPN)后,把特征图传给无锚框检测头,有效提升了目标类别和位置的预测精度。实验证明,所提算法在公开SAR舰船数据集上平均精度比YOLOv3提高3.8%,达到了94.8%,虚警率降低4.8%。

关键词：合成孔径雷达图像 YOLO 无锚框舰船目标检测

来源：评论

学校读者我要写书评

暂无评论

动态视频监控中海上舰船目标检测

引用

中国激光 2014年第8期41卷 268-274页

作者：李庆忠臧风妮张洋中国海洋大学工程学院山东省海洋工程重点实验室山东青岛266100

为了监测一些危险的海洋区域,使用了基于电荷耦合器件(CCD)的动态平台,提出了一种基于海面背景纹理模型的舰船目标检测算法。利用图像子块离散余弦变换(DCT)域的能量特征,实现了天空背景和海天线的快速检测。为了将船舰目标从水平线下... 详细信息

为了监测一些危险的海洋区域,使用了基于电荷耦合器件(CCD)的动态平台,提出了一种基于海面背景纹理模型的舰船目标检测算法。利用图像子块离散余弦变换(DCT)域的能量特征,实现了天空背景和海天线的快速检测。为了将船舰目标从水平线下复杂的海水背景中分离出来,提取海天线以下的海面区域图像子块的DCT域纹理特征,并利用自适应模糊c均值聚类方法建立海面的混合纹理模型。利用建立的海面纹理模型,实现了海面背景与舰船目标的分割。实验结果表明该算法可以实现舰船目标的快速、稳健检测,尤其适合于大浪海况下基于运动监视平台的海事监测。

关键词：图像处理舰船目标检测动态视频监测自适应模糊聚类纹理建模离散余弦变换

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5的光学遥感图像舰船目标检测算法

引用

系统工程与电子技术 2023年第5期45卷 1270-1276页

作者：成倩李佳杜娟空军工程大学基础部陕西西安710038

针对YOLO(you only look once)v5算法在应用于光学遥感图像舰船目标检测任务时所面临的小目标误检率、漏检率较高的情况,提出一种基于YOLOv5改进的光学遥感图像舰船目标检测方法。首先对路径聚合网络结构进行改进,设计语义信息增强模块... 详细信息

针对YOLO(you only look once)v5算法在应用于光学遥感图像舰船目标检测任务时所面临的小目标误检率、漏检率较高的情况,提出一种基于YOLOv5改进的光学遥感图像舰船目标检测方法。首先对路径聚合网络结构进行改进,设计语义信息增强模块提取更富语义信息的浅层特征,增强对小目标特征的表达能力;然后使用Swish函数作为激活函数,提高网络对数据非线性特征的表征能力,加快模型的收敛速度;最后针对舰船目标的尺寸特点优化检测端结构,移除大目标检测头以减少推理计算量。测试集上的实验表明,该方法相较改进前将检测精度提高了5.2%且推理时间有所减少,在保证检测实时性的同时增强了模型的小目标辨别能力。

关键词：光学遥感图像舰船目标检测 YOLOv5 语义信息增强激活函数

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的SAR舰船目标检测

引用

系统工程与电子技术 2019年第9期41卷 1990-1997页

作者：杨龙苏娟李响火箭军工程大学核工程学院

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒... 详细信息

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒检测器(single shot multibox detector,SSD)检测算法应用到SAR图像舰船目标检测领域,指出了其在该领域存在的局限性,在此基础上提出了基于SSD的新的检测方法,包括融合上下文信息,迁移模型学习,在公开的SSDD数据集上进行了训练和测试,对实验结果进行了对比分析,实验结果表明,相比于原始的SSD检测算法,所提出的方法不仅提高了目标检测精度,同时也保证了算法的检测效率。

关键词：舰船目标检测单次多盒检测器检测算法深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

Dense RFB和LSTM遥感图像舰船目标检测

引用

遥感学报 2022年第9期26卷 1859-1871页

作者：张涛杨小冈卢孝强卢瑞涛张胜修火箭军工程大学导弹工程学院西安710025 中国科学院西安光学精密机械研究所西安710068

针对当前遥感图像舰船目标检测精度不佳问题,本文构建舰船目标数据集STAR,提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块,基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受... 详细信息

