宽带复合双基地雷达舰船目标长度估计方法

舰船目标长度特征对舰船目标识别具有重要作用,该文提出一种基于宽带复合双基地雷达联合观测的舰船目标长度估计方法。该方法综合利用单/双基地雷达高分辨距离像(HRRPs)长度,结合双基地雷达-舰船之间的空间关系求解,实现了单次测量估计舰船目标的实际长度,并分析了各种误差因素和几何构型条件下的估计误差。典型场景动态仿真证明了所提方法的有效性,结果表明在高分辨距离像长度误差小于5%条件下,舰船目标长度估计误差小于5%,为舰船目标特征提取与识别提供了新思路。

多模态信息融合舰船目标识别研究进展

舰船目标识别的信息源主要来自现代高分辨率成像雷达形成的舰船目标信息,包括高分辨距离像、船舶自动识别系统信息以及合成孔径雷达成像。在对海探测环境相对复杂的情况下,基于单模态信息对海上舰船目标识别的能力有限,而利用多模态信息融合将更有益于实现对海上目标高效的侦察监视和识别。首先,对单模态舰船目标识别方法进行梳理和总结,分析目前不同舰船目标识别方法存在的优势和不足;然后对多模态信息融合舰船目标识别常用数据集进行介绍,并对新方法、新模型进行了深入分析;最后对舰船目标识别未来发展趋势进行展望,为后续基于多模态信息融合的舰船目标识别方法研究提供参考。

舰船目标的合成孔径雷达成像研究

合成孔径雷达(SAR)成像技术已得到广泛应用。传统距离-多普勒(RD)算法在SAR成像中无法满足精度较高、运算率较小的需求,而线频调变标(CS)算法基于RD算法引入线性调频参考信号,可有效避免距离徙动校正中的插值计算,从而提高成像算法的计算效率,解决距离迁移问题。文中基于CS算法,从点目标拓展到简单立方体模型,最后对复杂舰船目标进行仿真成像,得到较为清晰的SAR仿真图像,验证了CS算法的有效性,可为复杂目标的辨别监测、反演研究,以及判断舰船航行方向及状态等提供一定的参考。

基于改进FCOS的遥感图像舰船目标检测

由于遥感图像中舰船目标方向任意,基于深度学习的通用目标检测算法采用水平框,在检测舰船时易框选大量背景,检测效果欠佳。文中提出一种改进全卷积一阶段目标检测网络(FCOS)的遥感图像舰船目标检测算法,以FCOS为基线,在检测头部分增加一条偏移回归分支,通过偏移水平框的上边中点和右边中点,产生旋转框。舰船目标通常具有较大的长宽比,预测框与真实框之间的角度偏差对交并比的影响较大,进而影响模型的检测精度。针对该问题,在计算偏移损失时引入与舰船目标长宽比有关的加权因子,使得具有较大长宽比的目标获得较大的偏移损失。在HRSC2016数据集上的实验结果表明,所提算法的平均精确度达到89.00%,检测速度达到19.8FPS,相比同类型的无锚框算法,其在检测速度和检测精度上均表现优秀。

改进Oriented R-CNN的遥感舰船目标细粒度检测方法

遥感图像舰船目标检测技术在工程上得到广泛应用。但是,目前的研究主要集中在粗粒度检测方法上,面向细粒度检测任务的研究较少。在遥感舰船图像中,细粒度检测面临两类挑战:一是目标任意角度分布,二是目标粗细粒度特征混杂,这些挑战造成现有细粒度检测方法存在检测精度不高的问题。为了解决上述问题,提出基于改进Oriented R-CNN网络的遥感舰船图像旋转目标细粒度检测方法。针对遥感图像中舰船目标任意角度分布的问题,基于Oriented R-CNN网络,提供了新的旋转目标候选框生成方法,有效降低背景冗余信息,提升模型表现。针对粗细粒度混杂的问题,提出特征再融合方法,在二阶段网络特征映射阶段融合FPN多层特征,充分保留目标的粗细粒度特征,提升细粒度检测能力。实验结果显示,改进模型在公开的遥感舰船细粒度检测数据集HRSC2016上,检测精度达到83.57%,取得了较好的检测效果。

