李孟洋 孙炜玮 张筱晗 姚立波*

基于全局—局部特征联合的光学卫星遥感图像舰船目标细粒度识别

李孟洋1,2孙炜玮1张筱晗3姚立波*1

（1 海军航空大学，烟台 264000）（294592部队，徐州 050003）（3 遥感信息研究所，北京 100096）

针对光学遥感图像舰船目标类间差异小，需要丰富舰船目标的特征表示能力提高其细粒度识别准确率的问题，文章提出了一种基于全局—局部特征联合的舰船目标细粒度识别方法，设计了双分支特征提取与融合模型。首先，全局特征提取分支通过卷积神经网络提取图像的全局特征；其次，局部特征增强分支将浅层特征图打乱并重构，加入对抗性损失函数，训练网络识别局部重点区域特征的能力，提取目标局部特征；最后，将全局特征和局部特征进行融合，利用全连接层对特征进行降维处理去除冗余信息，增加鲁棒性，并利用融合特征完成分类任务。实验表明，该方法可以兼顾全局特征和局部特征，在FGSC-23舰船目标数据集上准确率达到86.36%，优于其他方法。

舰船目标 细粒度识别 特征融合 遥感图像 遥感应用

0 引言

随着海洋资源的开发和利用，对海上舰船目标实现精准识别对于维护海洋安全具有重要意义。面对广阔的海洋，光学遥感卫星具有覆盖范围广、空间分辨率高、与人类视觉表征相符合等优势[1]。因此，利用高分辨率光学遥感图像可以更好的完成舰船目标细粒度识别任务[2-3]。然而，受光照、天气等因素影响，不同平台光学遥感器对同一舰船目标的成像差别较大，导致舰船目标类内差异大；……