针对当前遥感图像舰船目标检测精度不佳问题,本文构建舰船目标数据集STAR,提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块,基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类,增强浅层网络对细节特征的提取能力;其次设计了深层多尺度特征金字塔融合模块,采用FPN和LSTM思想,基于反卷积和残差网络对深层不同尺度特征进行融合,增强网络结构非线性和特征层的表征能力;最后加入聚焦分类损失函数进行联合训练,有效避免了正负样本失衡问题。在遥感图像舰船数据集上实验,本文所提舰船目标检测算法精度均值达到81.98%,检测速度达到29.6帧/s。此外,遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法,实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强,有效地提高了遥感图像舰船目标检测的精度。

关键词：舰船目标检测 Dense RFB 特征金字塔 LSTM 多尺度特征

来源：评论

学校读者我要写书评

暂无评论

基于频谱残留变换的红外遥感图像舰船目标检测方法

引用

电子与信息学报 2015年第9期37卷 2144-2150页

作者：张志龙杨卫平张焱李吉成国防科技大学ATR重点实验室长沙410073

该文提出一种基于频谱残留变换的红外遥感图像舰船目标检测方法。该方法首先根据海洋红外图像中自然背景和干扰的特性设计频谱残留变换的模型参数;然后对海洋红外图像实施频谱残留变换;最后在变换图像上进行目标检测。实验结果表明:该... 详细信息

该文提出一种基于频谱残留变换的红外遥感图像舰船目标检测方法。该方法首先根据海洋红外图像中自然背景和干扰的特性设计频谱残留变换的模型参数;然后对海洋红外图像实施频谱残留变换;最后在变换图像上进行目标检测。实验结果表明:该方法可以有效消除红外图像中的大尺度干扰和图像噪声,增强图像中舰船目标的信杂比,提高舰船检测的准确性。

关键词：红外遥感图像舰船目标检测信杂比视觉显著性谱残留模型

来源：评论

学校读者我要写书评

暂无评论

基于小波变换的天波雷达舰船目标检测方案

引用

华中科技大学学报（自然科学版） 2019年第8期47卷 23-28页

作者：关泽文陈建文于文启鲍拯空军预警学院一系

针对天波超视距雷达(OTHR)舰船目标自适应检测的难题,提出一种基于修正的峰值信噪比(MPSNR)-离散小波变换(DWT)的方案.首先在预处理过程中拼接接收数据各通道中当前监视区域的距离多普勒谱,然后通过令MPSNR最大化实现海杂波的自适应抑制... 详细信息

针对天波超视距雷达(OTHR)舰船目标自适应检测的难题,提出一种基于修正的峰值信噪比(MPSNR)-离散小波变换(DWT)的方案.首先在预处理过程中拼接接收数据各通道中当前监视区域的距离多普勒谱,然后通过令MPSNR最大化实现海杂波的自适应抑制,最后利用排序统计-恒虚警率检测器进行舰船目标检测.理论上本方案中的MPSNR较已有方案中的峰值信噪比对海杂波被抑制的程度更为敏感,因此本方案较已有方案对海杂波的抑制更为充分,进而可以改善目标检测性能.仿真数据和实测数据的结果表明本方案对舰船目标的信杂噪比提升了2.6 dB.

关键词：天波超视距雷达海杂波抑制舰船目标检测图像处理离散小波变换

来源：评论

学校读者我要写书评

暂无评论

基于RetinaNet的SAR图像舰船目标检测

引用

湖南大学学报（自然科学版） 2020年第2期47卷 85-91页

作者：刘洁瑜赵彤刘敏火箭军工程大学导弹工程学院陕西西安710025 湖南大学电气与信息工程学院湖南长沙410082

在合成孔径雷达图像舰船目标检测中,由于背景复杂多变,传统的基于人工特征的目标检测方法效果较差.基于深度学习中的单阶段目标检测算法RetinaNet,结合合成孔径雷达图像本身特征信息较少的特点,采用了多特征层融合的思想,改进了网络特... 详细信息

在合成孔径雷达图像舰船目标检测中,由于背景复杂多变,传统的基于人工特征的目标检测方法效果较差.基于深度学习中的单阶段目标检测算法RetinaNet,结合合成孔径雷达图像本身特征信息较少的特点,采用了多特征层融合的思想,改进了网络特征提取能力,提出了相适应的损失函数的计算方法.采用SAR图像舰船目标检测数据集(SSDD)对网络进行训练,并通过样本增强和迁移学习的方法提升算法的鲁棒性和收敛速度.通过实验与其他基于深度学习的目标检测算法所得结果进行比较,结果表明本算法具有更高的检测精度.

关键词：合成孔径雷达(SAR)图像舰船目标检测深度学习 RetinaNet

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：