一种改进的YOLOv7光学遥感图像舰船目标检测算法

针对YOLOv7算法在应用于光学遥感图像舰船目标检测任务时所面临的小目标检测精度低的问题,提出一种基于多维注意力机制动态卷积的光学遥感图像舰船目标检测改进算法。首先,通过并行策略设计了融合多维注意力机制动态卷积的高效聚合网络,多维注意力机制动态卷积根据不同维度的特征重要性进行自适应调整,卷积核沿4个维度学习到注意力分布,增强了特征融合网络捕获数据中细粒度特征的能力;其次,针对舰船目标的多尺度差异特点设计多层次超大卷积核层,丰富全局特征描述,提高检测网络的感知能力。在HRSC2016和DOTA两个公共数据集上的实验结果表明,改进后算法的mAP分别达到了93.4%和90.1%,与现有主流先进算法相比取得更优的检测精度,在降低舰船小目标漏检误检率的同时提升了识别能力。

面向舰船目标识别的遥感图像超分辨率重建

天基遥感图像分辨率的退化为舰船目标的识别带来了巨大挑战。图像超分辨率重建技术可以为识别任务提供丰富的信息,然而将图像超分辨率重建与舰船目标识别任务分别独立进行,将会忽略两个任务间的内在相关性。针对这些问题,为了探索图像超分辨率重建与目标识别任务间的有效结合方式,提出了面向舰船目标识别的遥感图像超分辨率重建方法。设计了一种通道全连接网络,以自适应加权的通道全连接代替残差连接,提升各层特征的流动性与表达性能,实现遥感图像的高效超分辨率重建。为了进一步挖掘超分辨率重建对舰船目标识别性能提升的潜力,引入多任务学习技术,提出了一种超分辨率重建与目标识别联合网络,通过多阶段训练优化策略实现联合端到端网络的稳定训练,从而引导任务间进行有效的互相监督学习。在公开数据集FGSCR-42上的实验结果表明,当遥感图像在8倍和16倍的分辨率退化情况下,提出的超分辨率重建网络帮助舰船目标识别准确率分别提升了33.27和17.48个百分点,所提联合网络则将识别准确率进一步提升了1.75和1.91个百分点。

基于SVM的小样本不均衡HRRP舰船目标分类方法

针对实测HRRP军船民船分类时出现的小样本不均衡问题,提出一种联合Relief算法和PCA算法的特征提取方法,并引入过采样算法及误差迭代加权方法改进SVM分类器。该分类方法对原始高维HRRP图像进行预处理及特征子空间加权,增强了主要特征的可分性,改进的SVM分类器经过迭代加权后分类效果明显提升。作为比较,针对相同实测HRRP舰船目标数据集,分析了自适应增强SVM分类器的分类效果。实验结果表明:提出的改进核空间的迭代加权Smote-SVM分类方法识别效果更好,对高分辨距离像的姿态敏感性具有较好的适应能力。

海洋舰船目标红外检测技术研究

舰船作为海上交通的核心以及海洋战争中重要的军事目标,其检测和识别在民用及军事领域都具有极其深远的现实意义,但复杂的海洋环境使得舰船目标检测存在诸多困难。红外成像及目标检测在复杂海况下有着优良的适用性,针对当下舰船目标检测需求,概述了舰船目标红外检测技术发展的现状,分析了红外图像预处理方法与基于深度学习的舰船目标检测算法,对比了主流方法的优缺点,最后对研究现状与技术改进做了系统性的归纳梳理,并对其未来发展趋势进行了展望。

一种基于改进剩余谱的红外舰船目标显著性检测方法

为了解决传统显著性检测方法在红外舰船目标检测中精度不高的问题,提出了一种基于改进剩余谱的显著性检测方法。该方法首先利用自适应六边形中值滤波和小波图像融合对红外图像去除噪声;然后在剩余谱显著性检测算法的基础上,引入超像素分割处理舰船目标区域以减少计算量,同时保留舰船目标的边缘信息;此外,引入目标掩码排除背景干扰以提高算法的准确性;最后,通过提取图像的显著图实现舰船目标的检测。实验证明,该方法相较于改进之前检测舰船目标的准确性提高了约3%,在岛屿等复杂背景下能够准确检测出舰船目标。

