【摘 要】
：
视频合成孔径雷达（Video Synthetic Aperture Radar,VideoSAR）是一种新型的合成孔径雷达（Synthetic Aperture Radar,SAR）成像模式,不仅具有传统SAR的全天时、全天候优势,还具有高成像帧率、高分辨率的特性。它可以对监测场景进行连续成像,获得与视频相似的成像效果,为现代军事作战中目标检测和跟踪提供了帮助。由于对视频SAR目标检测的研究处于起
论文部分内容阅读
视频合成孔径雷达（Video Synthetic Aperture Radar,VideoSAR）是一种新型的合成孔径雷达（Synthetic Aperture Radar,SAR）成像模式,不仅具有传统SAR的全天时、全天候优势,还具有高成像帧率、高分辨率的特性。它可以对监测场景进行连续成像,获得与视频相似的成像效果,为现代军事作战中目标检测和跟踪提供了帮助。由于对视频SAR目标检测的研究处于起步阶段,传统的视频SAR目标检测的方法存在帧间配准难度大,快速运动目标阴影特征不明显,检测步骤复杂,检测速度慢难以达到实时性要求等问题,所以该文提出了基于深度学习的视频SAR目标阴影检测的方法,把训练好的卷积神经网络模型直接应用于视频SAR目标阴影检测任务中,使检测速度大大提升,达到实时性要求。相关工作和取得的进展如下:首先,重点分析了圆周模式下视频SAR的成像原理,同时,为了更好的研究动目标检测方法,对动目标的成像特征进行研究,分析了动目标速度导致的多普勒频移问题和静、动目标阴影形成原理,根据不同状态下阴影的位置来判断目标的位置。基于动目标阴影形成原理,分别对VideoSAR数据进行了目标级标注和像素级标注。然后,将图像领域中基于边框回归的目标检测算法YOLOv3（You Only Look Once version 3）应用于雷达图像中,提出一种基于YOLO v3的视频SAR目标阴影检测算法,引入YOLOv3-tiny网络结构,去掉了一个检测层,在保证准确率的情况下降低了计算量,实现了检测的实时性要求。之后,嵌入注意力机制模块,增加车辆目标特征所占的比重,并利用手动标注的VideoSAR数据集进行实验。实验结果证明,添加了注意力机制模块后的网络是速度和精度都比较均衡的网络。最后,提出了一种基于语义分割的视频SAR目标阴影检测的方法。通过三维卷积神经网络模型提取视频SAR中连续图像序列的空间和时间特征,通过残差结构减少网络参数,提升网络的学习能力。加入空洞卷积,增加了感受野,并手动标注了像素级的VideoSAR数据。经过实验验证,该文的方法可以较为准确的对VideoSAR中车辆目标进行检测。
其他文献
随着居民生活节奏的加快、购物需求的增加,电商购物平台所提供的足不出户的购物方式,已经演变为青年、中年、中老年消费者的首选,而且这种购物模式的持续发展,既在不断优化电商平台的销售及管理,同时出暴露出电商平台销售的诚信度或各供应环节的衔接问题。本研究以电商平台的水果销售及管理为例,对电商平台销售的优势与问题进行研究,寻求进一步的电商平台水果销售及管理的完善策略。
互联网技术的不断普及,给人们带来了便利的同时也带来了挑战。由于网络安全事件的频繁发生,急需构建高效的流量异常检测模型并将其应用到网络安全领域中解决网络入侵问题。网络流量数据的样本不仅种类繁杂和数据量庞大,而且存在数据不平衡和特征维度高的问题。为了解决上述问题,论文的工作如下。首先,本文采用Boderline-SMOTE少数类数据合成方法,解决网络流量数据集中存在的数据不平衡问题。在网络流量数据中,
本文共2章，首先回顾了无穷矩阵变换的研究历史和现状，然后主要在Banach空间上，对一类非线性映射矩阵的求和法进行了若干研究，得到了有关矩阵变换定理的新结果：给出了Banach空间上一类无穷矩阵变换的刻划；对一个包含所有线性算子和一类非线性算子在内的映射类给出了矩阵族（c0（X），l∞（I，Y））的结论。 这些结果丰富了无穷矩阵变换的研究成果，对我们常接触的Banach空间的研究也具有重要意
本文主要讨论等度连续原理、一致有界原理及Banach-Steinhaus定理等基本原理的最新推广形式，刻划这些新结果在Banach空间上的新特征。本文共分三章，主要内容如下：在第一章绪论中说明了推广一致有界原理的意义；回顾了已知一致有界原理一百多年来的发展及人们在此方面所做的工作。在第二章中主要介绍了一些预备知识，其中包括：解剖算子、吸收算子、等度连续的定义并举了一些相关的例子。第三章讨论了等度连
优化增材制造（3D打印）两相钛合金（α+β）的结构和性能,在科学和工程领域具有重要意义。TC4和TC11合金是国标命名的两种钛合金牌号,在α+β两相钛合金中具有巨大应用价值和广泛应用领域。当脉冲电流经过金属材料时,在材料内产生焦耳热和电子风力,引起再结晶、相变、非晶晶化等现象,从而实现晶粒细化、电致塑性、损伤修复和性能提升。本文结合电脉冲（EPT）工艺特点和增材制造材料存在的问题,对选区激光熔化T
合成孔径雷达（Synthetic Aperture Radar,SAR）图像中舰船检测是目前海上应用中最重要的一部分,在民用和军事领域有着重要意义。SAR舰船图像中不同目标尺度跨度大以及传统检测方法对小目标不敏感是多尺度检测方法成为主流研究方向的两个原因。近年来,基于卷积神经网络（Convolutional Neural Network,CNN）的目标检测在光学领域取得了显著成功,基于CNN的舰船
在认知无线电系统中,宽带频谱感知技术发挥着重要的作用,与之相关的各类方法层出不穷。宽带信号携带了丰富的时域信息,实际应用中在频域往往具有稀疏性。如何有效地提取宽带信号的时频特征仍是频谱重建与感知的难点。为提高宽带频谱感知的性能,该文采用互质采样方法与深度学习思想结合的方式进行研究,研究内容包括以下三个方面:首先,为重建宽带频谱,降低构建宽带频谱感知模型的难度,设计了基于复数卷积的深度迭代网络。以交
随着生活水平的不断提高,以及人口老龄化趋势的日益明显,服务型移动机器人的需求逐渐增加。然而传统的移动机器人同步定位与地图构建（SLAM）技术无法向机器人提供人机交互、路径规划等任务所需的场景高级语义信息。此外,大多数SLAM算法将静态场景作为基本假设,容易受到动态目标的干扰。针对现有视觉SLAM技术的局限性,本文将深度学习与传统SLAM结合起来,构建了一个针对室内环境的鲁棒语义SLAM系统。在动态
图像阴影去除是图像预处理中必不可少的一步,可以提高计算机视觉和图形任务的性能,但阴影去除效果往往受到场景、光照条件、物体表面反射率的多样性等因素影响,因此如何克服特征提取时面临的诸多困难,实现鲁棒图像阴影去除仍然值得深入研究。该文在生成对抗网络算法基础上,融合敏感参数、谱归一化、自注意力机制等多种结构,从特征提取、模型优化和准确度提升等几方面,提出以下三种改进算法:首先,针对堆叠条件生成对抗网络在