基于改進Faster R-CNN 的艦船目標三維識別算法*

柳碧輝，王培元

（海軍航空大學，山東 煙臺 264001）

0 引言

艦船目標識別技術在許多領域具有廣泛的應用。在民用領域上，有利于監視海運交通、維護海洋權益；在軍事領域上，有利于進行預警探測、對敵偵查識別、精確制導打擊、提高海防預警防范能力，因此，對海洋實際場景中艦船目標的準確識別具有重要意義。

在復雜應用背景下，近些年來，人們對機器視覺系統的需求逐步提升，對圖像的判讀、目標的全方位精確識別也提出了更高的要求，獲取的艦船二維圖像還存在著抗干擾性、適應性較差的問題，自然也無法進行全方位的目標識別。例如，仇榮超等人對不同波段的紅外圖像進行采集，并在艦船目標候選區域進行拓展以融入局部上下文信息，生成檢測區域，但該過程太過于復雜，紅外圖像易受海洋復雜環境影響。孫嘉赤等人在遙感影像中設計出旋轉回歸器對艦船目標進行精細識別，但是存在著背景冗余過多、二維圖像并不能表征目標深度信息的問題。魏存偉等人提出了艦船視角參數估計方法，但對于雷達回波信號的目標識別來說，目標是主動的，觀察者是被動的，觀察者無法在所有視向上對目標取樣，導致目標特征提取困難。因此，能夠較好地呈現出物體空間信息、表征出物體細節、全面體現出客觀事實的三維模型在目標識別方面具有明顯的應用優勢。

根據利用的特征及提取方式的不同，可以將現有的三維識別方法分類如下：基于特征匹配的目標識別、基于圖匹配的目標識別以及基于深度學習的目標識別方法。……