文献类型：期刊文章

作　　者：李永刚[1,2] 朱卫纲[1] 黄琼男[1] 李云涛[1] 何永华[1]

LI Yonggang;ZHU Weigang;HUANG Qiongnan;LI Yuntao;HE Yonghua(Department of Electronic and Optical Engineering,Space Engineering University,Beijing 101416,China;National Key Laboratory of Complex Electromagnetic Environmental Effect of Electronic Information System,Luoyang 471032,China)

机构地区：[1]航天工程大学电子光学工程系,北京101416 [2]电子信息系统复杂电磁环境效应国家重点实验室,河南洛阳471032

出　　处：《系统工程与电子技术》

基　　金：复杂电磁环境效应国家重点实验室项目(CEMEE2020Z0203B)资助课题。

年　　份：2022

卷　　号：44

期　　号：10

起止页码：3096-3103

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对合成孔径雷达(synthetic aperture radar,SAR)图像近岸舰船目标易受背景杂波的影响,造成SAR图像近岸舰船目标检测检测率低、虚警率和漏检率高的问题,提出一种适用于复杂背景下SAR图像近岸舰船目标检测的DFF-Yolov5(deformable feature fusion you only look once 5)算法。构建了一个专门用于SAR图像复杂背景近岸舰船目标检测的数据集,基于Yolov5目标检测算法,在特征提取网络中进行特征细化和多特征融合两个方面的改进。在特征提取网络中利用可变形卷积神经网络改变卷积对目标采样点的位置,增强目标的特征提取能力,提高复杂背景下SAR图像舰船目标的检测率。在多特征融合网络结构中采用级联和并列金字塔,进行不同层级的特征融合。同时,使用空洞卷积扩大特征提取的视觉感受野,增强网络对复杂背景近岸多尺度舰船目标的适应性,降低复杂背景下SAR图像舰船目标检测的虚警率。通过在构建的复杂背景近岸舰船检测数据集上的测试实验,结果表明:DFF-Yolov5的平均准确率为85.99%,相比于原始的Yolov5,所提方法平均准确率提高了5.09%,精度提高了1.4%。

关 键 词：合成孔径雷达 目标检测  近岸舰船目标  多特征融合 可变形卷积神经网络  

分 类 号：TN95]