基于海陆分割的舰船目标变化检测研究

针对高分辨力港口遥感影像及其舰船目标的特点,提出了一种基于海陆分割的港口舰船目标变化检测方法.先采用一种新的海陆分割方法对变化前后图像实施海陆分割提取轮廓,用于去除陆地上不感兴趣的变化对变化检测的影响,再对两轮廓图像进行异或运算,并做形态学处理,得到发生变化的区域,最后根据舰船目标的形状特征,去除伪变化,得到最终的检测结果.实验表明,对高分辨力港口遥感图像中舰船的变化检测有很好的检测效果.     

光学卫星遥感图像舰船目标检测综述

遥感图像的目标检测是把海量遥感数据转化为应用成果的重要一环,而光学遥感图像中舰船目标的检测更是遥感图像处理分析的研究热点,具有重要的应用价值.本文的主要目的是研究光学遥感图像中舰船目标检测的各种方法,对目前采用的检测方法做出系统性总结.重点介绍了基于灰度信息统计特征、视觉显著性、模板匹配和分类学习的四种传统舰船目标检测方法和深度学习方法在舰船目标检测中的应用,并分析了各种方法的优缺点和适用性,同时对舰船目标检测的未来发展进行了展望.     

遥感图像建筑物识别及变化检测方法

针对单独使用像素级变化检测或特征级变化检测对于高层建筑物检测精度低的问题,提出了一种图像特征和经验知识结合的建筑物识别及变化检测方法,用于检测多时相遥感图像中高层建筑物的变化情况.首先采用本文提出的Ratio梯度与交叉累积剩余熵相结合的配准算法配准两个不同时相的SAR和全色图像,分别利用知识规则识别SAR和全色图像建筑物区域,在识别的建筑物区域上,采用像素比值法进行建筑物变化检测.实验结果表明,该方法可以有效提高建筑物的检测正确率,降低虚检率和漏检率.     

基于脉冲耦合神经网络的区域变化检测研究

为了实现遥感图像中对机场等感兴趣区域（ROI）准确的变化检测,提出了一种基于脉冲耦合神经网络（PCNN）的遥感图像变化检测方法。其基本原理是将变化前后的图像作为网络输入,经过多次迭代后用一维点火时间序列图表征输入图像信息,然后计算两幅时间序列图的相关系数确定是否有变化发生。最后对机场区域完全点火映射图进行异或运算,得到变化检测结果。实验结果表明,该方法对不同类型图像均有满意的检测结果。对比分析进一步证实了该方法具有较强的普适性和较高的检测精度。     

多源遥感图像融合语义分割发展现状与展望

遥感图像的语义信息提取正成为城市规划利用、土地覆盖勘察、灾害变化检测以及海上态势感知等研究方向的关键技术之一。文中从由“单源”向“多源”发展的遥感图像智能处理需求出发,首先概述并分析了大数据时代和深度学习背景下的遥感图像语义分割发展现状,主要包括单一来源图像语义分割、多源遥感图像融合语义分割和多源(同质/异质)遥感图像变化检测。然后在阐述主要方法的基础上,提炼并总结了多源遥感图像语义分割的关键技术,主要有单源遥感图像快速语义分割、语义信息辅助的多源遥感图像精确配准与融合、基于多源遥感图像的语义信息智能提取。最后,针对多源遥感图像在轨处理需求,概括出高分辨率多源遥感图像智能一体化信息提取所面临的技术挑战,并对未来发展趋势进行展望。     

基于分割窗的无监督多通道遥感图像变化检测

在遥感图像中,当变化区域的面积比例相对较大或较小时,一般的变化检测方法并不能准确地检测出变化信息。针对这一问题,本文提出一种基于分割窗的无监督多通道遥感图像变化检测方法。该方法将差异图像分割成子图像,通过求子图像的局部阈值来确定差异图像的整体阈值。实验结果表明,该方法能较好地解决变化区域相对较大或较小时一般变化检测方法无法进行准确的变化检测的问题,相对于一般变化检测的方法,检测精确度明显提高。     

