基于稠密目标特征学习的光学遥感图像目标检测方法.pdf
猫巷****婉慧
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于稠密目标特征学习的光学遥感图像目标检测方法.pdf
本发明公开了一种基于稠密目标特征学习的光学遥感图像目标检测方法,主要解决现有技术中深层卷积导致小目标信息被过滤掉的问题。本发明的具体步骤如下:(1)搭建一个共25层的稠密目标特征网络并设置每层参数;(2)构造训练样本集和训练类标集;(3)获取稠密目标特征网络的深浅特征;(4)对稠密目标特征网络的深浅特征进行融合;(5)获取目标候选框特征集;(6)进行稠密池化;(7)构造测试样本集;(8)对测试样本集进行检测。本发明具有对光学遥感图像的深浅特征提取好,目标检测的精度高的优点。
一种基于旋转不变特征的遥感图像飞机目标检测方法.pdf
一种基于旋转不变特征的遥感图像飞机目标检测方法,按照模板轮廓图像的尺寸,将待检测遥感飞机多目标图像分成多个检测窗口,计算每一个检测窗口的CPA集和割线投影矩SPM特征集,并根据SPM特征集计算每一个检测窗口的H向量,将每一个检测窗口的CPA集和H向量与模板轮廓图像的CPA集和H向量进行比较,计算出每个检测窗口的得分并过滤掉低分窗口,通过多尺度自卷积MSA算法和非极大值抑制NMS算法确定飞机最可能存在的位置集。本发明能在复杂的机场背景和众多干扰物的情况下有效地对遥感图像中的飞机多目标进行检测,尤其是在对不同
一种基于贝叶斯迁移学习的光学遥感图像目标检测方法.pdf
本发明提供的一种基于贝叶斯迁移学习的光学遥感图像目标检测方法,使用了费希尔信息矩阵来表征源数据集上预训练的目标检测子中包含的知识,并利用该费希尔信息矩阵构造了目标检测子的目标函数,在训练过程中,该项将参与目标数据集上目标检测子的学习,使之在一定程度上保留已经学习到的知识,提高了检测精度;与现有其他光学遥感图像目标检测算法相比,本发明在没有引入额外待学习参数的前提下,有效提升了光学遥感图像目标检测的精度;能够高效、准确地辅助人类判读,节省人力。
面向遥感图像弱小目标的融合多层级特征目标检测方法.pdf
本发明涉及一种面向遥感图像弱小目标的融合多层级特征目标检测方法,所述方法基于卷积神经网络和遥感图像弱小目标的多层级特征,通过端到端的目标检测网络,提升对遥感图像弱小目标的检测精度。本发明基于实际工程中遥感图像弱小目标存在尺寸小,如:几十个像素、特征弱的特性,提出一种针对此类弱小目标的检测方法,该方法通过卷积神经网络逐层提取目标特征、跨层级通道融合目标特征、位置注意力机制聚合目标特征及双支路特征图预测目标,形成端到端的目标检测网络,以达到对遥感图像弱小目标进行高精度高速率检测的目的。实验表明,本发明可以有效
基于光学遥感图像的目标检测技术研究的中期报告.docx
基于光学遥感图像的目标检测技术研究的中期报告一、研究背景随着遥感技术的不断发展和地球观测卫星的不断更新,遥感图像已经成为获取地球表面信息非常重要的手段之一。在工农业生产、环境监测等领域,遥感图像的应用已经得到了广泛的认可。其中,目标检测是遥感图像处理的关键问题之一。基于光学遥感图像的目标检测技术,是充分发挥遥感图像特点实现目标识别、属性提取、变化分析等的一个重要手段。目前,基于深度学习的目标检测技术已经在遥感图像处理中展示出有效的应用。但是,在实际应用中,由于遥感图像的特殊性质,如像元分辨率、遮挡、光照变