基于多特征融合的PolSAR飞机目标检测算法研究

作者： 宋厅华   来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： PolSAR图像   无监督分类   散射特征   飞机目标检测  

描述： 基于多特征融合的PolSAR飞机目标检测算法研究

基于多特征融合的PolSAR飞机目标检测算法研究

作者： 宋厅华   来源： 中国民航大学 年份： 2019 文献类型 ： 学位论文 关键词： PolSAR图像   无监督分类   散射特征   飞机目标检测  

描述： 基于多特征融合的PolSAR飞机目标检测算法研究

多特征分类的PolSAR图像飞机目标检测

作者： 卢晓光   周波   韩萍   韩宾宾   来源： 信号处理 年份： 2019 文献类型 ： 期刊 关键词： 特征提取   极化合成孔径雷达   飞机目标检测   SVM分类器  

描述： 针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中

多特征分类的PolSAR图像飞机目标检测

作者： 卢晓光   周波   韩萍   韩宾宾   来源： 信号处理 年份： 2019 文献类型 ： 期刊 关键词： 特征提取   极化合成孔径雷达   飞机目标检测   SVM分类器  

描述： 针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中

多特征分类的PolSAR图像飞机目标检测

作者： 卢晓光   周波   韩萍   韩宾宾   来源： 信号处理 年份： 2019 文献类型 ： 期刊 关键词： 特征提取   极化合成孔径雷达   飞机目标检测   SVM分类器  

描述： 针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中

多特征分类的PolSAR图像飞机目标检测

作者： 卢晓光   周波   韩萍   韩宾宾   来源： 信号处理 年份： 2019 文献类型 ： 期刊 关键词： 特征提取   极化合成孔径雷达   飞机目标检测   SVM分类器  

描述： 针对目前有关极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)的飞机目标检测算法虚警较多、自适应性较差的问题,给出一种复杂大场景中

高分辨SAR图像飞机目标检测的FPGA设计

作者： 金晓飞   来源： 西安电子科技大学 年份： 2019 文献类型 ： 学位论文 关键词： FPGA   OpenCL   飞机目标检测   并行计算   SAR图像  

描述： 高分辨SAR图像飞机目标检测的FPGA设计

高分辨SAR图像飞机目标检测的FPGA设计

作者： 金晓飞   来源： 西安电子科技大学 年份： 2019 文献类型 ： 学位论文 关键词： FPGA   OpenCL   飞机目标检测   并行计算   SAR图像  

描述： 高分辨SAR图像飞机目标检测的FPGA设计

遥感图像飞机目标高效搜检深度学习优化算法

作者： 郭琳   秦世引   来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 停机坪与跑道分割   深度神经网络   深度学习   飞机目标检测   大幅面遥感图像  

描述： 为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络(DNN)的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。

遥感图像飞机目标高效搜检深度学习优化算法

作者： 郭琳   秦世引   来源： 北京航空航天大学学报 年份： 2019 文献类型 ： 期刊 关键词： 停机坪与跑道分割   深度神经网络   深度学习   飞机目标检测   大幅面遥感图像  

描述： 为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络(DNN)的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。