基于模板匹配和深度学习的港口舰船检测识别方法
张旭
东南大学自动化学院 江苏南京 210096
摘要：针对港口内舰船目标的特征与港口内陆上目标特征相近导致检测困难的问题,提出了一种基于模板匹配和深度学习的港口舰船检测识别方法.对于待检测的港口图像,为其制作模板图和二值模板图.对待识别的港口图像和模板图利用SIFT特征进行配准,配准后利用RANSAC算法计算仿射变换矩阵,进而将二值模板图投影到待识别的港口图中,从而将待识别的港口图像中的陆地部分屏蔽实现海陆分割.海陆分割后,利用Sobel算子提取候选目标.最后,本文利用VGGNet-16的深度学习模型对检测出的候选目标进行识别,从而将候选目标分区为军用和民用,并将非船目标剔除.本文方法在测试样本上检测率为93.22％,识别率为96.23％,高于通用目标检测框架Faster-RCNN和YOLO-v3.
关键词：模板匹配SIFTSobelVGGNet-16深度学习
论文发表日期：2019-01-01
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 59-63 )
英文信息