遥感图像超分辨率复原算法的仿真实现

超分辨率图像复原是指使用一组低分辨率图像进行处理,得到一幅高分辨率图像。分析超分辨率处理算法并将其应用于遥感图像分辨率增强领域,提出一种用Matlab对遥感图像进行超分辨率处理的仿真方法,仿真结合POC原理将一组低分辨率遥感图像进行分辨率增强处理,结果表明超分辨率处理技术有效提高了遥感图像的分辨率,图像中目标更易识别。     

基于遥感图像变化检测的毁伤效果分析

机场毁伤效果评估在掌握战场情况变化中发挥了重要作用。将变化检测技术应用于机场这一典型军事目标,使用主成分分析法对毁伤前后的遥感图像进行变化检测,准确有效地提取出毁伤变化情况。通过分析毁伤情况,结合构建的毁伤效果评估模型,评估对目标整体作战性能的影响程度。基于遥感图像变化检测的毁伤效果分析为高技术条件下毁伤效果评估提供了有效的方法和手段。     

基于视觉注意机制的UWB SAR叶簇隐蔽目标变化检测

在超宽带合成孔径雷达叶簇隐蔽目标检测中,传统的UWB SAR图像变化检测方法易受图像灰度值起伏和成像条件变化的影响,致使现有的变化检测算法的性能下降.本文根据人类视觉系统的生理结构和认知特点,提出了一种基于视觉注意机制的叶簇隐蔽目标变化检测算法.该方法使用视觉注意模型,将图像的多尺度特征信息融合为单幅视觉显著图像,并利用图像局部邻域信息和目标的空间相关特性对视觉显著图中视觉注意焦点进行分层筛选和变化检测.实验结果表明:本文中基于视觉注意机制的变化检测方法可以有效检测多时相UWB SAR图像中的叶簇隐蔽目标,较之传统的基于统计原理的变化检测方法,其检测速度更快,且对场景复杂的UWB SAR图像亦具有鲁棒性.     

综合多级别检测的林地变化检测方法

为了提高植被变化检测精度和获取植被变化类型信息,在综合利用像素级变化检测、特征级变化检测和分类后变化检测的基础上,提出了一种由粗到精并准确获取变化信息的植被变化检测方法。文中选取2002 年和2007 年的QuickBird多光谱图像作为试验对象,使用像素级变化检测处理多时相遥感数据,确定出包含植被变化的候选区域;然后,使用特征级变化检测确定出变化区域;最后,结合分类后变化检测获取变化信息的位置和类型。通过对两时相遥感数据进行变化检测试验,并与各单独检测方法对比,验证新方法的有效性。结果表明:该方法在提高了变化检测精度的同时能够提供变化地物信息,可以有效地应用于植被变化信息的检测。     

Improved remote sensing image target detection based on YOLOv7

Remote sensing images are taken at high altitude from above, with complex spatial scenes of images and a large number of target types. The detection of image targets on large scale remote sensing images suffers from the problem of small target size and target density. This paper proposes an improved model for remote sensing image detection based on you only look once version 7(YOLOv7). First, the small-scale detection layer is added to reacquire tracking frames to improve the network’s recogniti...     

基于多源遥感卫星的海面舰船目标检测方法

围绕光学卫星遥感图像中的海面舰船目标检测问题,考虑静止轨道遥感卫星和低轨道高分辨率遥感卫星的优缺点,提出一种基于多源遥感卫星的海面舰船目标检测方法。该方法首先通过多结构多尺度形态学滤波和自适应阈值分割对静止轨道卫星遥感图像进行目标预检测,然后将预检测结果与卫星图像的地理位置信息相结合来确定高分辨率遥感图像候选目标区域,最后提取候选目标区域中目标的主要特征,进行舰船目标判别,将判别结果反映到静止轨道遥感卫星图像上。仿真结果表明,该方法能有效检测出海洋背景遥感图像中的多个运动舰船目标,具有目标检测率高、虚警率低、时效性好等优点,为静止轨道遥感卫星对海面运动舰船目标的实时监视跟踪提供了技术支撑。     

