合成孔径成像对低小慢目标的识别技术研究

摘要

针对光学合成孔径“低小慢”目标的中频信息缺失而难以进行目标识别的问题,提出一种基于多维度混合模型缩放(EfficientNetv2)的改进YOLOv3算法。首先对光学合成孔径的结构进行仿真分析,确定系统参数;其次使用超分辨率生成对抗网络(SRGAN),对合成孔径数据集进行图像复原预处理;最后对比分析多种YOLOv3算法的目标识别效果。经实验对比,改进的YOLOv3算法能够压缩模型参数并有效提取“低小慢”目标的底层信息,识别准确率可达97.65%,对比原YOLOv3模型,目标识别准确率提升9%。