谢晓方，刘厚君，张龙杰，孙 涛，张龙云

(1.海军航空大学， 山东 烟台 264001； 2.山东大学， 济南 250000)

现代海战中，准确识别出敌方舰船并利用精确制导技术对其摧毁是削弱敌方海军战斗力的关键。红外制导由于具备全天候、高隐蔽、抗云雾等优势，在反舰导弹制导过程中作为末段制导主要方式，发挥着关键性作用[1-2]。在红外制导体系中，对红外图像中舰船目标的准确识别是关键所在，舰船目标识别的质量决定了制导过程的水平。

在复杂海天背景下对红外舰船目标进行有效的检测和稳定的跟踪显得尤为困难：一方面，红外图像是单通道灰度图像，与可见光图像相比图像的纹理信息相对较少；另一方面，还存在海天线、鱼鳞波，以及目标自身姿态、尺度变化带来的干扰，很难通过一种识别手段准确的对舰船目标进行识别。因此必须尽可能利用多个和多类传感器所收集到的多种目标属性信息、使用多种识别方法，综合给出准确的目标属性，进行目标综合识别[3]。

目标识别算法的一大难点在于目标特征的提取。传统的目标识别算法都是基于人工设置参数的方式提取特征[4-6]，但是通过这种方式提取的特征是非常低层次的特征，只适用于有明显特征且背景单一的情形，但是在实际应用中，往往待检测目标特征多变、背景复杂且存在干扰，很难通过人工特征提取完成目标识别。近年来，在深度学习理论的推动下，深度神经网络的出现解决了这一难题，它借助于深度卷积层自动提取图像的高维特征信息，对目标识别有较强的泛化能力。……