基于Faster R-CNN的电子海图和雷达图像的数据融合

作     者：张大恒 张英俊 张闯 ZHANG Daheng;ZHANG Yingjun;ZHANG Chuang

作者机构：大连海事大学航海学院辽宁大连116026 大连海洋大学航海与船舶工程学院辽宁大连116023 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2020年第42卷第6期

页      面：1267-1273页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(51679025)资助课题 

主　　题：深度学习 船舶雷达图像 电子海图 数据融合 

摘      要：船载导航雷达和电子海图(electronic navigational chart,ENC)是船舶重要的导航仪器,雷达图像和ENC图像的融合能够给出更加丰富的航行和避碰信息。为此,提出了一种基于深度学习理论的提取雷达图像中鲁棒特征的数据融合算法,实现了ENC和雷达图像较高层次的数据融合。首先,利用深度学习算法对雷达图像进行目标检测,识别船舶雷达的特征目标。其次,对检测到的特征区域执行图像处理,并确定用于ENC和船舶雷达图像配准的参考点。最后,根据参考点进行仿射变换,实现融合算法。利用连续时间段的狭窄水域中的真实船舶雷达图像数据对融合算法进行验证,结果显示船舶雷达图像和ENC的海岸线边缘信息匹配良好且满足实时性要求。该算法与简单的像素级图像融合算法相比鲁棒性更强,实现了ENC与雷达图像的特征级融合。