一种滤波增强深度学习的被动式太赫兹图像目标检测方法

    公开(公告)号:CN113850725A

    公开(公告)日:2021-12-28

    申请号:CN202010684465.9

    申请日:2020-07-15

    摘要: 本发明公开了一种滤波增强深度学习的被动式太赫兹图像目标检测方法,涉及被动式太赫兹图像目标检测领域,其技术要点是:采用多尺度滤波去除样本噪声,采用多方位空间几何变换,联合生成多尺度滤波增强样本;采用卷积神经网络提取特征,训练模型参数,进行深度学习训练;对去噪样本进行多通道特征预测,对多通道的预测结果进行融合,得到最终的目标检测结果,该方法针对噪声严重、目标大小不一、细节模糊的被动式太赫兹图像,通过多尺度滤波模型改良YOLO深度学习网络,不仅可以滤除严重的条纹噪声,又可避免过度去噪导致的图像细节丢失,从而实现被动式太赫兹图像的高精度目标检测。

    一种基于交替方向法的海杂波背景下雷达目标检测方法

    公开(公告)号:CN113866724A

    公开(公告)日:2021-12-31

    申请号:CN202111143874.9

    申请日:2021-09-28

    IPC分类号: G01S7/36 G01S13/89 G06F17/16

    摘要: 本发明公开了一种基于交替方向法(ADM)的海杂波背景下雷达目标检测方法,该方法包括下述步骤:选取两帧雷达图像进行归一化;从归一化后的两帧雷达图像中按列重组为多个矩阵;基于交替方向乘子法对每一个重组后的矩阵进行前、背景分离,分解为低秩矩阵和稀疏矩阵,低秩矩阵对应海杂波分量,稀疏矩阵对应感兴趣目标分量;设置每个重组矩阵的ADM迭代停止条件;从分离好的低秩矩阵中按列依次排列成复原矩阵,检测出海杂波结果;从分离好的稀疏矩阵中按列依次排列成复原矩阵,检测出感兴趣目标结果。本发明降低了将矩阵分离技术应用于杂波抑制中所面临的超参数选择问题的难度,有效实现目标提取与杂波抑制。