雙模融合艦船目標(biāo)檢測(cè)方法研究.pdf

1、在海上形勢(shì)日益復(fù)雜的背景下，加強(qiáng)海洋的監(jiān)察、監(jiān)控能力變得愈加重要。偵察機(jī)往往搭載多種探測(cè)傳感器，開(kāi)展多模融合目標(biāo)檢測(cè)方法研究對(duì)提高偵察機(jī)偵察能力具有重要意義。合成孔徑雷達(dá)（SAR）具有全天時(shí)、全天候、持續(xù)大面積觀測(cè)能力，是海洋監(jiān)管監(jiān)察的重要手段之一?？梢?jiàn)光傳感器成像清晰、圖像信息豐富，為目標(biāo)的精確識(shí)別提供了有力保障。將SAR圖像與可見(jiàn)光圖像結(jié)合，取長(zhǎng)補(bǔ)短，能夠有效提高系統(tǒng)目標(biāo)檢測(cè)能力。論文在全面總結(jié)前人工作的基礎(chǔ)上，對(duì)SAR、可見(jiàn)光雙模

2、融合艦船目標(biāo)檢測(cè)方法展開(kāi)了深入的研究。論文的主要內(nèi)容如下：
　?。?）在SAR圖像艦船目標(biāo)檢測(cè)方法研究中，針對(duì)傳統(tǒng)CFAR不具備多尺度檢測(cè)能力的問(wèn)題，提出了基于似物性判斷的改進(jìn)CFAR艦船目標(biāo)檢測(cè)方法，通過(guò)似物性判斷方法獲得潛在目標(biāo)的位置和尺寸，在局部窗口內(nèi)檢測(cè)目標(biāo)并動(dòng)態(tài)調(diào)整CFAR背景窗口尺寸，使得算法具備了多尺度檢測(cè)能力，并提高了算法的運(yùn)行效率。
　　（2）在可見(jiàn)光圖像艦船目標(biāo)檢測(cè)方法研究中，針對(duì)傳統(tǒng)CNN單層全連接層分

3、類能力差的問(wèn)題，提出了CNN與SVM結(jié)合的艦船目標(biāo)檢測(cè)方法，該方法利用SVM優(yōu)異的分類能力，克服了傳統(tǒng)CNN單層全連接層特征分類能力差的缺點(diǎn)。與傳統(tǒng)典型方法的對(duì)比實(shí)驗(yàn)表明，該方法具有更高的準(zhǔn)確性。
　?。?）在SAR、可見(jiàn)光雙模融合艦船目標(biāo)檢測(cè)方法的研究中，提出了SAR引導(dǎo)可見(jiàn)光傳感器探測(cè)和引導(dǎo)可見(jiàn)光檢測(cè)的方法，針對(duì)SAR、可見(jiàn)光圖像配準(zhǔn)問(wèn)題，給出了SAR、可見(jiàn)光圖像目標(biāo)地理坐標(biāo)和像素坐標(biāo)的換算方法，通過(guò)使用可見(jiàn)光圖像對(duì)目標(biāo)進(jìn)行二