本文選題：目標(biāo)檢測　切入點(diǎn)：高分遙感影像　出處：《計(jì)算機(jī)工程》2017年01期

【摘要】：傳統(tǒng)的遙感影像目標(biāo)檢測方法大多利用人工提取特征,難以用于背景復(fù)雜的高分辨率遙感影像。針對該問題,構(gòu)建一種多結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)模型(MSCNN)自動學(xué)習(xí)目標(biāo)特征。通過改變卷積濾波器尺寸、數(shù)量以及網(wǎng)絡(luò)層數(shù),分別設(shè)計(jì)4種不同結(jié)構(gòu)的CNN以提取目標(biāo)從低層、中層到高層不同尺度的特征信息,并將4種CNN輸出采用串行方式連接并輸入到BP神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行訓(xùn)練。在檢測階段采用滑動窗口方法進(jìn)行目標(biāo)搜索。對高分辨遙感影像中飛機(jī)的檢測實(shí)驗(yàn)結(jié)果表明,MSCNN在虛警率和召回率上較4種單一結(jié)構(gòu)的CNN具有明顯的檢測優(yōu)勢,召回率平均提升6%,虛警率平均降低3%。對油罐的檢測結(jié)果進(jìn)一步表明,MSCNN可以推廣到對遙感影像其他目標(biāo)的檢測。
[Abstract]:Traditional methods of target detection in remote sensing images mostly use artificial feature extraction, which is difficult to be used in high-resolution remote sensing images with complicated background.In order to solve this problem, a multi-structure convolution neural network model (MSCNNN) is constructed to automatically learn target features.By changing the size and number of convolution filters and the number of network layers, four kinds of CNN with different structures are designed to extract the feature information of target from lower, middle to higher levels.Four CNN outputs are connected in serial mode and input to BP neural network classifier for training.In the detection phase, the sliding window method is used to search the target.The experimental results of aircraft detection in high-resolution remote sensing images show that MSCNN has obvious advantages in detecting false alarm rate and recall rate. The recall rate is increased by an average of 6 points, and the false alarm rate is reduced by an average of 3%.The results of oil tank detection further show that MSCNN can be extended to detect other targets in remote sensing images.
【作者單位】： 上海交通大學(xué)自動化系;系統(tǒng)控制與信息處理教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家“973”計(jì)劃項(xiàng)目“高分辨率遙感影像的目標(biāo)特征描述與數(shù)學(xué)建�！�(2012CB719903) 國家自然科學(xué)基金“控制理論與方法——網(wǎng)絡(luò)系統(tǒng)的設(shè)計(jì)、控制與優(yōu)化”(61221003);國家自然科學(xué)基金青年科學(xué)基金“基于貝葉斯集成的視覺注意模型及其高分辨率影像目標(biāo)快速檢測研究”(41101386)
【分類號】：TP751;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王占宏,杜道生;模糊綜合評價(jià)法在數(shù)字遙感影像產(chǎn)品質(zhì)量評價(jià)中的應(yīng)用[J];測繪科學(xué);2004年S1期

2 韓玲,吳漢寧,杜子濤,趙希剛;遙感影像地圖在鄂爾多斯盆地環(huán)形構(gòu)造識別中的應(yīng)用[J];公路交通科技;2005年S1期

3 王思遠(yuǎn),王光謙,陳志祥;基于遙感影像綜合理解模型的遙感影像分類[J];計(jì)算機(jī)工程;2005年19期

4 王賢敏;關(guān)澤群;吳沉寒;;采用影像融合的遙感影像授權(quán)使用小波域算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2006年05期

5 馬萬權(quán);王士成;劉建坡;;大幅面遙感影像分發(fā)技術(shù)研究[J];無線電工程;2006年06期

6 汪承義;趙忠明;;遙感影像流程化處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];測繪科學(xué);2006年06期

7 史本偉;陳圣波;湛邵斌;;遙感影像庫中影像布局功能的開發(fā)實(shí)現(xiàn)[J];吉林大學(xué)學(xué)報(bào)(地球科學(xué)版);2006年S1期

8 江水;洪鳴;盛業(yè)華;;實(shí)現(xiàn)遙感影像的3維漫游[J];測繪與空間地理信息;2007年01期

9 任向紅;陸宇紅;仇生泉;;4D產(chǎn)品在遙感影像糾正中的應(yīng)用[J];測繪與空間地理信息;2007年03期

10 王佐成;李永樹;薛麗霞;汪林林;;遙感影像中模糊對象表達(dá)[J];中國圖象圖形學(xué)報(bào);2007年11期

相關(guān)會議論文 前10條

1 張廣耀;汪小欽;鄔群勇;;遙感影像地圖在線服務(wù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[A];第十七屆中國遙感大會摘要集[C];2010年

2 熊劍;;地形起伏地區(qū)的遙感影像預(yù)處理研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

3 傅曉俊;;遙感影像應(yīng)用現(xiàn)狀及其展望[A];測繪荊楚——湖北省測繪學(xué)會2005年“索佳杯”學(xué)術(shù)論文集[C];2005年

