本项目重点解决在资源受限的硬件设备上进行SAR典型场景实时目标检测定位与识别任务时，现有SAR图像目标检测识别方法不能同时兼顾高精度和实时性的难题，开展基于轻量化深度学习模型的 SAR 图像舰船检测算法、舰船目标结构特征提取与识别算法、星载SAR机场定位检测等关键技术研究，能有效应用于星上目标检测识别任务中，提高SAR图像星上处理应用水平。

• 专利名称：无
• 专利类型：发明专利
• 专利权人：无
• 专利号：无
• 有效期限：无

1.基于轻量化深度学习模型的 SAR 图像舰船检测算法针对在资源受限的硬件设备上进行SAR图像舰船实时检测任务，我们采用了自适应图像增强与滤波方法、多尺度特征提取、轻量化深度检测网络、动态量化加速策略、基于先验知识辅助和距
离度量的自适应海陆分割技术等一系列方法应用于SAR图像舰船检测，达到离线学习、快速准确检测目标能力。
2.舰船目标结构特征提取与识别算法针对由于感兴趣目标数据不足导致特征表示难学习的问题，我们开展了星载SAR 图像典型目标的几何结构特征提取和目标识别研究。我们根据合成孔径雷达成像机制和目标散射信息，提取目标几何特征，辅助后续目标识别。同时，我们采用了基于迁移学习和轻量化深度学习模型的目标识别方法，能有效提升目标识别性能，加快识别速度。
3.星载 SAR机场定位和目标检测
针对机场的复杂环境下目标检测问题，为进一步提高驻场飞机目标检测效率和性能，开展地理编码语义信息辅助的机场定位研究，在判定图像包含机场的前提下，开展机场典型结构的特征提取研究，高效提取机场感兴趣区域，从而可以快速定位机场准确位置，为后续驻场飞机检测节省大量时间。