融合多元稀疏特征与阶层深度特征的遥感影像目标检测 |
| |
引用本文: | 高鹏飞,曹雪峰,李科,游雄.融合多元稀疏特征与阶层深度特征的遥感影像目标检测[J].地球信息科学,2023(3):638-653. |
| |
作者姓名: | 高鹏飞 曹雪峰 李科 游雄 |
| |
作者单位: | 战略支援部队信息工程大学地理空间信息学院 |
| |
基金项目: | 国家自然科学基金项目(41871322、42130112)~~; |
| |
摘 要: | 遥感影像目标检测在城市规划、自然资源调查、国土测绘、军事侦察等领域有着广泛的应用价值。针对遥感影像目标检测在目标尺度变化大、目标外观相似性高以及背景复杂度高等方面的难点,本文提出了一种新的目标检测算法,该算法有效融合了多元稀疏特征提取模块(MNB)和阶层深度特征融合模块(HDFB)。多元稀疏特征提取模块以多个卷积分支结构来模拟神经元的多个突触结构提取稀疏分布的特征,随着网络层的堆叠获取更大感受野范围内的稀疏特征,从而提高捕获的多尺度目标特征的质量。阶层深度特征融合模块基于空洞卷积提取不同深度的上下文信息特征,然后提取特征通过独创的树状融合网络,从而实现局部特征与全局特征在特征图级别的融合。本文算法在大规模公开数据集DIOR进行验证,实验结果表明:(1)多元稀疏特征提取模块和阶层深度特征融合模块相结合的方法总体准确率达到72.5%,单张遥感影像的平均检测耗时为3.8毫秒;(2)通过使用多元稀疏特征提取模块,多尺度和外观相似性目标的检测精度得到了提高,与使用Step-wise分支的物体检测结果相比,总体精度提高了5.8%;(3)通过阶层深度特征融合模块的多感受野深度特征融合网络提取阶层深度...
|
关 键 词: | 遥感影像 卷积神经网络 稀疏特征 阶层深度特征 空洞卷积 多分支结构 感受野 多尺度目标 |
|
| 点击此处可从《地球信息科学》浏览原始摘要信息 |
| 点击此处可从《地球信息科学》下载免费的PDF全文 |
|