共查询到19条相似文献，搜索用时 140 毫秒
1.
2.
为准确快速识别高分辨率遥感影像中的飞机目标，提出了一种结合显著图和深度置信网络（DBN）的飞机目标识别算法。本文首先使用HC （直方图对比度）算法提取遥感影像中的显著目标；然后通过定位连通区域确定候选目标的位置；随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图；最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明，本文算法的检测率为98.46%，虚警率为5.20%。算法从多种底层图像特征出发，有效克服了单一特征描述能力不足的问题，提高了飞机目标识别能力及抗干扰能力。 相似文献
3.
飞机检测在遥感图像解译中具有重要的研究意义。针对现有目标检测算法对于复杂场景区域或飞机密集区域的小尺度飞机目标检测精度较低的问题，本文提出了一种端到端的多尺度特征融合飞机目标检测框架MultDet。该方法基于SSD多尺度检测框架，采用轻量级基础网络提取多尺度特征信息；然后设计反卷积特征融合模块，通过跳跃连接将高层语义特征与低层细节特征进行特征融合，得到结构层次丰富的多尺度融合特征；最后设计了一系列不同纵横比的候选框以适应多尺度飞机目标检测。本文在光学遥感图像数据集UCAS-AOD上进行数据分析试验，结果表明，MultDet512在飞机数据集上取得了94.8%的平均检测精度（average precision，AP），在Titan Xp GPU上达到0.050 0 s/img的检测速度。本文所提飞机目标检测算法在包含多种复杂场景的遥感图像中，能够实现多尺度飞机目标的高精度稳健检测。 相似文献
4.
级联卷积神经网络的遥感影像飞机目标检测 总被引：1，自引：0，他引：1
传统遥感影像飞机目标检测算法依赖于人工设计特征，对大范围复杂场景和多尺度的飞机目标稳健性较差，基于深层卷积神经网络的目标检测算法通常难以有效应对大幅影像的目标搜索和弱小目标检测问题，针对上述问题，本文提出了一种基于级联卷积神经网络的遥感影像飞机目标检测算法。首先根据全卷积神经网络能够支持输入任意大小图像的特点，采用小尺度浅层全卷积神经网络对整幅影像进行遍历和搜索，快速获取疑似飞机目标作为兴趣区域，然后利用较深层的卷积神经网络对兴趣区域进行更精确的目标分类与定位。为提高卷积神经网络对地物目标的辨识能力，在卷积层中引入多层感知器，并在训练过程中采取多任务学习与离线难分样本挖掘的策略；在测试阶段，建立影像金字塔进行多级搜索，并结合非极大值抑制消除冗余窗口，从而实现由粗到精的飞机目标检测与识别。对多个数据集下多种复杂场景的遥感影像进行测试，结果表明，本文方法具有较高的准确性和较强的稳健性，可为大幅遥感影像的飞机目标检测问题提供一个快速高效的解决方案。 相似文献
5.
针对Faster R-CNN模型在遥感影像中对飞机目标进行检测与识别时,易出现漏检、错检等问题,提出了一种在基于小样本飞机遥感影像数据集的改进型Faster R-CNN目标检测方法。首先对特征提取网络进行优化,然后将非顶层特征图融合顶层特征图得到边缘信息更丰富的融合特征图,利用该特征图输入RPN网络,完成目标检测模型的训练;并结合自适应阈值进行检测。以普通客机与战斗机目标为试验对象,开展飞机目标检测与识别对比分析。试验结果表明,所提出的算法在小样本情况下检测效果有明显提升。 相似文献
6.
7.
