基于CNN的SAR艦船檢測及其在移動終端的應(yīng)用.pdf

1、針對于海難突發(fā)事故，海洋搜救中心的工作人員利用合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)圖像進(jìn)行艦船目標(biāo)搜索時，為了保證船只定位的精確性，往往使用人工標(biāo)注的方式來進(jìn)行艦船目標(biāo)定位，這樣不僅耗時費力，而且滿足不了搜救工作人員獲取實時搜救信息的需求。如何利用衛(wèi)星雷達(dá)、應(yīng)急中心、移動終端三者互通的工作模式，幫助海洋搜救人員更容易獲得精準(zhǔn)的救援信息成為了亟待解決的研究問題。
　　因此，本文先后對SAR圖像艦

2、船目標(biāo)的檢測算法以及檢測結(jié)果在移動終端的快速加載算法進(jìn)行了探索。主要貢獻(xiàn)如下：
　　（1）針對于復(fù)雜SAR圖像艦船檢測的需求，本文設(shè)計了基于顯著性檢測與卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)相結(jié)合的SAR圖像艦船檢測算法。通過訓(xùn)練CNN、掩膜海陸、提取顯著性區(qū)域、利用訓(xùn)練好的CNN進(jìn)行艦船檢測等步驟對高分辨率SAR圖像進(jìn)行了艦船檢測。該檢測算法的艦船檢測率可達(dá)95％，漏檢率低至5%，虛警

3、率低至9%，品質(zhì)因子達(dá)到0.91，滿足了艦船搜尋時的基本需求。
　?。?）針對移動終端加載海量遙感數(shù)據(jù)速度慢的問題，本文設(shè)計了面向移動終端的SAR圖像瓦片快速加載展示算法。該算法通過按需動態(tài)加載、循環(huán)加載展示、緩存以及延后刪除等策略，將通過艦船檢測后的SAR圖像瓦片在移動設(shè)備上進(jìn)行了快速的展示。實驗結(jié)果表明，瓦片的平均加載時間下降了47%，同時保證了移動端設(shè)備內(nèi)存消耗量的穩(wěn)定性。
　?。?）與此同時，本文具體實現(xiàn)了面向移動終