共查询到19条相似文献，搜索用时 421 毫秒
1.
随着海上交通运输业业务需求的不断增加,传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展,基于合成孔径雷达（Synthetic Aperture Radar,SAR）图像舰船目标自动识别具有显著的应用潜力。近年来,深度学习技术在目标检测领域逐渐显现出优势,特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率,为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势,本文首先对YOLO系列的结构进行了归纳总结;其次对当前广泛使用的数据集进行了对比分析,并基于SAR图像数据集（SAR Ship Detection Dataset,SSDD）的样本进行重新标注构建出本文的数据集;然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络（Faster Region-based Convolutional Neural Network,Faster R-CNN）在SAR舰船目标检测的精度和速度两方面进行对比实验;最后在YOLOv5模型的基础上对主干网络（Backbone... 相似文献
2.
舰船目标检测是进行海洋环境监管,保障海上权益的重要手段。基于深度学习的目标检测算法能在复杂环境下保持良好性能,为测试不同深度学习目标检测算法在舰船检测中的效果,本文构建了一个包含3893张图像的数据集,涵盖了复杂背景下不同类型的舰船,基于此数据集分别采用Faster RCNN、SSD、RetinaNet、YOLOv3、YOLOv4算法进行实验,结果表明,YOLOv4 、YOLOv3、RetinaNet、Faster RCNN平均精度均在83%以上,其中YOLOv4最高达到91.77%,Faster RCNN误检较多,而SSD平均精度最低,只有79.23%,总的舰船检测数目偏少。将5种模型训练结果在高分二号影像上进行测试,得到较好的检测效果,对舰船检测未来理论研究的开展具有一定的指导意义。 相似文献
3.
海雾气象条件下船只高精度检测识别面临较大困难，传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题，提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法，实现图片清晰度分类处理；其次为提高海雾气象条件下海上船只的实时检测精度，消除海雾遮挡对目标识别的影响，运用暗通道先验去雾方法对含有海雾的图像实行去雾；最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只，对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。 相似文献
4.
给出了一个基于模糊C均值聚类(FCM)的舰船目标检测算法。其中心思想是将SAR图像中的各像素点灰度值视为样本集,然后利用FCM算法对该样本集聚类,并利用聚类结果计算图像分割全局阈值。与目前流行的恒虚警率(CFAR)检测算法相比,所给检测算法具有参数少、计算量与图像大小成正比、舰船轮廓保持良好的特点,为高分辨率SAR图像舰船目标检测提供了一个新的选择。 相似文献
5.
《中国海洋大学学报(自然科学版)》2021,(8)
针对海浪场中合成孔径雷达(SAR)图像的灰度特征混杂、人工目视分类困难的问题,本文利用简化的Inception-ResNet-V2模型与注意力机制相结合的方法,在减少网络层数、加快运算效率的同时,大幅度提升了计算机对SAR图像中海浪条纹清晰度的识别准确率。在利用模型进行图像分类时,本文提出分块识别的方式,对各块分类概率结果进行累加后取概率最大的类别,可提升1.8%的识别准确率,使最终准确率达到了89.6%。最后,本文基于深度学习结合12 000幅分类样本实现了总计5万幅ASAR图像的分类研究,获得条纹清晰组11 069幅、中间组16 560幅和不清晰组22 371幅分类图像。 相似文献
6.
《中国海洋大学学报(自然科学版)》2017,(2)
由于合成孔径雷达(SAR)发射脉冲频率以及成像机理的影响,导致SAR图像在成像时存在方位模糊噪声,严重时会在图像上出现假目标,此时若采用传统的目标检测算法,将会把假目标误判为检测目标,降低目标检测的准确率,影响目标的分类识别。本文分析了假目标产生的原因,从理论上导出了假目标在SAR图像中出现的具体位置。从信号处理的角度,对SAR图像进行方位模糊抑制的仿真。然后采用双参数CFAR检测算法对SAR图像进行目标检测,依据真假目标区域连通面积大小不同,且假目标区域具有不连通、面积小等特点,在目标检测的同时,对真假目标进行判别。最后,采用10m×10m分辨率的SAR图像进行实验验证。实验结果证明该算法可以对由于方位向模糊产生的假目标进行有效检测。 相似文献
7.
