基于最优区域生成的深度多尺度融合遥感飞机检测方法

论文摘要

遥感图像中典型目标的检测是当前图像处理领域的研究热点,飞机在战场监视、航空管制和交通运输等领域发挥着重要作用。为了提高遥感图像中飞机检测的正确率,提出了一种基于多特征融合的遥感飞机检测方法,将深层特征经过上采样操作后与浅层特征进行融合,解决了遥感飞机目标较小造成的检测困难的问题。首先,对于锚框尺寸和个数由人为确定而造成目标位置检测不准的问题,采用K-均值聚类（K-means）算法对数据集的目标框大小进行聚类分析并获得适合飞机遥感图像的锚框（anchor boxes）个数以及宽高维度;其次,采用上采样的方法扩大感受野,以提高网络对小目标的检测准确率。采用多尺度融合的卷积神经网络,以适应不同尺度目标的检测,最终提出一种基于最优区域生成的深度多尺度融合遥感飞机检测方法。仿真结果表明:与典型的飞机检测方法相比,所提方法在测试集上取得了更高的的检测精度。

论文目录

• 1 相关工作
• 2 网络结构与网络训练
•   2.1 网络结构
•   2.2 网络训练
•     2.2.1 最优区域生成
•     2.2.2 网络训练
• 3 实验与结果分析
•   3.1 实验数据说明
•   3.2 评价准则
•     3.2.1 P-R曲线
•     3.2.2 平均精度
•   3.3 结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 刘晨,郑恩让,张桐

关键词: 遥感图像,飞机检测,多尺度融合,锚框

来源: 科学技术与工程 2019年30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: 陕西科技大学电气与信息工程学院

基金: 国家自然科学基金(61603233),陕西省自然科学基础研究计划(2017JQ6076)资助

分类号: TP751

页码: 258-262

总页数: 5

文件大小: 2589K

下载量: 83