-
题名基于深度卷积神经网络的红外船只目标检测方法
被引量：49
- 1
-
-
作者
王文秀
傅雨田
董峰
李锋
-
机构
中国科学院红外探测与成像技术重点实验室
中国科学院上海技术物理研究所
中国科学院大学
-
出处
《光学学报》
EI
CAS
CSCD
北大核心
2018年第7期152-158,共7页
-
基金
天基视频探测技术(2015AAxxx5097)
-
文摘
针对红外船只图像较模糊导致的识别率低、识别速度慢等问题,提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域,并对原图相应的目标位置进行标记和归一化处理,提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别,将提取的候选区域送入改进的AlexNet进行特征提取和预测,得到最终检测结果。分水岭方法可大大减少候选区域检测时间,以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据,并对其平移缩放形成的数据集进行仿真实验。结果表明,标记分水岭与深度CNN的结合,可有效识别船只目标,所提方法具有良好的性能,能够更加快速准确地识别红外船只目标。
-
关键词
测量
红外船只目标检测
标记分水岭
卷积神经网络
图像分割
-
Keywords
measurement
infrared ship target detection
marker controlled watershed
convolution neural network
image segmentation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
