基于Faster R-CNN的高分二号遥感影像特定目标识别

论文摘要

针对当前遥感影像特定目标识别效果较差的现状,基于深度学习网络对高分二号遥感影像特定目标进行准确识别。首先通过引入部分噪声增强样本数据建立样本库并在TensorFlow框架下配置Faster R-CNN网络学习目标特征建立可用于高分二号遥感影像特定目标识别的卷积网络。而后为判别深度学习网络的识别效果,选取遥感影像目标识别效果较好的约束能量最小化（constrained energy minimization,CEM）算法与之比较。最后在待识别遥感影像内生成房屋的包围框并标注识别房屋的置信度,得到总体房屋识别的置信度为95.61%以上。实验中CEM法房屋目标识别率为76.4%,而深度学习法可达到90.9%,深度学习法目标识别率比CEM法高14.5%。实验结果表明Faster R-CNN适用于高分二号遥感影像的特定目标识别,相较于CEM法识别率有明显提升。

论文目录

• 1 高分二号遥感影像房屋目标识别技术路线
•   1.1 数据源
•   1.2 数据预处理
•   1.3 高分二号遥感影像房屋目标识别流程
• 2 Faster R-CNN网络结构
•   2.1 VGG16卷积网络
•   2.2 区域候选网络
• 3 实验分析
•   3.1 基于Faster R-CNN网络的目标识别
•   3.2 CEM的目标识别
• 4 结 论

文章来源

类型: 期刊论文

作者: 王井利,阎鑫

关键词: 高分二号遥感影像,目标识别,深度学习

来源: 中国科技论文 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 沈阳建筑大学交通工程学院

基金: 住房城乡建设部2016年科学技术项目计划(2016-R2-041)

分类号: TP751;TP18

页码: 985-990

总页数: 6

文件大小: 3925K

下载量: 242