科研之友
微信
新浪微博
Facebook
分享链接
摘要
真实场景的高分辨率合成孔径雷达(SAR)图像大多是复杂的，对于地物场景来说，其背景中存在草地、树木、道路和建筑物等杂波，这些复杂背景杂波使得传统SAR图像目标检测算法的结果包含大量虚警和漏警，严重影响了SAR目标检测性能。该文提出一种基于特征分解卷积神经网络(CNN)的SAR图像目标检测方法，该方法在特征提取模块对输入图像提取特征后，通过特征分解模块分解出鉴别特征和干扰特征，最后将鉴别特征输入到多尺度检测模块进行目标检测。特征分解后去除的干扰特征是对目标检测不利的部分，其中包括复杂背景杂波，而保留的鉴别特征是对目标检测有利的部分，其中包括感兴趣目标，从而有效降低虚警和漏警，提高SAR目标检测性能。该文所提方法在MiniSAR实测数据集和SAR飞机检测实测数据集(SADD)上的F1-score值分别为0.9357和0.9211，与不加特征分解模块的单步多框检测器相比，所提方法的F1-score值分别提升了0.0613和0.0639。基于实测数据集的实验结果证明了所提方法对复杂场景SAR图像进行目标检测的有效性。
- 单位
