基于CNN的海空目标检测

实验3 用CNN分别对云层中的飞机和海上的船只图像进行边缘提取，效果如图5所示。
从这几幅图处理的效果可以看出：用Sobel算子只把图中的主要边缘提取出了，损失了一些细节边缘，因为他是通过两个方向上的模板来对图像进行处理，对水平和垂直方向的边缘响应要大，且他受噪声的影响较大；Canny算子几乎把图中的强弱边缘都提取出来了，是最优的阶梯型边缘检测算子，但只对受到白噪声影响的阶跃型边缘是最优的；形态学作边缘检测对细节和边缘都有很好的保留作用，但是与结构元素的选取有关；前三者共同的特点就是检测速度快，但在硬件实现方面意义不大；而元胞神经网络提取的边缘与前面的方法相比，差别不大，但强弱边缘提取得更加细腻，清晰，边缘连续性和完整性好，还可以通过调节模板参数，使提取的效果更佳。

通过上面的仿真实验，可以看出CNN在对海空目标的边缘检测的完整性和细腻方面具有一定的优势。他的更大的优点是适合硬件实现，能够高速并行计算，耗时短(在硬件方面才能体现，软件不能)，在图像实时处理方面有很好的应用，因此用于对海空目标实时检测、识别和跟踪，尤其是对速度快、机动频繁的目标，具有显著优势。本算法的不足之处，在于网络的模板参数的选取不一定是最佳的，这可以通过很多方法来改进。例如遗传算法，自适应算法，还有粒子群优化等方法都可以针对具体的应用来找到最佳的控制模板参数。
4 结 语
本文主要描述了元胞神经网络的结构、工作原理和他用于图像处理的基本思想，并给出了用Matlab编程实现仿真的步骤，然后将CNN处理不同海空背景下的目标的效果进行实验仿真，分析各个方法处理效果的优缺点，得出了：元胞神经网络在处理低信噪比图像，例如复杂海空背景下的光电目标图像方面具有较大优势，适用于军事上的目标检测、特征提取等应用。本文不足之处是没有对CNN进行图像处理的原因实质做出分析，这是文章后续要开展的工作。