1 安徽新华学院信息工程学院, 安徽 合肥 230088
2 中国人民解放军陆军炮兵防空兵学院偏振光成像探测技术安徽省重点实验室, 安徽 合肥 230031
基于偏振成像特点和深层特征分类需求,提出一种显著性偏振参量深度稀疏特征学习的目标检测方法。首先在偏振解析基础上构造显著性偏振参量图像作为检测源图像;然后在判别式字典对下对待检测图像进行稀疏特征学习,并以字典对作为分类器在卷积神经网络(CNN)框架下进行目标分类和定位;最后结合偏振成像探测实际应用需求,选择典型目标和应用场景进行数据采集和模型训练,并进行仿真验证。结果表明该方法在检测得分和平均检测精度上都比直接偏振方向方法有所提高,验证了其有效性,该方法对于有效提升偏振成像探测能力具有应用价值。
成像系统 偏振参量 稀疏特征 显著性 深度学习 激光与光电子学进展
2019, 56(19): 191101
