【摘 要】
：
本文面向光学遥感图像目标检测应用,针对光学遥感图像中的典型目标—飞机和汽车,提出一种改进的SSD模型:首先在SSD (Single Shot multibox Detector)网络模型基础上引入多尺度特征融合模块,实现深层特征与浅层特征的融合以获得更多的特征上下文信息,增强网络对目标特征的提取能力;其次根据数据集目标样本尺寸分布特征进行聚类分析获得更准确的默认目标框参数,从而有效提升网络对目标位
论文部分内容阅读
本文面向光学遥感图像目标检测应用,针对光学遥感图像中的典型目标—飞机和汽车,提出一种改进的SSD模型:首先在SSD (Single Shot multibox Detector)网络模型基础上引入多尺度特征融合模块,实现深层特征与浅层特征的融合以获得更多的特征上下文信息,增强网络对目标特征的提取能力;其次根据数据集目标样本尺寸分布特征进行聚类分析获得更准确的默认目标框参数,从而有效提升网络对目标位置信息的提取能力.将本文模型与SSD及YOLOv3模型在常用遥感图像目标检测数据集上进行对比,目标检测精
其他文献
测绘地理信息是自然资源管理的重要内容。突出测绘地理信息的服务价值,建立完善的测绘地理信息业务系统,实现测绘地理信息服务与自然资源管理有效融合,是新时期测绘地理信息发展的重要任务。实现测绘地理信息服务自然资源管理,能促使测绘地理信息服务质量不断提升。在自然资源管理中,测绘地理信息服务应用至关重要,相关部门要进一步强化自然资源管理中测绘地理信息服务应用,突出测绘地理信息服务的效果。
进入以城市文明为主导的城市社会后,我国城市发展面临的主要问题是公共设施和公共服务供给不足、城市管理的复杂性和难度日益增加、城市资源和环境问题严峻、城市发展无序、空间功能失衡等问题。文章从发展战略和经济发展多角度分析了智慧城市背景下城市功能的定位和空间规划以及如何促进城市体系的发展,为解决城市发展面临的问题提供了有效的方法和途径。
对遥感影像中的特定目标进行检测识别,具有十分重要的应用价值。本文对YOLOv4算法框架关键技术和算法原理进行了剖析,并基于该算法进行了遥感影像飞机目标检测试验。结果表明,YOLOv4算法在遥感影像飞机目标检测中效果良好。
针对高分影像场景类内差异性大、类间差异性小的问题,本文将度量学习应用到遥感影像场景分类中,提出了深度度量学习高分遥感影像场景分类方法(DMCNN)。该方法通过应用对比测度和中心聚类两个约束损失函数,使得在深度特征空间同类样本彼此靠拢,且围绕对应的类别中心异类样本彼此间远离,进而增加场景类别在特征空间的差异性和辨别性,提升高分遥感场景分类精度。试验结果表明,该方法可以明显提高深度特征的辨别能力,有效
城市作为当代人类文明的主要载体和聚集形态,当今人类最主要的活动都发生在城市之中。"智慧城市"逐渐成为21世纪城市发展和规划的一种新传播媒介,当代中国的新兴的话语研究对象。关于"智慧城市"与话语研究存在的关系,学界的探索工作尚未开启。文章通过探索"智慧城市"与话语研究之间的联系,希望扩大话语研究的领域,帮助中国智慧城市的建设与发展。
针对多光谱遥感影像在低维空间难以区分这一问题,提出一种基于KPCA和Kmeans++的变化检测方法。对不同时相的遥感影像进行大气校正、几何校正和图像配准,求出影像差值,利用KPCA方法将低维空间数据映射为高维特征向量,获得主成分信息,形成差异图像,再通过Kmeans++聚类,生成结果图像。实验表明,新方法检测效果良好,精度较高。
长时间工作或环境变化时,红外焦平面阵列器件易产生非均匀性的问题。典型的星上定标方法是将系统指向深空场景或在入瞳处引入星上面源黑体辐射。覆盖全口径的星上黑体普遍体积较大、设计复杂且成本高昂。为了解决这些难题,我们提出了一种基于可控内定标装置和星空场景的红外遥感系统星上非均匀性校正方法。该方法利用可控内定标源提供不同的靶面基准辐照度,通过计算获得不同辐射定标段的定标参数,覆盖探测器动态范围,实现不遮挡
不论是军事作战领域还是民用领域,基于遥感技术的海上舰船目标探测技术都发挥着重要的作用,近年来,随着海上气象条件的恶化、反侦察技术和干扰技术的发展,舰船遥感图像的特征提取过程中噪声含量越来越多,提取难度也不断增加。针对这一问题,本文采用了一种基于尺度空间理论的舰船遥感图像特征提取技术,利用尺度空间高斯算法等改善了舰船遥感图像的特征提取精度,有重要的应用价值。
目前边缘检测方法根据图像极值点筛选图像边缘点,导致检测到的边缘图像不清晰,平均能量值偏低,提出噪声干扰下船舶遥感图像的目标边缘检测方法。采用频域Fourier变换去除图像噪声;选择Canny算子,设计目标边缘检测流程;平滑去噪图像,根据图像边缘梯度极大值点,筛选图像目标边缘点,分割图像目标和背景,实现目标边缘检测。实验结果表明,在1%和10%梯度下的校验噪声模拟的噪声干扰下船舶遥感图像中,研究方法
船舶航行背景较为复杂,导致小目标船舶细粒度智能识别结果准确度较低,为解决这个问题,提出一种复杂背景遥感影像中小目标船舶细粒度智能识别方法。构建了图像变形校正模型,对图像旋转、拉伸、缩放等形式变换处理。设计损失函数训练识别模型,并构建多任务损失函数训练模型,确定了小目标识别参考区域,以此完成小目标船舶细粒度智能识别。实验结果表明,所研究的识别方法在较暗情况下、尺寸不同情况下与云雾遮盖下都能够准确识别