一种基于改进的DCL算法与SSD检测网络的遥感影像检测方法

论文摘要

大尺寸遥感图像中小目标和密集目标的检测一直存在着检测准确率低、漏检率高的问题。基于此,以改进的DCL算法处理遥感影像,实现了区块划分,再对各区块的显著性区域进行提取。同时利用深度学习SSD网络,针对密集小目标,进行了目标数量及间距占比研究,并得出定量关系。实验结果显示该方法的检测准确率大大提高,漏检率大大降低,检测时间明显缩短,成功实现了大尺寸遥感影像中的目标自动识别问题。

论文目录

• 1 改进的DCL算法
•   1.1 深度对比网络
•   1.2 改进的DCL算法
• 2 SSD检测方法
•   2.1 SSD模型
•   2.2 默认框和纵横比
•   2.3 SSD网络训练
•     2.3.1 样本的选择与制作
•     2.3.2 模拟环境
•     2.3.3 SSD网络检测中问题及原因探讨
•       （1） 小目标的检测
•       （2） 多重目标检测
• 3 改进的DCL算法与SSD检测网络的融合
•   3.1 算法的结合步骤
•   3.2 试验对比结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 蔡燕,陈华

关键词: 图像处理,自动检测,算法,密集目标

来源: 电子器件 2019年03期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 工业通用技术及设备,自动化技术

单位: 江西理工大学建筑与测绘学院,江西环境工程职业学院通信学院

分类号: TP751

页码: 722-727

总页数: 6

文件大小: 1733K

下载量: 124