王 艳，李 昂，王晟全

（1.南京理工大学 a.紫金学院；b.电子工程与光电技术学院，南京 210023；2.南京邮电大学 通信学院，南京 210003）

遥感成像技术的迅猛发展催生了大量遥感图像的产生。遥感图像在国民经济建设的众多领域中有着特殊的优势，例如战场态势监控、城市交通以及矿物、陆地植被、惰性气体和人工材料的探测与识别等［1］。自动目标识别（ATR）是计算机自动完成目标捕捉并分类的过程［2-4］。该过程涉及图像滤波、图像增强、图像分割、图像变换、特征提取、特征选择、图像匹配等多个方向的专业知识［5-6］。本文以船舶为目标，在遥感图像中实现船舶的自动目标识别。遥感图像中的船舶属于小目标，对遥感图像进行小目标识别并非容易的事情，原因在于遥感图像的空间分辨率较低，针对普通图像的自动识别算法无法直接应用于遥感图像。因此在对船舶进行识别之前，需要完成图像超分辨率（SISR），即将低分辨率图像映射到高分辨率图像［7-9］，该技术可以在不改变物理成像设备的限制下，获取更高分辨率的图像，在遥感图像处理方面得到了应用［10-12］，可以提高遥感图像的空间分辨率、自动识别的准确率。下面分别介绍ATR和SISR的发展现状。

随着深度学习的巨大进展，基于卷积神经网络（convolution neural network，CNN）的自动目标识别算法取得巨大进步。相比于传统方法，目标识别性能得到巨大提升，特别是在复杂场景的自动目标识别方面。Wagner等［13］利用CNN提取数据特征，将得到的特征数据送入到可训练的SVM分类器中进行分类。……