4 肖倩;李光耀;;航空遙感影像道路提取方法綜述[A];全國第十屆信號與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

5 傅曉俊;;遙感影像應(yīng)用現(xiàn)狀及其展望[A];經(jīng)天緯地——全國測繪科技信息網(wǎng)中南分網(wǎng)第十九次學(xué)術(shù)交流會優(yōu)秀論文選編[C];2005年

6 李江濤;;遙感影像在海事測繪中的應(yīng)用[A];2007'全國測繪科技信息交流會暨信息網(wǎng)成立30周年慶典論文集[C];2007年

7 胥亞;杜為財(cái);袁立偉;葉榮生;;遙感影像道路提取現(xiàn)狀與展望[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

8 馬海濤;;探討遙感影像的校正與誤差來源——以雞西市為例[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年

9 李江濤;;遙感影像在海事測繪中的應(yīng)用[A];華東地區(qū)第十次測繪學(xué)術(shù)交流大會論文集[C];2007年

10 楊博雄;;基于北斗二代與遙感影像的定位與導(dǎo)航技術(shù)研究[A];2009年全國測繪儀器綜合學(xué)術(shù)年會論文集[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 張鵬英;國產(chǎn)遙感影像迎來共享時(shí)代[N];科技日報(bào);2013年

2 張玉惠;EV——GLOBE成功應(yīng)用于遼寧電網(wǎng)建設(shè)[N];中國測繪報(bào);2010年

3 彭舒;遙感影像幾何和光譜高精度重建技術(shù)獲突破[N];中國測繪報(bào);2013年

4 記者 吳晶晶;我用遙感影像發(fā)現(xiàn)3處油跡帶[N];新華每日電訊;2014年

5 李禾;我首顆環(huán)境衛(wèi)星傳回遙感影像[N];科技日報(bào);2008年

6 侯振榮;黑龍江省制作分市縣遙感影像系列掛圖[N];中國測繪報(bào);2009年

7 王智宇邋王春;航空航天技術(shù)助力抗震救災(zāi)[N];科技日報(bào);2008年

8 沈占鋒;遙感影像信息提取與分析[N];計(jì)算機(jī)世界;2006年

9 張超;讓北京發(fā)展一目了然[N];科技日報(bào);2005年

10 李沛功 胡兵 秦海林 駐站記者嚴(yán)德勇;6年送學(xué)培養(yǎng)值不值?[N];戰(zhàn)士報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 江鋮;光學(xué)遙感影像空間分辨率提升的正則化方法研究[D];武漢大學(xué);2015年

2 郭賢;基于張量的遙感影像去噪、特征提取和分類方法研究[D];武漢大學(xué);2015年

3 張麗;遙感影像協(xié)同處理體系及攝影測量應(yīng)用研究[D];解放軍信息工程大學(xué);2015年

4 高永剛;多尺度多平臺遙感影像在城市遙感中的應(yīng)用研究[D];福州大學(xué);2013年

5 王賢敏;機(jī)密空間信息隱藏與遙感影像授權(quán)使用[D];武漢大學(xué);2005年

6 劉亞嵐;遙感影像群判讀技術(shù)的試驗(yàn)研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年

7 程起敏;基于內(nèi)容的遙感影像庫檢索關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年

8 任娜;遙感影像數(shù)字水印算法研究[D];南京師范大學(xué);2011年

9 鄧冰;遙感影像信息度量方法研究[D];武漢大學(xué);2009年

10 柳稼航;基于視覺特征的高分辨率光學(xué)遙感影像目標(biāo)識別與提取技術(shù)研究[D];上海交通大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 孫晨陽;多尺度遙感影像道路信息提取方法研究[D];西南大學(xué);2015年

2 鄧董建;基于稀疏表達(dá)的遙感影像的多時(shí)相融合[D];中國地質(zhì)大學(xué)(北京);2015年

3 于曉;TM/ETM+遙感影像蝕變異常提取與篩選系統(tǒng)開發(fā)[D];中國地質(zhì)大學(xué)(北京);2015年

4 劉佳岐;基于Landsat8遙感影像的扶風(fēng)縣蘋果園地信息提取研究[D];西北農(nóng)林科技大學(xué);2015年

5 張健;基于多源數(shù)據(jù)的遙感地質(zhì)構(gòu)造解譯[D];長安大學(xué);2015年

6 王金杰;基于語義的遙感影像數(shù)據(jù)檢索關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

7 李程;基于復(fù)雜網(wǎng)絡(luò)的綠潮檢測方法研究與應(yīng)用[D];青島大學(xué);2015年

8 章琨;基于遙感影像的城市綠地提取技術(shù)研究[D];東華理工大學(xué);2014年

9 段勝強(qiáng);基于遙感影像的運(yùn)動目標(biāo)追蹤標(biāo)注的研究及應(yīng)用[D];河南大學(xué);2015年

10 侯愛霞;基于五層十五級數(shù)據(jù)組織結(jié)構(gòu)的遙感影像幾何處理系統(tǒng)研究[D];河南大學(xué);2015年

，

本文編號：1717062