本文選題：合成孔徑雷達　切入點：深度學(xué)習(xí)　出處：《自動化學(xué)報》2016年04期 　論文類型：期刊論文

【摘要】：浮筏養(yǎng)殖廣泛存在于我國近海海域,可見光遙感圖像無法完全準(zhǔn)確地獲取養(yǎng)殖目標(biāo),而基于主動成像的合成孔徑雷達(Synthetic aperture radar,SAR)遙感圖像能夠得到養(yǎng)殖目標(biāo),因此采用SAR圖像進行海洋浮筏養(yǎng)殖目標(biāo)識別.然而,海洋遙感SAR圖像包含大量相干斑噪聲,并且SAR圖像特征單一,使得目標(biāo)識別難度較大.為解決這些問題,提出一種深度協(xié)同稀疏編碼網(wǎng)絡(luò)(Deep collaborative sparse coding network,DCSCN)進行海洋浮筏識別.本文方法對預(yù)處理后的圖像先提取紋理特征和輪廓特征,再進行超像素分割并將同一個超像素塊特征組輸入該網(wǎng)絡(luò)進行協(xié)同表示,最后得到有效特征并分類識別.通過人工SAR圖像和北戴河海域浮筏養(yǎng)殖SAR圖像的實驗驗證所提模型的有效性.該網(wǎng)絡(luò)不僅具有優(yōu)異的特征表示能力,能夠獲得更適合分類器的特征,而且通過近鄰協(xié)同約束,有效抑制相干斑噪聲影響,所以提高了SAR圖像目標(biāo)識別精度.
[Abstract]:Floating raft culture is widely used in offshore waters of China. The target of culture can not be obtained by visible light remote sensing image, but the target can be obtained by active imaging of synthetic aperture radar synthetic aperture radar radar (SAR) remote sensing image. Therefore, the SAR image is used to recognize the marine floating raft culture target. However, the marine remote sensing SAR image contains a lot of speckle noise, and the feature of SAR image is single, which makes it difficult to recognize the target. In order to solve these problems, A deep cooperative sparse coding network (Deep collaborative sparse coding Network) is proposed for ocean raft recognition. In this paper, texture features and contour features are extracted from preprocessed images. Then the hyperpixel segmentation is carried out and the same super-pixel block feature group is input into the network for cooperative representation. Finally, effective features are obtained and classified and recognized. The effectiveness of the proposed model is verified by experiments of artificial SAR images and SAR images of floating raft cultivation in Beidaihe Sea area. The features of the classifier can be obtained more suitable for the classifier, and the speckle noise can be suppressed effectively by using the nearest neighbor co-constraint, so the target recognition accuracy of SAR image is improved.
【作者單位】： 大連理工大學(xué)電子信息與電氣工程學(xué)部;國家海洋環(huán)境監(jiān)測中心;
【基金】：國家自然科學(xué)基金(61273307,61301130) 中國博士后面上基金(2014M551082) 北戴河鄰近海域典型生態(tài)災(zāi)害與污染監(jiān)控海洋公益專項(201305003) 海域使用動態(tài)監(jiān)測和污染監(jiān)測研究專項資助~~
【分類號】：TN957.52

【相似文獻】

相關(guān)期刊論文 前10條

1 R.B.Dybdal ,于霆;毫米波雷達在空間目標(biāo)識別中的應(yīng)用[J];系統(tǒng)工程與電子技術(shù);1980年09期

2 E.DalleMese ,A.Cantoni ,許小劍;雷達目標(biāo)識別[J];系統(tǒng)工程與電子技術(shù);1985年11期

3 郭桂蓉,郁文賢,胡步法;一種有效的艦船目標(biāo)識別新方法[J];系統(tǒng)工程與電子技術(shù);1990年06期

4 呂超全;;多目標(biāo)抑制與目標(biāo)識別[J];光學(xué)工程;1983年06期

5 季秀霞;卞曉曉;;基于壓縮感知的合成孔徑雷達圖像目標(biāo)識別[J];計算機應(yīng)用與軟件;2013年12期

6 龔彬;王福豹;趙玉輝;;一種面向目標(biāo)識別的分布式臨時簇構(gòu)建算法[J];計算機測量與控制;2008年11期

7 許小劍,黃培康;利用RCS幅度信息進行雷達目標(biāo)識別[J];系統(tǒng)工程與電子技術(shù);1992年06期

8 肖順平，王雪松，郭桂蓉，，莊釗文，曾勇虎;基于極化譜的飛機目標(biāo)識別[J];電子學(xué)報;1997年12期

9 黃為倬;;目標(biāo)識別和逆合成口徑雷達[J];現(xiàn)代雷達;1988年06期

10 狄方旭;王小平;林秦穎;劉哲;;雷達與紅外數(shù)據(jù)融合的近距空中目標(biāo)識別[J];電光與控制;2014年09期

相關(guān)會議論文 前3條

1 杜志敏;蔣立輝;田峻峰;;支持向量機在決策層融合目標(biāo)識別中的應(yīng)用[A];中國電子學(xué)會第十五屆信息論學(xué)術(shù)年會暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會論文集（下冊）[C];2008年

2 楊文;孫洪;管鮑;王曉軍;;基于目標(biāo)識別的SAR圖像特征分析[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

3 王東;李琦;王騏;;基于特征序列相關(guān)度的相干激光雷達距離像目標(biāo)識別仿真[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

本文編號：1641567