深度神经网络下的SAR舰船目标检测与区分模型

合成孔径雷达(SAR)舰船目标检测在海洋监测中发挥着越来越重要的作用。针对SAR图像中舰船目标尺寸较小,传统方法易受外部干扰无法提取精细目标特征等问题,基于深度学习技术提出一种改进的SAR图像舰船小目标检测模型,主要由候选区域提取网络(RPN)和目标检测网络组成。首先设计并训练一个能精确识别舰船小目标的CNN模型,然后利用该模型对目标检测模型共享特征提取层进行参数初始化,最后利用自采集的Sentinel-1 SAR图像舰船小目标数据集对其进行训练。实验结果表明,提出的目标检测模型对SAR图像中舰船弱小比例目标有较好的检测区分性能和抗干扰能力,对SAR图像小目标检测领域研究具有一定的参考价值。