合成孔径雷达(SAR)是一种高分辨率星载(或机载)雷达系统, SAR图像自动目标识别(ATR)技术是智能图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题, 设计了一种基于YOLOv3网络的检测模型, 使用多尺度先验框对目标物体进行检测, 通过训练得到模型的最优权重, 实现端到端的目标检测。测试结果表明, 与Faster R-CNN算法相比, YOLOv3在准确率与运行速度上均有更优秀的性能表现。

将帧间差分法运用于舰船中靶图像识别中, 并提出了一种基于图像统计特征的舰船中靶图像识别方法。基于Visual C＋＋中的MFC对话框开发工具, 借助OpenCV计算机视觉库编写了演示软件, 并对识别方法进行了验证。结果表明, 该方法能快速、准确地识别出中靶图像, 从而为指挥员的指挥决策提供客观依据。

针对复杂岸岛背景下的红外舰船目标检测问题，提出了一种多光谱融合红外舰船目标检测方法。首先根据不同谱段信息相互间的关系进行基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform, NSCT)域的多级多光谱图像融合，然后利用LSD线段检测和聚类对融合后的图像进行岸岛线检测。采用选择性搜索算法生成初始目标候选区域，然后结合岸岛线空间位置以及舰船目标的几何特征和灰度特征约束剔除部分虚假目标区域，最后提取候选区域的方向梯度直方图(Histogram of Oriented Gradient, HOG)特征算子。利用线性支持向量机(Support Vector Machine, SVM)分类器进行分类识别，以检测出真实舰船目标。实验结果表明，与单谱段红外舰船目标检测方法相比，本文方法在检测精度上有较大提升。