双模融合舰船目标检测方法研究

作     者：黄杰军 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：明德烈

授予年度：2017年

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 0835[工学-软件工程] 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] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：舰船目标检测 双模融合 合成孔径雷达 似物性 CNN 

摘      要：在海上形势日益复杂的背景下,加强海洋的监察、监控能力变得愈加重要。侦察机往往搭载多种探测传感器,开展多模融合目标检测方法研究对提高侦察机侦察能力具有重要意义。合成孔径雷达(SAR)具有全天时、全天候、持续大面积观测能力,是海洋监管监察的重要手段之一。可见光传感器成像清晰、图像信息丰富,为目标的精确识别提供了有力保障。将SAR图像与可见光图像结合,取长补短,能够有效提高系统目标检测能力。论文在全面总结前人工作的基础上,对SAR、可见光双模融合舰船目标检测方法展开了深入的研究。论文的主要内容如下:(1)在SAR图像舰船目标检测方法研究中,针对传统CFAR不具备多尺度检测能力的问题,提出了基于似物性判断的改进CFAR舰船目标检测方法,通过似物性判断方法获得潜在目标的位置和尺寸,在局部窗口内检测目标并动态调整CFAR背景窗口尺寸,使得算法具备了多尺度检测能力,并提高了算法的运行效率。(2)在可见光图像舰船目标检测方法研究中,针对传统CNN单层全连接层分类能力差的问题,提出了CNN与SVM结合的舰船目标检测方法,该方法利用SVM优异的分类能力,克服了传统CNN单层全连接层特征分类能力差的缺点。与传统典型方法的对比实验表明,该方法具有更高的准确性。(3)在SAR、可见光双模融合舰船目标检测方法的研究中,提出了SAR引导可见光传感器探测和引导可见光检测的方法,针对SAR、可见光图像配准问题,给出了SAR、可见光图像目标地理坐标和像素坐标的换算方法,通过使用可见光图像对目标进行二次检测,有效去除了SAR图像中大量的虚警目标,提高了系统的鲁棒性。