基于深度特征融合的SAR图像与AIS信息关联方法

TP751.1; 星载合成孔径雷达(synthetic aperture radar,SAR)和自动识别系统(automatic identification system,AIS)都可以获取到探测 目标的相关信息,将两者获取的信息进行关联融合,有益于实现高效的海上侦察监视.由于数据之间存在的异构性,传统方法多依赖人工特征建立SAR图像与AIS信息的关联关系,但这些方法存在精度差、效率低等缺点.本文提出了一种基于深度特征融合的SAR图像与AIS信息关联方法,针对两种模态数据的特点分别设计了对应的特征学习网络获取单模态特征表示,进一步融合不同模态的特征信息以增强跨模态信息间的语义相关性,然后通过...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 11; pp. 3491 - 3497
Main Authors 李浩然, 熊伟, 崔亚奇
Format Journal Article
LanguageChinese
Published 海军航空大学信息融合研究所,山东烟台 264001 25.10.2023
Subjects
遥感图像
跨模态检索
deep learning
cross-modal retrieval
multi-source data association
深度学习
多源数据关联
remote sensing image
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.11.15

Cover

More Information
Summary:TP751.1; 星载合成孔径雷达(synthetic aperture radar,SAR)和自动识别系统(automatic identification system,AIS)都可以获取到探测 目标的相关信息,将两者获取的信息进行关联融合,有益于实现高效的海上侦察监视.由于数据之间存在的异构性,传统方法多依赖人工特征建立SAR图像与AIS信息的关联关系,但这些方法存在精度差、效率低等缺点.本文提出了一种基于深度特征融合的SAR图像与AIS信息关联方法,针对两种模态数据的特点分别设计了对应的特征学习网络获取单模态特征表示,进一步融合不同模态的特征信息以增强跨模态信息间的语义相关性,然后通过设计的关联学习 目标函数进行跨模态特征之间关联学习.在构建的数据集上验证表明,所提方法关联精度高、适应性强,验证了所提数据集和方法的有效性.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.11.15