为了克服基于小波尺度谱重排的时频分析方法中时、频分辨率不佳及时频分布可读性较差等问题，提出了一种基于参数优化Morlet小波变换和奇异值分解的海杂波背景下舰船目标检测算法。算法利用Shannon小波熵作为目标函数，根据高频地波雷达信号的特点自适应地优化Morlet小波变换的时间带宽积参数，使得后续重排尺度谱的时、频分辨率同时达到最佳；然后再对重排小波尺度谱进行基于奇异值分解的降噪处理，以抑制环境噪声的影响，进一步提高时频分布的可读性。实验结果表明，与传统的时频分析算法相比，提出的算法具有更好的时频聚集性和较强的噪声抑制能力，能有效地检测海杂波背景下缓慢运动的匀速和匀加速舰船目标。

基于高分四号卫星的舰船目标跟踪

摘 要 ： 针对海天背景下红外舰船目标识别提出了一种基于机器学习的分类算法。 该算法首先利用分 割 算法提取红外图像中的连通区域,并对原图相应的位 置进行标记和归一 化处理 ,然后利 用HOG 特 征提 取 标记 区域 的 高维特 征 向量 ，用线 下样 本库 训 练得 到 的 SV M 分 类器 对所提 取 的 HOG 特 征 进行 高维特征 空间的分类 ，识别 目标和干扰。 仿真实验表明 ，该算法具有 良好的性能，在复杂海天干扰背景下能够有效地识别红外舰船目标 。

光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别

基于深度学习的目标检测技术在目标检测领域有强大的生命力,但是将其用于合成孔径雷达(SAR)图像舰船目标检测时并没有达到预期的效果。提出了一种基于卷积神经网络的SAR图像舰船目标检测算法用来检测多场景下的多尺度舰船目标,在单发多盒探测器检测框架的基础上,使用性能更好的Darknet-53作为特征提取网络,加入更深层次的特征融合网络,生成语义信息更加丰富的新的特征预测图。同时在训练策略上使用了一种新的二分类损失函数来解决训练过程中难易样本失衡的问题。在扩展的公开SAR图像舰船数据集上进行验证实验,实验结果表明,所提方法对复杂场景下不同尺寸的舰船目标的检测展现出了良好的适应性。

文中基于OpenGL对舰船目标进行红外热像模拟，根据红外物理和传热学知识，综合考虑面元之间辐射、传导、对流以及面元与周围大气、海面、太阳之间的辐射、对流，建立较为完善的舰船目标红外物理模型，计算出舰船各部分的温度分布及辐射亮度分布。根据辐射亮度量化为灰度信息，经过建模、视点变换、环境设置等一系列处理并渲染输出红外图像，并利用双缓存技术实现动态红外图像的生成。

:SAR 图像舰船目标识别是 SAR 图像海洋监视应用中的一项关键技术。在广泛文献调研的基础上，首先建立了 SAR 图像舰船目标识别的主要流程; 接着对用于 SAR 图像舰船目标识别的众多特征进行归纳整理，分析了其物理意义及优缺 点; 然后对用于 SAR 图像舰船目标的分类算法进行了较为全面的综述; 最后分析了目前研究中所面临的主要问题，展望了 进一步研究的主要方向

红外遥感图像舰船目标检测

行业资料-交通装置-一种SAR图像双边CFAR舰船目标检测方法.zip

近年来,合成孔径雷达成像技术因具备全天时和全天候的目标感测能力,在海洋实时监测和管控等领域发挥着重要作用,特别是高分率SAR图像中的舰船目标检测成为当前的研究热点之一。首先分析基于深度学习的SAR图像舰船目标检测流程,并对样本训练数据集的构建、目标特征的提取和目标框选的设计等关键步骤进行归纳总结。然后对检测流程中的各部分对SAR图像舰船目标检测精度和速度的影响进行对比分析。最后根据当前研究现状,深入分析深度学习算法在舰船检测应用中存在的问题,探讨基于深度学习的SAR图像舰船目标检测的进一步研究方向。