《表2 本文方法与CFAR检测结果对比Tab.2 Detection comparison between the proposed method and CFAR》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《全卷积神经网络应用于SAR目标检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步验证本文方法的有效性，采用经典的局部CA-CFAR、OS-CFAR和全局CA-CFAR检测算法进行对比，检测时保护窗设置为30，滑动窗为40，虚警率设置原则是在保证目标全部检测的同时将虚警率设置得尽量小。检测结果与实验4进行对比如表2，由于篇幅原因只展现了局部CA-CFAR的检测结果，如图13所示。从检测结果可以看出，与实验4相比，出现了较多的虚警目标，主要原因是CFAR算法只利用了像素的强度信息，而没有考虑目标的结构信息，且场景中含有树木等背景杂波的干扰。在方法的鲁棒性方面，全局CA-CFAR方法对场景2和3的虚警目标较少，但对于场景1虚警目标较多，而本文方法对于3个场景虚警目标相对都较少，进一步验证了方法的鲁棒性。整个检测流程相比，本文方法不需要对背景杂波模型建模、图像相干斑抑制、人工进行特征选择等步骤，简化了检测流程。