排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。 相似文献
2.
基于直方图区域生长的遥感图像阈值分割算法 总被引：1，自引：0，他引：1
传统阈值分割算法从单阈值扩展到多阈值的过程中,时间复杂度会大幅度增加,并且由于遥感图像信息复杂,会导致分割效果降低。为了解决这些问题,本文提出了基于直方图区域生长的遥感图像阈值分割算法。在本文算法中,每一个灰度级均作为1个初始阈值,用256个阈值将直方图分割成256个原始小区域。为了减少阈值数目,本文将小区域合并成大区域,每一次合并都可视为一次区域的生长。在每次生长过程中,选取熵值H最小的区域作为直方图各区域中的主区域,并通过本文提出的预匹配策略将其与相邻区域合并。每一次区域生长后,阈值数目均减少1个。在整个过程中,最多只需要生长255次。算法的时间复杂度稳定在O（L）级别。最后通过单阈值和多阈值试验证明本文算法在运行时间和分割精度上均具有优势。 相似文献
1