基于全卷积网络的高分辨遥感影像目标检测 总被引：2，自引：0，他引：2
目标检测是遥感图像分析处理中的研究热点之一,具有十分重要的科研和应用价值。传统遥感影像目标检测方法多使用人工构造的浅层次特征,结合支持向量机、随机森林、Adaboost等分类器进行目标识别,难以充分挖掘和利用影像中的深层特征。近年来,深度学习,特别是卷积神经网络在图像认知方面取得了巨大成功。在目标检测领域,以Faster R-CNN算法为代表的方法取得了突破性进展,检测精度大幅提高,检测速度达到了近实时的性能。但是,Faster R-CNN算法由于使用了感兴趣区域（RoI）池化层,各个RoI计算不共享,因此检测速度依然有待提高。R-FCN基于全卷积网络结构,同时采用位置敏感池化来引入平移变化,抵消全卷积网络造成的平移不变形问题,检测精度和效率都有了很大的提高。本文阐述了R-FCN算法原理,并运用于高分辨遥感影像目标检测分析了不同参数和网络结构对R-FCN检测效果的影响,比较了利用Fast R-CNN、Faster R-CNN和R-FCN 3种算法进行飞机识别的性能。试验结果表明,利用R-FCN进行飞机识别定位可以达到99.3%的准确率和每张图180 ms的检测速度。 相似文献
8.
根据高分辨率SAR图像中桥梁目标的特点提出了一种新的桥梁识别算法,主要由水体分割、感兴趣区域确定和桥梁识别三个步骤实现。通过直方图均衡,方便了分割阈值的选取;通过数据采样,提高了识别的有效性;通过目标特征的抽取,保证了识别结果的准确性。识别过程在初级处理中,利用快速算法得到感兴趣区域;在后续处理中利用目标特征对该区域内的潜在目标进行识别,取得了良好的效果。 相似文献
9.
针对高分辨率遥感影像场景复杂,现有的目标识别算法检测率较低且速度较慢的问题,提出了一种改进的RFB Net模型。算法在RFB Net模型的基础上构建特征金字塔网络,融合高层语义信息和低层特征信息,提高了网络识别能力。为验证该算法性能,以遥感影像中飞机目标为例进行了实验验证。以油罐和立交桥目标为例,对该算法的推广性进行了实验验证。结果表明,改进的RFB Net模型在遥感影像目标识别中精度较高、速度较快,且具有较好的推广性。 相似文献
10.
针对利用高分辨率遥感影像检测阴影时受水体和偏蓝色地物影像的影响问题,提出了一种主成分变换和多波段运算相结合的阴影检测方法。首先,统计、分析了Quick Bird影像中阴影、水体及建筑物等典型地物的光谱特征;然后,基于主成分变换和多波段运算相结合的方法识别阴影区域和非阴影区域,并利用多峰直方图阈值算法对阴影进行自动检测;最后,利用形态学滤波算法对检测结果进行后处理。实验结果表明,该方法对Quick Bird影像中的阴影提取具有较高的精度、效率和普适性。 相似文献
11.
Saliency detection is an effective approach to extract regions of interest (ROIs) for remote sensing images. However, existing saliency detection models mainly focus on ROI extraction from a single image and usually are not able to produce satisfactory results because of complex background interference in remote sensing images. The employment of mutual information in a set of remote sensing images can provide an effective solution to this issue. In this paper, we propose a novel saliency detection model for multiple remote sensing images to simultaneously extract ROIs and identify images without ROIs. First, common salient feature analysis based on synthesized feature clustering and global contrast is implemented to exploit global correspondence in the synthesis feature domain, thereby highlighting preliminary ROIs against background interference and assigning lower saliency values to images without ROIs. Then, we design an exclusion criterion based on saliency value judgment to remove images without ROIs, and the remaining saliency maps are refined by an enhancement strategy. Finally, the enhanced maps serve as a feedback to yield a homogenous synthesized feature space in which integral ROIs with subtle borders are extracted by the reused cluster-based saliency calculation. Experiments reveal that our model outperforms seven state-of-the-art models by achieving the best ROC curve (AUC = 0.945) and maximal F-measure at 0.729. 相似文献
12.
13.