约束最大相关系数的高光谱影像目标探测研究

高光谱遥感影像具有高的空间分辨率和连续的光谱信息,在目标探测领域具有独特的优势。基于高光谱影像的目标探测技术是遥感理论与应用的重要领域之一。本文从统计学中的相关系数的概念出发,提出了基于约束最大相关系数的高光谱影像目标探测算法。利用高光谱影像的线性混合模型,在真实图像中添加目标光谱,获得不同含量的亚像素目标及大目标,利用实验室高光谱成像仪对大目标进行推扫成像获取真实大目标高光谱影像。对仿真图像与真实图像进行约束能量最小化算子和约束最大相关系数算子进行对比,实验结果表明,基于约束最大相关系数的高光谱影像目标探测算法在探测大目标中具有更稳健的探测性能。     

一种显著图分割的遥感油库检测方法

针对遥感影像中油罐检测识别率低、难度大的问题,提出了一种基于显著图分割分布式的目标检测识别方法,利用视觉显著模型得到油库疑似候选区域,采用多阀值Otsu方法分割出目标,以及利用油罐的似圆特征和分布式的空间分布规律对油库进行检测识别,通过油库场景分布的先验知识,提高检测识别效率、降低虚警率。大量实验表明,文中方法可有效实现对遥感影像中油库的检测识别。     

直观特征匹配在目标识别中的应用

随着卫星遥感技术的迅猛发展,遥感图像的快速判读技术成为急待解决的课题。针对遥感图像的特性,采用基于形状的直观特征匹配模式识别方法实现静止摆放目标的识别,解决了目标在遥感图像上的平移、旋转、缩放和特征匹配时间长的问题,在工程应用中取得了良好的效果。     

A HYBRID METHOD FOR EFFICIENT TARGET RECOGNITION

An efficient target recognition method for remote sensing image is proposed inthis paper, which is based on moment invariant and support vector machine. First, seven Hu'sinvariant moments are extracted as a feature vector. Then,a support vector machine is used torecognize targets of planes and ships on binary remote sensing images. The experimental results     

面向多源遥感图像的自适应目标检测

近年来,目标检测已经在含有大量标注的数据上展现出了良好的效果,但当真实测试数据与标注数据存在域间差异时,往往会导致训练好的目标检测模型性能降低。由于相比于自然图像,多源遥感图像在成像方式和分辨率等方面存在特有的差异,而传统的方法需要将多源图像数据重新标注,这将消耗大量人力和时间,因此在遥感图像上实现自适应目标检测面临特有的挑战。针对以上问题,本文提出了一种面向多源遥感图像的自适应目标检测算法,在图像级别和语义级别上对网络进行对抗训练。此外,通过结合超分辨网络,进一步缩小了图像级别的差异,实现了自适应目标检测。本文在两个多源遥感数据集上进行实验,结果表明本文方法有效提升了目标域上的检测效果。      

基于小波方向滤波的有云层遥感图像舰船检测方法

提出了小波分析和方向滤波相结合的有云遥感图像目标检测方法。首先对原始遥感图像进行小波分解,采用比率-平均边缘检测法检测人造目标的边缘方向,在该方向上进行Frost滤波,有效抑制云层干扰的同时突出了人造目标及其边缘信息;然后进行阈值分割并剔除大块云层,根据区域的平均边缘梯度剔除小块云层,实现了有云遥感图像的舰船目标检测。实验证明,该方法能减少遥感图片云层对舰船检测的影响,并具有较高的目标检测率。     

面向桥梁目标自动检测的多源遥感图像融合模型与方法

作为信息增值的一种有效手段,图像融合技术已广泛地用于成像遥感应用领域。面向目标识别的图像融合需依据不同的目标任务建立不同的融合模型。该文提出了适于桥梁目标自动检测的多源遥感图像融合模型和方法。该模型充分考虑了数据源特性、遥感图像中的桥梁目标特征和目标背景特征,能在复杂大幅场景中有效地检测桥梁。真实多源遥感图像的实验结果验证了该模型和方法的合理性。