基于遥感数据融合的合成孔径雷达船只识别方法研究
合成孔径雷达(Synthetic aperture radar，SAR)是一种全天时、全天候高分辨的主动式微波传感器。自20世纪50年代诞生以来，SAR就在海洋观测和船舶监测中发挥着重要作用。船只类型识别对海上交通管理、维护国家的海洋权益具有重要意义，近年来受到了广泛的关注，成为SAR船只监测领域中一个重要的研究方向。 如何弥补具有标记的SAR船只数据不足的问题和提取更具有区分性的SAR船只分类特征，是目前SAR船只图像分类领域中面临的主要挑战。尤其是将深度学习技术应用于SAR船只图像分类时，需要大规模有标记样本训练网络中的参数，才能防止网络过拟合。目前利用深度学习技术对小规模数据集进行分类时，通常在另一个较大的数据集上进行网络预训练，并采用网络微调和参数迁移的方法对其进行分类。在SAR船只图像分类任务中，考虑到ImageNet等数据库中的图像数据与SAR船只图像存在较大的差异，预训练的网络并不一定适用于SAR船只图像的特征提取。与SAR图像相比，光学船只遥感图像不仅容易获取，而且可以被目视解译。最重要的是，光学船只遥感图像与SAR船只图像相似。本文希望在光学船只图像数据库中预训练深度网络，解决具有标记的SAR船只数据不足的问题，并且提取更有区分性的船只分类特征，提高分类精度。因此，本文提出了基于遥感数据融合的SAR船只类型识别方法，主要研究内容如下: 一、构建了光学船只遥感图像数据库和SAR船只遥感图像数据库，分别包含1093个高分SAR船只样本数据和9072个光学船只数据，为后续的实验打下了基础; 二、为了解决具有标记SAR图像不足的问题，提出利用光学船只图像预训练卷积神经网络(Convolutional Neural Network，CNN)，并提出了CNN网络中活跃卷积核筛选算法，希望可以提取更有效的船只分类特征; 三、在三个数据库中，比较了28种大小、深度不同的CNN网络结构，通过对分类结果的分析以及对比实验，证实了本文提出的基于遥感数据融合的SAR船只类型识别方法的有效性; 四、提出了对后续工作的展望，希望可以继续扩充本文的数据库;改进本文的SAR船只分类方法，解决实验中发现的问题。
船只识别;合成孔径雷达;遥感图像;数据融合;卷积神经网络
北京化工大学
硕士
物理学
郎海涛
2019
中文
TP751
2019-10-08（万方平台首次上网日期，不代表论文的发表时间）