摘要：在合成孔径雷达(SAR)图像目标检测中,由于场景杂波的复杂多变,对背景杂波统计模型估计难度增加,从而导致多数检测器容易受到背景杂波的干扰。针对如何避免场景杂波对目标检测干扰的问题,提出了一种基于全卷积神经网络的SAR目标检测模型。该模型将目标检测任务转化为像素分类问题,利用卷积神经网络对数据集中目标像素特征和背景杂波像素的先验信息进行自主学习,有效减少了虚警目标的数量;通过对目标及其阴影区域的联合检测,提高了目标的检测概率。对多个不同场景图像进行测试,实验结果表明提出的检测模型具有良好的检测性能和鲁棒性能,与传统恒虚警检测算法相比,在无需考虑背景杂波统计模型前提下有效降低了虚警概率。
分类：期刊> 自然科学与工程技术> 信息科技> 电信技术
收录：上海图书馆馆藏 > SA 科学文摘(英) > 国家图书馆馆藏 > 维普收录(中) > 北大期刊(中国人文社会科学期刊) > 万方收录(中) > 知网收录(中) > 统计源期刊(中国科技论文优秀期刊) > 剑桥科学文摘 > 哥白尼索引(波兰)
关键词：sar图像 目标检测 全卷积神经网络 像素分类 迁移学习
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
