典型文献
基于深度学习与非下采样剪切波的SAR图像舰船检测
文献摘要：
针对传统合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船检测算法泛化能力差、 计算复杂耗时以及检测精度不佳等问题,提出了一种基于深度学习和非下采样剪切波的检测算法.利用非下采样剪切波变换对原始图像进行高低频分解,并提取两级高频子带图像与原图像共同构成三通道伪彩色图像,以此增强图像的边缘纹理结构信息;在此基础上,构建基于YOLOv3的四尺度特征金字塔网络结构,并在不同分辨率的特征层上独立预测目标,提升网络对不同尺度目标的适应能力和敏感度.实验结果表明,所提算法设定合理且检测性能优越,平均检测精度达94.71％.
文献关键词：
非下采样剪切波变换;深度学习;合成孔径雷达;舰船检测
中图分类号：
作者姓名：
李利杰;邹国兵
作者机构：
宁波城市职业技术学院,浙江 宁波 315100;上海大学 计算机工程与科学学院,上海 200444
文献出处：
引用格式：
[1]李利杰;邹国兵-.基于深度学习与非下采样剪切波的SAR图像舰船检测)[J].无线电工程,2022(10):1734-1740
A类：
B类：
SAR,舰船检测,统合,合成孔径雷达,Synthetic,Aperture,Radar,检测算法,泛化能力,检测精度,非下采样剪切波变换,原始图像,高低频,两级,原图,三通道,伪彩色,彩色图像,增强图像,纹理结构,结构信息,YOLOv3,四尺,尺度特征,特征金字塔网络结构,不同尺度,检测性能,性能优越
AB值：
0.313918
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
