為了實現(xiàn)大幅面遙感圖像中飛機目標的高效檢測與準確定位,通過深度神經(jīng)網(wǎng)絡(luò)（DNN）的級聯(lián)組合,提出了一種新穎的搜尋與檢測相集成的飛機目標高效檢測算法。首先,運用高性能的端到端DNN網(wǎng)絡(luò),進行停機坪與跑道區(qū)域的像素級高效精準分割,從而大幅度縮小飛機目標的搜索范圍,以降低虛警發(fā)生概率,完成飛機目標候選檢測區(qū)域的快速搜尋。然后,針對分割所得停機坪與跑道區(qū)域,借助手工數(shù)據(jù)集對YOLO網(wǎng)絡(luò)模型進行遷移式強化訓(xùn)練,一方面可以彌補訓(xùn)練集在樣本類型與數(shù)據(jù)規(guī)模上的不足,另一方面借助YOLO網(wǎng)絡(luò)的強時效性優(yōu)勢對飛機目標的位置進行回歸求解,可以顯著提高飛機目標的檢測效率。停機坪與跑道區(qū)域分割DNN網(wǎng)絡(luò)在分割精度與時效性上具有顯著優(yōu)勢,而遷移式強化訓(xùn)練YOLO網(wǎng)絡(luò)不僅具有很高的檢測效率,在檢測精度上也能保持良好的性能。通過一系列綜合實驗與對比分析,驗證了提出的搜尋與檢測相集成的DNN級聯(lián)組合式飛機目標高效檢測算法的性能優(yōu)勢。 

【文章來源】：北京航空航天大學(xué)學(xué)報. 2019,45(01)北大核心EICSCD

【文章頁數(shù)】：15 頁

【文章目錄】：
1 相關(guān)工作與技術(shù)動態(tài)
2 快速搜尋與高效檢測的組合方案
    2.1 大幅面遙感圖像中飛機目標的分布特點
    2.2 基于DNN網(wǎng)絡(luò)的停機坪快速檢測與分割
    2.3 遙感圖像飛機目標高效檢測方案
    2.4 搜尋與檢測相集成的級聯(lián)組合方案
3 停機坪與跑道區(qū)域的分割和提取
    3.1 停機坪與跑道區(qū)域檢測和分割的DNN模型
    3.2 樣本數(shù)據(jù)標注和DNN模型的離線監(jiān)督訓(xùn)練
    3.3 DNN網(wǎng)絡(luò)學(xué)習(xí)進化的停機坪與跑道區(qū)域分割和提取
4 基于YOLO網(wǎng)絡(luò)的飛機目標快速檢測
    4.1 YOLO網(wǎng)絡(luò)原理及優(yōu)勢分析
        4.1.1 YOLO網(wǎng)絡(luò)檢測算法的原理
        4.1.2 YOLO網(wǎng)絡(luò)實時檢測的性能優(yōu)勢
    4.2 YOLO網(wǎng)絡(luò)的訓(xùn)練策略與實施方案
    4.3 面向高效檢測的遷移式擴充樣本強化訓(xùn)練
        4.3.1 擴充樣本的采集與標注
        4.3.2 性能遷移的合理性分析
        4.3.3 擴充樣本監(jiān)督下的強化訓(xùn)練
    4.4 YOLO網(wǎng)絡(luò)飛機目標檢測時效性能評估
5 基于搜檢級聯(lián)的飛機目標高效檢測
    5.1 搜索與檢測的綜合集成
    5.2 級聯(lián)組合式飛機目標高效檢測算法
6 綜合實驗與性能分析
    6.1 數(shù)據(jù)庫與實驗平臺
    6.2 實驗框架設(shè)計與參數(shù)設(shè)置
    6.3 實驗結(jié)果與性能評估
    6.4 述評與注解
7 結(jié)論


【參考文獻】：
期刊論文
[1]自適應(yīng)特征加權(quán)的Gibbs隨機場影像分割方法[J]. 陳榮元,徐雪松,李廣瓊,申立智,劉星寶.  電子學(xué)報. 2016(10)
[2]基于隱馬爾可夫高斯隨機場模型的模糊聚類高分辨率遙感影像分割算法[J]. 趙雪梅,李玉,趙泉華.  電子學(xué)報. 2016(03)



本文編號：3207892