与识别技术

本项目重点解决在资源受限的硬件设备上进行 SAR 典型场景实 时目标检测定位与识别任务时，现有 SAR 图像目标检测识别方法不 能同时兼顾高精度和实时性的难题，开展基于轻量化深度学习模型的 SAR 图像舰船检测算法、舰船目标结构特征提取与识别算法、星载 SAR 机场定位检测等关键技术研究，能有效应用于星上目标检测识别 任务中，提高 SAR 图像星上处理应用水平。 （三） 关键技术 1. 基于轻量化深度学习模型的 SAR 图像舰船检测算法 针对在资源受限的硬件设备上进行SAR 图像舰船实时检测任务， 我们采用了自适应图像增强与滤波方法、多尺度特征提取、轻量化深 度检测网络、动态量化加速策略、基于先验知识辅助和距离度量的自 适应海陆分割技术等一系列方法应用于 SAR 图像舰船检测，达到离 线学习、快速准确检测目标能力。 2. 舰船目标结构特征提取与识别算法 针对由于感兴趣目标数据不足导致特征表示难学习的问题，我们 开展了星载SAR 图像典型目标的几何结构特征提取和目标识别研究。 我们根据合成孔径雷达成像机制和目标散射信息，提取目标几何特征， 辅助后续目标识别。同时，我们采用了基于迁移学习和轻量化深度学 习模型的目标识别方法，能有效提升目标识别性能，加快识别速度。 — 310 — 3. 星载 SAR 机场定位和目标检测 针对机场的复杂环境下目标检测问题，为进一步提高驻场飞机目 标检测效率和性能，开展地理编码语义信息辅助的机场定位研究，在 判定图像包含机场的前提下，开展机场典型结构的特征提取研究，高 效提取机场感兴趣区域，从而可以快速定位机场准确位置，为后续驻 场飞机检测节省大量时间。 技术成熟度： □概念验证 □原理样机 □工程样机 中试 □产业化 合作方式： □联合研发 □技术入股 □转让 □授权（许可） 面议 舰船检测结果实例 飞机检测结果实例 — 311 —