應(yīng)急遙感制圖在災(zāi)害響應(yīng)中作用顯著,能為災(zāi)害評估、救災(zāi)決策提供有力支撐。傳統(tǒng)應(yīng)急遙感制圖流程中,人工檢索敏感目標(biāo)并使用圖像編輯工具進(jìn)行脫密處理的方式效率不高,與防災(zāi)救災(zāi)的高即時(shí)性要求相矛盾,無法實(shí)現(xiàn)快速發(fā)布與使用。將深度學(xué)習(xí)中的目標(biāo)檢測模型和生成式對抗網(wǎng)絡(luò)模型相結(jié)合,構(gòu)建遙感影像敏感目標(biāo)檢測與隱藏兩階段處理模型,并以遙感制圖中飛機(jī)目標(biāo)處理為例驗(yàn)證模型性能。針對飛機(jī)目標(biāo)特點(diǎn),采用損失函數(shù)重構(gòu)、區(qū)域推薦網(wǎng)絡(luò)候選框優(yōu)化、Mask優(yōu)化算法引入、注意力機(jī)制重構(gòu)等改進(jìn)方案。實(shí)驗(yàn)結(jié)果表明,該方法全流程處理時(shí)間較人工處理縮短50%以上,能快速、智能地進(jìn)行遙感影像敏感目標(biāo)檢測與隱藏處理,縮短應(yīng)急制圖周期。 

【文章來源】：武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2020,45(08)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

圖1 兩階段模型總體框架

{Pi=Sum(Upsample(P))i+1,Conv(C)iP6=Max Pooling(P)5(1）式中，i=2,3,4;Upsample為上采樣卷積操作；Conv為卷積操作；Sum表示矩陣對應(yīng)位置的值進(jìn)行相加；Max Pooling為最大池化操作。1.2.1 區(qū)域建議網(wǎng)絡(luò)RPN

Deepfill模型的網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示，分為粗略網(wǎng)絡(luò)和細(xì)化網(wǎng)絡(luò)兩個(gè)階段[17]。粗略網(wǎng)絡(luò)階段使用帶有膨脹卷積的卷積神經(jīng)網(wǎng)絡(luò)對缺失區(qū)域進(jìn)行不斷學(xué)習(xí)、預(yù)測并更新卷積權(quán)重值，最終得到一個(gè)相對粗略的修復(fù)結(jié)果。其中使用的膨脹卷積能擴(kuò)大卷積核的感受視野，使卷積核包含更大范圍的信息。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像飛機(jī)目標(biāo)檢測方法[J]. 郭智,宋萍,張義,閆夢龍,孫顯,孫皓.  電子與信息學(xué)報(bào). 2018(11)
[2]應(yīng)用于地震應(yīng)急的遙感自動制圖實(shí)現(xiàn)[J]. 薛騰飛,張景發(fā).  自然災(zāi)害學(xué)報(bào). 2017(03)
[3]顯著圖和多特征結(jié)合的遙感圖像飛機(jī)目標(biāo)識別[J]. 吳喆,曾接賢,高琪琪.  中國圖象圖形學(xué)報(bào). 2017(04)
[4]生成式對抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動化學(xué)報(bào). 2017(03)
[5]應(yīng)急測繪保障體系若干關(guān)鍵問題研究[J]. 朱慶,曹振宇,林琿,謝維挺,丁雨淋.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(05)
[6]采用CDD模型的自適應(yīng)圖像修復(fù)算法[J]. 印勇,李丁,胡琳昀.  重慶大學(xué)學(xué)報(bào). 2013(04)
[7]汶川地震應(yīng)急監(jiān)測評估方法研究[J]. 范一大,楊思全,王磊,王薇,聶娟,張寶軍.  遙感學(xué)報(bào). 2008(06)
[8]遙感制圖技術(shù)在洪澇災(zāi)害監(jiān)測、評估、治理中的應(yīng)用[J]. 楊克檢,李清泉,方圣輝.  地圖. 1998(04)

博士論文
[1]大幅面可見光遙感圖像典型目標(biāo)識別關(guān)鍵技術(shù)研究[D]. 韓現(xiàn)偉.哈爾濱工業(yè)大學(xué) 2013

碩士論文
[1]數(shù)字影像敏感目標(biāo)脫密模型與算法研究[D]. 李彬彬.南京師范大學(xué) 2015
[2]遙感影像修補(bǔ)技術(shù)研究[D]. 陳路.解放軍信息工程大學(xué) 2011



本文編號：3536552