面向SAR图像的无锚框实时舰船目标检测算法

锚框结构的舰船目标检测算法存在预设锚框与真实目标框难以精准匹配的问题,设计了一种基于合成孔径雷达(Synthetic Aperture Radar,SAR)图像的无锚框实时舰船目标检测算法。该算法以YOLOX-Nano(You Only Look Once X-Nano)框架为基础,在骨干网络单元嵌入改进Ghost模块和挤压激励(Squeeze and Excitation,SE)模块。路径聚合网络(Path Aggregation Network,PANet)与改进Ghost模块和自适应空间特征融合(Adaptively Spatial Feature Fusion,ASFF)模块集成后提高了模型的特征表达能力。以输入图像分辨率为320×320像素为基准,相较于单发多框检测器(Single Shot MultiBox Detector,SSD)和YOLOv3-tiny(You Only Look Once v3-tiny)模型,实验结果显示本文算法在合成孔径雷达舰船检测数据集(SAR Ship Detection Dataset,SSDD)上平均正确率达到94.5%,参数量为0.87×10^(6),浮点计算量为0.61×10^(9),能够实现高精度和低复杂度的SAR图像舰船目标检测。

基于显著性检测的舰船目标识别方法研究

针对红外图像舰船目标识别率较低的问题,提出基于显著性检测算法的舰船目标识别方法。通过分析图像中的显著性特征,利用颜色、形状和空间位置3个维度对显著性对象进行检测分析。结合背景先验和前景约束,提出显著图提取方法,降低干扰噪声对目标识别的影响。在舰船目标识别特征提取方面,选择形状、尺寸、矩特征、轮廓特征和纹理特征作为主要特征,并通过多特征级联的方法对舰船目标进行识别。算例分析结果表明,所提出的方法准确率达到89.21%,检测速度达到31帧/s,验证了基于显著性检测算法的红外图像舰船目标识别方法的有效性和优越性。

基于深度学习与图像分割的舰船目标检测研究

针对舰船目标检测领域的目标尺度变化、形状复杂多变和背景干扰等问题,通过融合深度学习技术,结合卷积神经网络和可微分二值化技术,提出了一种新的舰船目标检测方法。该方法采用了编码-解码结构的舰船目标检测网络,引入了可变形卷积和可微分二值化函数,以提高自适应性和检测性能。在网络结构中,嵌入可变形卷积的设计有助于更有效地捕捉舰船目标的特征,以适应复杂场景中目标尺度和形状的多变性。可微分二值化技术可保留目标边界的精确信息,提高对目标形状和轮廓的敏感性。在训练过程中,采用了有监督训练阈值图的方法,通过联合优化确定了每个位置的自适应阈值,减少了后处理的复杂步骤。通过在HRSC2016和DOTA数据集上进行检测试验,验证了所提方法的检测精度。

融合注意力机制与全局信息的SAR舰船目标检测算法

为提高合成孔径雷达图像中舰船目标的检测精度,基于YOLOv8算法框架提出了一种融合感受野注意力机制与全局信息的目标检测算法RA-YOLO(Receptive-field Attention YOLO)。为了增强对重要信息的感知能力,在骨干网络中引入感受野注意力卷积;同时,在空间金字塔池化结构中加入全局最大池化层和全局平均池化层,融入背景信息和边缘信息以提高检测精度;最后,引入内部交并比损失函数提升网络的泛化能力,以提高回归速度和预测框的准确度。实验结果表明:在公开数据集上与YOLOv8算法相比,在参数量和运算速度几乎不变的情况下,所设计算法的平均精度提高了3.0个百分点;综合性能优于其他经典目标检测算法。

改进Shufflenetv2_YOLOv5的轻量级SAR图像舰船目标实时检测

针对当前SAR图像舰船目标检测实时性不高、准确率较低等问题,提出了一种改进Shufflenetv2_YOLOv5的轻量级目标检测模型。首先对YOLOv5网络的主干网络进行改进,在对比了MobileNetv2、Shufflenetv2两种轻量级网络的效果之后,构建了Shufflenetv2_YOLOv5网络。引入Transformer结构和双重注意力机制模块对Shufflenetv2_YOLOv5网络进行改进,以增强舰船目标的特征表达。使用FReLU替换原YOLOv5的激活函数,进一步提高网络的性能。同时,提出一种新的损失函数,增强舰船目标的定位效果。实验结果表明,本文算法在SSDD数据集上的准确率为80.2%,FPS为193帧/s,在保证精度的情况下,实现了SAR图像舰船目标实时检测。

