基于混合型复数域卷积神经网络的三维转动舰船目标识别

张云, 化青龙, 姜义成, 徐丹

电子学报 ›› 2022, Vol. 50 ›› Issue (5) : 1042-1049.

PDF(2654 KB)
PDF(2654 KB)
电子学报 ›› 2022, Vol. 50 ›› Issue (5) : 1042-1049. DOI: 10.12263/DZXB.20211255
学术论文

基于混合型复数域卷积神经网络的三维转动舰船目标识别

    {{javascript:window.custom_author_cn_index=0;}}
  • {{article.zuoZhe_CN}}
作者信息 +

Recognition of 3D Rotating Ship Based on Mix-CV-CNN

    {{javascript:window.custom_author_en_index=0;}}
  • {{article.zuoZhe_EN}}
Author information +
文章历史 +

本文亮点

{{article.keyPoints_cn}}

HeighLight

{{article.keyPoints_en}}

摘要

{{article.zhaiyao_cn}}

Abstract

{{article.zhaiyao_en}}

关键词

Key words

本文二维码

引用本文

导出引用
{{article.zuoZheCn_L}}. {{article.title_cn}}[J]. {{journal.qiKanMingCheng_CN}}, 2022, 50(5): 1042-1049. https://doi.org/10.12263/DZXB.20211255
{{article.zuoZheEn_L}}. {{article.title_en}}[J]. Acta Electronica Sinica, 2022, 50(5): 1042-1049. https://doi.org/10.12263/DZXB.20211255
中图分类号:

参考文献

参考文献

{{article.reference}}

基金

版权

{{article.copyrightStatement_cn}}
{{article.copyrightLicense_cn}}
PDF(2654 KB)

Accesses

Citation

Detail

长摘要#br# 在对海上目标监测时,航行中的舰船目标在海浪作用下存在三维摆动和平动分量。非平稳运动分量使得合成孔径雷达(Synthetic Aperture Radar,SAR)回波近似为多分量多项式相位信号,导致三维转动舰船目标在SAR图像中呈现不同程度的散焦现象,进而使三维转动舰船目标识别准确率低。目前对静止舰船目标的识别研究已经能取得很好的效果,但是对于复杂运动目标的识别仍然没有较好的解决方案。本文针对SAR图像运动目标的复数域信息特征,将复数域卷积神经网络应用于SAR舰船目标识别。在设计网络构架时考虑对目标相位信息的深度挖掘,结合现有幅相型与实虚型复数域卷积神经网络的优点,提出了混合型复数域卷积神经网络(Mix-type Complex-Valued Convolutional Neural Network,Mix-CV-CNN),推导出Mix-CV-CNN前向传播与反向传播算法,并提出了基于Mix-CV-CNN的SAR舰船目标识别算法。三维转动舰船目标经过SAR成像处理后存在剩余相位信息,Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息,在不进行目标重聚焦的情况下,较好完成SAR复杂运动舰船目标的识别,降低了SAR复杂运动舰船目标识别的任务难度,具有一定的创新性与实用价值。实验表明,Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络、实虚型复数域卷积神经网络、VGG16和ResNet18识别性能均有所提高,实测数据识别平均准确率提高3.85%~6.37%。#br#
段落导航
相关文章

/