一种偏振高光谱低空侦察图像典型目标检测方法

摘要

本发明结合CNN框架、偏振高光谱成像技术和辨别字典学习的发展，在偏振高光谱低空目标检测模拟环境下，提出一种新的偏振高光谱低空侦察图像典型目标检测方法。通过对CNN框架中较为成熟的Faster R‑CNN进行改进，提出了双字典驱动CNN分类器用于目标检测，采用双字典反向传播(DPBP)用于双字典分类器的端到端学习和CNN的特征表示，采用样本权重法来提高定位性能，把多任务损失用于DPCL和边界框回归的联合训练；将偏振高光谱图像引入目标检测，选取了三类典型目标进行测试，初步验证了模型和样本的有效性。本文方法的优点在于可以结合不同的CNN框架，灵活性较高，能够增强偏振高光谱图像目标和背景的对比度，在一定程度上降低了背景的复杂程度，使得目标更为突出，有助于检测结果的，对于提高偏振成像目标探测和识别具有重要意义。