基于选择性坐标注意力的SAR图像舰船目标检测

针对SAR(Synthetic Aperture Radar)图像舰船目标检测结果虚警率和漏检率较高的问题,本文提出一种基于选择性坐标注意力机制的舰船目标检测算法.该算法以新的选择性坐标注意力机制为基础,首先通过不同卷积核的特征提取分支对舰船目标进行特征提取;然后融合所有分支的特征,并沿融合后特征的不同空间方向进行编码形成两个一维特征向量,以捕获空间方向上特征的位置信息;最后利用这一对方向和位置敏感的特征向量编码形成“门”机制,对各分支不同大小感受野提取的特征选择性地加权融合,以增强舰船目标的特征表示.本文以SSD(Single Shot MultiBox Detector)作为基础检测算法首先在SSDD(SAR Ship Detection Dataset)数据集上进行实验,实验结果表明,选择性坐标注意力机制相较于其他注意力机制能有效提升网络模型对舰船目标的检测能力,同时,基于选择性坐标注意力机制改进的SSD舰船目标检测算法平均检测精度达到了94.20%,较原SSD算法提升了4.45%.此外,通过在其他两个舰船数据集上的进一步测试,反映改进算法具有较好的泛化性,其综合性能优于其他对比目标检测算法.

舰船目标运动状态光学卫星视频监测与估计

光学卫星视频能够进行动目标连续监视,已成为当前研究热点。但目前多数研究仅针对基于视频像方的目标检测、跟踪及轨迹提取等方面,没有充分利用卫星载荷成像几何模型进行物方运动状态定量估计和精度验证。因此,本文提出一种基于光学卫星视频的舰船目标运动状态定量估计方法,首先对卫星视频首帧进行精确定向;然后通过帧间稳像方法得到背景稳定的视频帧序列,在此基础上,针对正框目标跟踪方法定位精度低的问题,提出一种顾及旋转和尺度变化的舰船稳健跟踪方法进行目标跟踪;最后进行物方映射并估计目标运动轨迹、速度和方向。利用吉林一号光学视频卫星开展星海同步观测试验。实测结果表明,稀疏控制条件下的舰船目标几何定位精度为1.60 m,速度估计精度为0.18 m/s,方向估计精度为4.05°,相比同类方法具有显著提升,证明了本文方法的有效性和可行性。

基于蒙特卡罗法的舰船目标毁伤概率分析

针对半穿甲战斗部侵彻舰船目标的毁伤概率研究提出一个新的毁伤概率计算公式,对该公式中的侵彻概率、弹体安定性满足要求的概率、冲击波毁伤概率和击中概率分别进行计算与分析。基于蒙特卡罗法仿真模拟半穿甲战斗部对舰船目标的打击,进行100次的独立重复仿真试验并且每次进行1000次的模拟打击,求得各个设备被击中的概率。基于拉丁超立方随机抽样方法对毁伤概率公式中的相关参数进行有效性验证,验证结果表明拟合的函数关系与仿真结果之间误差在工程允许的范围内。

太阳辐射环境下舰船目标的红外仿真与分析

为了解决复杂环境下的舰船目标红外仿真图像不易获取的问题,采用了一种综合理论推导和建模仿真的方法,对太阳辐射环境下不同时刻的舰船目标红外辐射和温度进行仿真。根据推导的热平衡稳态方程,对舰船目标进行几何建模和红外辐射仿真分析。结果表明,当模型达到动态热平衡时,船体温度为30℃,烟囱温度为56℃,发动机温度为71℃。最终,生成了在太阳辐射环境下不同时刻舰船表面的热分布图,并建立了舰船红外辐射模型。这一模型可为舰船目标红外辐射特性的评估和设计提供参考。

半穿甲战斗部对舰船目标的侵彻毁伤数值仿真

基于Ansys有限元分析软件进行仿真计算,以半穿甲战斗部为研究对象,研究半穿甲战斗部在不同条件下对舰船目标的侵彻毁伤情况。针对弹体侵彻液舱有限元仿真的有效性进行验证,研究弹体在不同初速度及不同攻角情况下对舰船的毁伤情况。基于弹体的变形程度判断弹体的安定性是否满足要求,得到肯定的仿真结果。从而完成对半穿甲战斗部对舰船目标侵彻毁伤的威力分析。