基于DnCNN的海面目标一维距离像识别方法

作者：王哲昊; 简涛; 王海鹏; **

来源：信号处理, 2021, 37(06): 932-940.

DOI：10.16798/j.issn.1003-0530.2021.06.004

• 去噪卷积神经网络
• 海面目标识别
• 高分辨一维距离像
• 残差学习

针对低信噪比条件下海面目标分类识别精度差的问题,该文提出了一种基于去噪卷积神经网络(Denoising convolutional neural network, DnCNN)的海面目标高分辨一维距离像(High Resolution Range Profile, HRRP)识别方法。所提方法设计了一个海面目标分类识别模型,该模型通过其中的降噪模块提高信噪比。首先,分析了HRRP和二维图像的相似特性,将HRRP降噪转变为二维图像降噪。其次,利用深层次卷积层与批归一化层相结合的结构,提取图像深层次的噪声特征,最后采用残差学习技术,减轻深层次网络的学习负担的同时重构图像进行分类识别。实验结果表明,该模型可以有效提升低信噪比条件下的海面目标分类识别正确率,在不同信噪比条件下其识别性能均优于对比模型,具有良好的识别性能和鲁棒性。