基于深度学习的SAR图像目标在地表环境中的检测与伪装效果评估技术

摘要

本文研究了深度学习的端到端学习技术,采用了YOLO系列第三个版本YOLO-V3作为检测模型,根据真实雷达SAR图像-MSTAR数据集进行灰度融合构造目标背景图集,利用数据驱动的方式自主寻找适于区分不同类别的特征,对目标类型做出准确判断,实现检测模型在测试集平均精度为97.87%,最后利用独立同分布假设的识别性能下降理论来评价伪装性能,比较原型样本与伪装样本的检测概率的数值差异得出伪装效果的量化评价,实现SAR图像中的地面目标检测和伪装效果评估。