杜 兰 刘 彬 王 燕 刘宏伟 代 慧



基于卷积神经网络的SAR图像目标检测算法

杜 兰*刘 彬 王 燕 刘宏伟 代 慧

(西安电子科技大学雷达信号处理国家重点实验室 西安 710071)(西安电子科技大学信息感知技术协同创新中心 西安 710071)

该文研究了训练样本不足的情况下利用卷积神经网络(Convolutional Neural Network, CNN)对合成孔径雷达(SAR)图像实现目标检测的问题。利用已有的完备数据集来辅助场景复杂且训练样本不足的数据集进行检测。首先用已有的完备数据集训练得到CNN分类模型，用于对候选区域提取网络和目标检测网络做参数初始化；然后利用完备数据集对训练数据集做扩充；最后通过“四步训练法”得到候选区域提取模型和目标检测模型。实测数据的实验结果证明，所提方法在SAR图像目标检测中可以获得较好的检测效果。

合成孔径雷达；目标检测；卷积神经网络；训练数据扩充

1 引言

随着合成孔径雷达(SAR)系统应用越来越广泛，需要处理的SAR图像数量越来越多，对SAR图像处理技术提出了更高的要求，从SAR图像中快速并准确地检测目标，是目前的一个技术研究热点。现有的SAR图像目标检测方法中，双参数恒虚警(Constant False Alarm Rate, CFAR)检测算法应用最为广泛。该方法要求SAR图像中目标与背景杂波具有较高的对比度，并且假设背景杂波的统计分布模型是高斯分布，同时需要根据目标大小设置参考窗尺寸，在场景简单的情况下，检测效果较好，但是在复杂场景下检测性能较差。

卷积神经网络(Convolutional Neural Network, CNN)是人工神经网络的一种，它的权值共享网络结构降低了网络模型的复杂度，减少了权值的数量，该优点在网络的输入是多维图像时表现得尤为明显。……