准确提取输电通道内各地物类别是进行输电通道三维建模及交跨分析的基础。为解决目前贵州等多山地区输电通道内道路提取方法稳健性低、效率低的问题,本文通过结合道路特征显著性检测与形态约束的方法对影像中多山地区输电通道内道路的快速准确提取进行了研究。首先,对卫星影像中山区道路特征进行分析,对每个像素分别计算基于道路颜色一致性和结构一致性的像素级显著值;然后,结合显著目标空间先验知识融合显著性检测结果,形成最终道路显著图,初步提取影像中道路目标;最后,分析道路与建筑物等的差异性,基于道路形态一致性定义道路形态约束条件,通过制定约束规则最终实现道路的准确提取。结果表明,该方法对于不同弯曲程度、粘连程度及影像对比度的道路都能实现快速准确提取,提取完整度、正确率、质量及耗时平均分别为97.5%、97.0%、95.6%、0.515 s。该方法稳健性高,可以快速、准确提取各种情况下道路,在输电线路工程实际中有很好的应用前景。 相似文献
14.
提出了一种基于对象的船载激光扫描数据内河船舶目标检测方法。该方法基于船舶目标的高程信息和几何特征,利用投影和图像形态学运算方法快速确定包含船舶目标的兴趣区域;然后针对船舶目标数据的空间分布特征,对兴趣区域点云数据进行欧式距离分割和优化处理,生成实体对象,并构建高差、外包围盒和局部密度等特征构成的向量,采用支持向量机进行二元分类,提取出船舶目标。该方法成功地检测出船载激光扫描数据中的船舶目标,船舶目标检测的准确率较高。 相似文献
15.
增强形态学建筑物指数应用于高分辨率影像中建筑物提取 总被引：2，自引：2，他引：0
分辨影像是城市地物覆盖分析的重要数据基础,本文提出了一种增强的形态学建筑物指数（EMBI）,利用该指数和地物的几何形状约束来完成高分辨率建筑物的自动提取。本方法首先提取城市的不透水层特征,然后通过建立建筑物属性与形态学运算之间的关系得到了EMBI特征图像以增强对建筑物的描述,随后结合形状特征（长宽比,面积等）采用决策树分析的方法完成对建筑物的最终提取。为了验证本文提出的方法,利用华盛顿商业街的航空高分辨高光谱HYDICE影像和武汉洪山区的两幅QuickBird影像进行实验,实验的精度对比反映本文算法比MBI算法能获得更好的建筑物提取结果,其总体精度分别提高了7.31％,6.48％,7.83％,从而表明EMBI算法更可靠。 相似文献
16.
面向室内位置服务中路径规划与导航的应用需求，提出一种基于栅格空间的通行区域模型及其自动提取算法。首先，在栅格模型基础上引入了相邻栅格和途经栅格，结合具体示例阐述了通行区域模型的基本原理；然后，根据室内地图数据特征，通过室内栅格模型初始化、通行区域初次提取和邻域融合，设计了通行区域的自动提取算法；最后，选取西单大悦城一楼室内地图数据进行了不同栅格尺度的通行区域自动提取和路径规划试验。结果表明，该算法针对走廊内存在障碍等复杂室内环境具有较好的适用性，并且通行区域模型相比网络模型的路径规划结果更加符合复杂室内环境的路径行走特征。 相似文献
17.
根据高分辨率遥感影像中城镇道路的特点,提出了一种基于特征点的道路信息提取方法。首先,对影像进行增强处理并选取感兴趣的子区域,利用改进的分水岭分割理论和阈值选择算法,结合八邻域检测方法得到道路的特征点;然后,利用回归分析方法在一定的坐标系统下得到每条道路的回归方程,根据端点坐标信息得到道路信息图;最后,利用数学形态学算法获取道路骨架图。结果表明,本方法能够精确有效地提取高分辨率遥感影像的城镇道路信息。 相似文献
18.
混合智能优化算法的SAR图像特征选择 总被引：1，自引：0，他引：1
为提高SAR图像自动目标识别的准确率及实时性,提出了一种基于混合智能优化的SAR图像特征选择算法。首先,采用分形特征对SAR图像进行增强,基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征集合,使用遗传算法结合二值粒子群的混合优化算法实现SAR图像特征选择。最后,采用MSTAR数据库验证本文算法的有效性。实验结果表明,优化后的特征集合具有一定泛化能力,一方面提高了SAR目标识别的准确率,另一方面减小了SAR图像目标识别的时间。 相似文献