DOI:10．20079/j．issn．1001－893x．211111002引用格式:白玉，迟文恺，谢宝蓉，等．结合目标提取和深度学习的红外舰船检测［J］．电讯技术，2023，63(2):193－198．［BAIY，CHIWK，XIEBＲ，etal．Infraredshipdetectionbycombiningtargetextractionanddeeplearning［J］．TelecommunicationEngineering，2023，63(2):193－198．］结合目标提取和深度学习的红外舰船检测*白玉1，迟文恺1，谢宝蓉2，张雷1，郑莲玉3，穆文涛2(1．沈阳航空航天大学电子信息工程学院，沈阳110136;2．上海航天电子研究所，上海201109;3．上海卫星工程研究所，上海201109)摘要:传统显著区域提取红外舰船目标检测算法进行图像处理时虚警率高，而深度学习的红外舰船目标检测方法速度慢。针对这些问题，提出了一种将传统的目标提取与深度学习中分类的思想相结合的红外舰船目标检测算法。首先通过高帽变换(TOP-HAT)和低帽变换(Bottom-HAT)对图像进行处理，然后通过阈值分割方法和归并算法对图像进行候选区域的提取，再运用深度学习中分类的思想完成对目标船舰的检测。通过测试数据集进行实验并对比分析，结果表明改进后的检测算法平均精确度达到83．69%，较之于传统显著区域提取算法精确度提升了8．09%，较之于Faster-Ｒ-CNN算法每百张检测时间缩短了2s。关键词:舰船目标检测;红外图像处理;目标提取;深度学习开放科学(资源服务)标识码(OSID):微信扫描二维码听独家语音释文与作者在线交流享本刊专属服务中图分类号:TN957．52;TP18文献标志码:A文章编号:1001－893X(2023)02－0193－06InfraredShipDetectionbyCombiningTargetExtractionandDeepLearningBAIYu1，CHIWenkai1，XIEBaorong2，ZHANGLei1，ZHENGLianyu3，MUWentao2(1．CollegeofElectronicandInformationEngineering，ShenyangAerospaceUniversity，Shenyang110136，China;2．ShanghaiInstituteofAerospaceElectronics，Shanghai201109，China;3．ShanghaiInstituteofSatelliteEngineering，Shanghai201109，China)Abstract:Tosolvetheproblemsthatthefalsealarmrateishighwhentraditionalsignificantregionextractioninfraredshiptargetdetectionalgorithmisusedforimageprocessing，andthespeedofdeeplearninginfraredshiptargetdetectionmethodisslow，aninfraredshiptargetdetectionalgorithmcombiningthetraditionaltargetextractionwiththeideaofclassificationindeeplearningisproposed．Firstly，theimagesarep...