为了提高合成孔径雷达(syntheticapertureradar,SAR)图像中海上溢油的检测精度,设计了一种图像显著性和均值偏移分割相结合的暗斑检测方法,验证了该方法在SAR溢油图像暗斑识别中的有效性,为溢油区域的准确检测奠定了基础。针对SAR溢油图像中暗斑区域在人类视觉中属于感兴趣区域的特性,利用图像显著性检测方法对整幅SAR图像进行处理生成显著性图像,然后利用均值偏移方法在SAR图像的Lab空间将图像分割成不同区域,最后在显著性图像上利用每个区域的平均显著性值与动态阈值之间的关系确定溢油图像中的暗斑区域。实验结果表明,该方法不需要人工交互,且能够有效地提取出SAR图像溢油中的暗斑区域。 相似文献
8.
9.
10.
全极化合成孔径雷达(SAR)数据提供了丰富的散射信息,目前被广泛应用于海上船只目标的检测。本文首先利用一种方便有效的极化散射信息分析法-散射相似性参数统计分析了船只目标与海面的散射特性,重点分析了两者散射机制间的差异,并基于该差异提出了一个新的全极化SAR船只目标检测量(SSM),该检测量同时考虑了极化SAR数据的空间信息,有效提高了船海对比度。然后基于核密度估计提出了对检测量SSM的模型估计方法,结合恒虚警率(CFAR)检测方法实现了对船只目标的检测。利用RADARSAT-2全极化数据对本文的方法进行验证,并与典型的极化SAR船只目标检测方法比较,实验结果表明了本文方法对船只目标检测的有效性。 相似文献
11.
12.
在SAR与AIS联合探测探测舰船目标实验中,通过对2010-11-05T06：51渤海海峡Radarsat-2影像的和与之时空匹配的AIS数据比较,发现2种手段探测到的静止的舰船目标能够精确的匹配,但是运动的舰船目标存在一定的偏差.分析了偏差产生的原因,其中距离向偏差是由时间误差引起的;方位向偏差主要是由多普勒频移造成的;这与运动舰船目标的航速、航向及SAR与AIS的探测时间误差有关.在此基础上建立了数学模型,分析上述参数对偏差的影响,并对偏差加以修正,从而实现了SAR与AIS探测结果的匹配. 相似文献
13.
油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。 相似文献
14.
应用极化合成孔径雷达检测海上溢油研究进展 总被引：4，自引：2，他引：2
海上溢油给海洋生态环境带来严重的影响,快速准确地探测溢油对于防灾减灾具有重要的意义。利用卫星遥感探测溢油已成为目前主要的检测手段,大多采用合成孔径雷达(SAR)数据,运用图像处理的方法,开展了多种溢油提取算法的研究,取得了较好的结果,但由于海洋的类溢油现象存在,造成提取信息的精度达不到要求。近年来,国内外运用极化SAR数据开展溢油信息提取研究,从极化分解与相位差等角度对溢油特性分析,能有效地区分一些类溢油现象,得到了较理想的结果。分析了应用SAR数据开展溢油信息提取的研究状况,总结了溢油极化SAR探测的研究,指出了目前研究中存在的不足,并提出了今后溢油极化SAR遥感监测的方向。 相似文献
15.
A synthetic aperture radar sea surface distribution estimation by n-order Bézier curve and its application in ship detection 总被引：1，自引：0，他引：1
To dates,most ship detection approaches for single-pol synthetic aperture radar(SAR) imagery try to ensure a constant false-alarm rate(CFAR).A high performance ship detector relies on two key components:an accurate estimation to a sea surface distribution and a fine designed CFAR algorithm.First,a novel nonparametric sea surface distribution estimation method is developed based on n-order Bézier curve.To estimate the sea surface distribution using n-order Bézier curve,an explicit analytical solution is derived based on a least square optimization,and the optimal selection also is presented to two essential parameters,the order n of Bézier curve and the number m of sample points.Next,to validate the ship detection performance of the estimated sea surface distribution,the estimated sea surface distribution by n-order Bézier curve is combined with a cell averaging CFAR(CA-CFAR).To eliminate the possible interfering ship targets in background window,an improved automatic censoring method is applied.Comprehensive experiments prove that in terms of sea surface estimation performance,the proposed method is as good as a traditional nonparametric Parzen window kernel method,and in most cases,outperforms two widely used parametric methods,K and G0 models.In terms of computation speed,a major advantage of the proposed estimation method is the time consuming only depended on the number m of sample points while independent of imagery size,which makes it can achieve a significant speed improvement to the Parzen window kernel method,and in some cases,it is even faster than two parametric methods.In terms of ship detection performance,the experiments show that the ship detector which constructed by the proposed sea surface distribution model and the given CA-CFAR algorithm has wide adaptability to different SAR sensors,resolutions and sea surface homogeneities and obtains a leading performance on the test dataset. 相似文献
16.
