用于高分三号SAR图像舰船目标检测的YOLOv3算法

来源 :第十五届国家安全地球物理专题研讨会 | 被引量 : 0次 | 上传用户:epaiai009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统的合成孔径雷达图像舰船目标检测算法大多针对特定场景且泛化性较差的缺点,提出了一种基于YOLOv3的SAR图像舰船目标检测算法.YOLOv3基于全卷积神经网络,是当前较为先进的单阶段目标检测算法,直接在多尺度特征区域进行定位与回归,避免了传统算法的数据预处理、海陆分离等步骤,实现了端对端的目标检测.同时利用迁移学习的方法训练高分三号SAR舰船数据来加快收敛速度.实验结果表明此方法具有良好的鲁棒性与泛化性,舰船检测的平均准确率达到了90%以上,在斑点噪声较为严重的海况下,检测效果仍然较好.
其他文献
主要探讨了利用深度学习技术开展闪电电磁脉冲识别的可能性.通过实验数据对建立的模型进行了训练和检验,将模型识别的事件与气象部门权威事件数据进行匹配和统计分析,为下一步闪电电磁脉冲识别研究提供了一些方法和思路.
利用海南电离层探测站2007年1月-2008年12月双频GPS探测的斜向TEC资料,研究海南地区电离层TEC的周日变化、季节变化、半年度异常和冬季异常现象.
作为地球物理立体探测技术中的一项重要勘探手段,海洋垂直缆探测技术由于具有宽频、广角采集的特点,能够提供传统海面拖缆作业方式所无法得到的波场信息,体现出了其独特的优势.文中通过对南海神狐地区垂直缆采集得到的数据与拖缆数据进行频谱分析和分频扫描处理发现:垂直缆数据由于其采集时工作环境相对静态不运动的特点,数据的环境噪声很小,信噪比高,频谱信息丰富.
磁场梯度张量数据比磁总场数据包含更丰富的信息,在磁性目标体可近似为磁偶极子时,仅通过一个测点的磁场梯度张量数据,便可以确定磁性目标体的空间位置.现阶段基于磁场梯度张量的目标反演方法,大多是基于磁性目标体可近似为磁偶极子这一假设前提.往往实际情况是复杂且未知的,当磁性目标不能简单地近似为磁偶极子模型时,这些方法的反演精度以及适用性必然会有所降低.文中基于磁场梯度张量欧拉齐次方程,提出一种改进算法,利
地震资料褶积处理、地震波阻抗反演等工作的前提都是地震子波估计.在常规地震资料处理中,通常假设地震子波是固定的、最小相位的,但这不符合实际情况.文中首先给出了高阶统计量的理论基础,通过分析得出了可以用高阶统计量从地震资料中取一个非最小相位、时空变化的地震子波;其次,以零相位的雷克子波及其合成地震道为例,评价了高阶统计量的特征,证明了高阶统计量在地震子波估计方面具有实用性.
雾霾的存在使图像质量显著降低,视觉效果变差,为提高光学遥感图像质量并充分发挥其应用价值,去除雾霾始终是遥感图预处理的重要内容.去除图像中雾霾的本质就是图像增强或图像恢复,因此文中从图像特征增强和提高图像应用价值的角度,提出了一种基于灰度和模型的图像雾霾去除算法.该算法充分利用彩色图像的物理模型、图像的直方图增强、图像的灰度级增强和雾霾产生机理等方法和原理,来实现图像雾霾的去除及特征增强.用不同方法
临近空间是“陆海空天电网”六维一体化战场的一个重要环节,是国家空间安全的重要组成部分.在通信保障、导航定位、情报收集、电子对抗、侦察监视、远程预警、气象监测、反卫星、反弹道导弹、远程打击和快速突防以及进行全球兵力投送等方面,临近空间装备具有重要的军事应用价值.临近空间风场探测对保障航天和国防工程,临近空间装备运行安全和作战运用,特别是国家空间安全,具有十分重要的战略意义.
遥感方法具有一些常规地质方法难以比拟的优势,这对追索一些重要构造带的平面展布、分析断裂构造的复合关系以及中生代中晚期—喜山期以来的区域构造变形及动力机制、构造演化都有不可低估的辅助作用.文中选取太行山北段蔚县—涞水地区为研究对象,该区域作为太行山北段逆冲构造带的代表,具有典型意义,通过研究上述区域的遥感影像特征,进一步划分断裂、分析断裂性质和展布特征来研究太行山北段中生代以来的构造变形.
远距离闪电电磁脉冲信号微弱,检测难度大.针对这一问题,使用单耦合系数Duffing振子模型,通过振子间产生的广义“阱内失同步”现象,在时域利用变量差分原理实现微弱脉冲信号检测和参数估计.实验结果表明,该模型在置信水平86%时,最低可检测信噪比可达一18dB,对脉冲幅值的估计误差小于±3%,优于常用的微弱脉冲信号检测算法.
引力位的一二阶梯度张量在不同的坐标系中具有不同的表示形式.由于实际上常用的是以球坐标表示的引力场量,文中围绕引力位一二阶梯度张量在局部和全球坐标系统间的转换关系,首先确定地心球坐标系和不同局部坐标系之间的坐标转换关系,然后通过引力位对坐标向量的偏导关系进一步得到引力位的一二阶梯度在不同局部坐标系中的分量表达式.