深度卷积神经网络在SAR自动目标识别领域的应用综述

被引：17

作者：

许强

李伟

Pierre Loumbi

机构：

[1] 空军工程大学信息与导航学院

来源：

电讯技术 | 2018年 / 58卷 / 01期

关键词：

合成孔径雷达; 自动目标识别; 深度卷积神经网络; 应用综述;

D O I：

暂无

中图分类号：

TN957.52 [数据、图像处理及录取]; TP183 [人工神经网络与计算];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

深度卷积神经网络(DCNN)可自动学习目标层次化特征,在合成孔径雷达(SAR)自动目标识别(SAR-ATR)领域具有广泛应用前景。首先,介绍了DCNN的基本原理以及DCNN在光学图像上的应用与发展;然后,介绍了SAR-ATR的基本概念,综述了DCNN在SAR图像语义特征提取、片段级SAR图像分类、基于数据增强技术的SAR自动目标识别、异质图像变化检测等领域中的前沿应用研究及代表性网络架构;最后,总结并讨论了DCNN在SAR-ATR应用中存在的参数设置经验化、算法泛化能力较弱等不足,并对未来研究方向进行了展望。

引用

页码：106 / 112

页数：7

共 10 条

[1] 多通道SAR-GMTI技术的研究进展 [J].

林晨晨 ;

黄普明 ;

李渝 .

电讯技术, 2017, 57 (01) :118-126

[2] 卷积神经网络研究综述 [J].

李彦冬 ;

郝宗波 ;

雷航 .

计算机应用, 2016, 36 (09) :2508-2515+2565

[3] 以非负矩阵分解提取局部特征的SAR目标稀疏表示分类 [J].

张之光 ;

雷宏 .

电讯技术, 2016, 56 (05) :495-500

[4] 基于卷积神经网络的SAR图像目标识别研究. [J].

田壮壮 ;

占荣辉 ;

胡杰民 ;

张军 .

雷达学报, 2016, 5 (03) :320-325

[5] 基于多尺度分块卷积神经网络的图像目标识别算法 [J].

张文达 ;

许悦雷 ;

倪嘉成 ;

马时平 ;

史鹤欢 .

计算机应用, 2016, 36 (04) :1033-1038

[6]

Deep transfer learning for classification of time-delayed Gaussian networks[J] . Iti Chaturvedi,Yew-Soon Ong,Rajesh Vellore Arumugam.Signal Processing . 2014

[7] A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

[8]

Review Article Digital change detection techniques using remotely-sensed data[J] . Ashbindu Singh.International Journal of Remote Sensing . 1989 (6)

[9]

Combination of convolutional feature extraction and support vector machines for radar ATR .2 Wagner S. 17th International Conference on Information Fusion (FUSION) . 2014

[10]

Large Scale Visual Recognition Challenge 2016 (ILSVRC2016) .2 http://image-net.org/challenges/LSVRC/2016/results . 2017

← 1 →