溢油已是当前海洋生态环境破坏的主要因素之一,因此对海洋溢油的检测分析是当前海洋环境保护的一个重要课题。传统的溢油提取仅仅是单独依靠光学影像的光谱信息或者合成孔径雷达(SAR)影像的后向散射系数信息进行提取,这会造成很多同谱异物或者粗糙度相近似的地物错分,因此除了利用传统的影像信息以外,还需结合影像的纹理信息,从而提高溢油提取的精度,减少错分地物的数量。选用2006年渤海地区的三景同轨SAR影像作为数据基础,应用基于灰度共生矩阵的方法对其进行纹理分析。该方法可以很好地对图像区域和表面进行感知并能够从像元的灰度相关性上对纹理特征进行详细描述,因此适合于SAR影像的海洋溢油检测。在纹理分析的过程中有很多的参数需要选择,参数选择的好坏将直接影响最终提取结果的精度。通过对纹理分析过程中的参数进行讨论、实验、选择与验证,最终确定了基于灰度共生矩阵纹理分析中各参数的值,并选择了局部平稳、非相似性、对比度、变化量4个特征量作为溢油提取的纹理特征统计量。将纹理特征与SAR自身的后向散射系数相结合,通过神经网络分类法对其进行分类,并计算出分类精度为80.65%,分类效果良好。由此说明了将影像的传统信息与纹理信息相结合进行溢油提取是一种可行而有效的方法,同时也为后续的海洋溢油检测工作奠定了一定的基础。 相似文献
17.
Ship detection using synthetic aperture radar (SAR) plays an important role in marine applications. The existing methods are capable of quickly obtaining many candidate targets, but numerous non-ship objects may be wrongly detected in complex backgrounds. These non-ship false alarms can be excluded by training discriminators, and the desired accuracy is obtained with enough verified samples. However, the reliable verification of targets in large-scene SAR images still inevitably requires manual interpretation, which is difficult and time consuming. To address this issue, a semisupervised heterogeneous ensemble ship target discrimination method based on a tri-training scheme is proposed to take advantage of the plentiful candidate targets. Specifically, various features commonly used in SAR image target discrimination are extracted, and several acknowledged classification models and their classic variants are investigated. Multiple discriminators are constructed by dividing these features into different groups and pairing them with each model. Then, the performance of all the discriminators is tested, and better discriminators are selected for implementing the semisupervised training process. These strategies enhance the diversity and reliability of the discriminators, and their heterogeneous ensemble makes more correct judgments on candidate targets, which facilitates further positive training. Experimental results demonstrate that the proposed method outperforms traditional tri-training. 相似文献
18.
19.
舰船目标检测是进行海上目标监管,保障海上权益的重要手段。本文在SSD（single shot multibox detector）算法的基础上,利用残差网络（ResNet,residual network）作为骨干网络构建SSD模型,将改进后的SSD算法应用于卫星视频舰船目标检测,该算法采用残差连接替换原本的级联方式,加强前后特征之间的联系,减少模型参数,在保证检测精度的同时提高检测速度。在本文构建的数据集上进行实验,结果表明,改进后的SSD算法在测试集上的均值平均精度（mAP,mean average precision）为93%,比原始SSD算法提高了5.31%,充分证明了该方法对于提升SSD模型性能的有效性。使用“吉林一号”视频03星图像进行验证,结果表明,该算法能够较准确地检测到舰船目标,可为海上复杂环境条件下的舰船实时检测提供参考。 相似文献