人工智能背景下遥感图像目标检测任务研究

以多种遥感图像数据类型特点为基础,对现阶段主流遥感图像目标检测模型进行梳理和分析。首先以光学遥感数据集DOTA为例对遥感图像目标检测任务的难点进行分析;然后对光学和SAR二类主流遥感图像特点及国内研究现状进行梳理;最后展望遥感图像目标检测任务研究未来发展的趋势。     

基于深度学习的光学遥感图像目标检测综述

目标检测是光学遥感图像解译的核心环节,广泛应用于情报侦察、土地利用、城市规划等领域。近年来,深度学习的发展成熟使光学遥感目标检测的精确度和效率得到大幅提升。本文首先综述了基于深度学习的通用目标检测算法;然后介绍了当前常用的光学遥感图像目标检测数据集并依据数据特点分析了数据集的发展趋势;接着根据遥感图像检测难点,从任意方向、多尺度、小目标、密集分布、复杂背景5个方面详细梳理了算法的优化方案;最后展望了光学遥感图像目标检测研究的发展方向。     

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.     

聚类与几何特征相结合的遥感图像多类人造目标检测算法

针对高分辨率光学遥感图像中人造目标的检测问 题,对传统的相位编组直线段提取算法和k-means 聚类算法了改进,提出了一种k-means聚类和几何特征 相结合的检测方法。根据自然物体和 人造目标在几何外形上表现出的不同特性,首先运用改进的相位编组算法对图像进行快速的 直线段提取; 然后以获取的直线段中心点为处理对象,运用k-means聚类算法 对提取的直线段进行密度聚类;最后,根 据每个类中的直线段数目和构成的几何基元情况,进行人造目标的判定。实验结果表明,本 文算法对遥感 图像中的房屋、汽车、船舰和飞机跑道等多类人造目标可达到90%以 上的检测精度,并具有较高的检测速度,对于一幅512pixel ×512pixel的图像,整个检测过程在100ms 以内。     

有云层干扰的光学遥感图像舰船检测算法

针对海面光学卫星遥感图像舰船检测中云层干扰所产生高虚警率的情况,提出一种基于串并联混合多维特征融合判决的舰船目标检测算法。首先,利用高斯灰度阈值分割目标与海面云层背景,并对分割后的二值图像进行区域标记;然后,利用感兴趣区域的几何形态和边缘能量两类特征,包括中心偏移度、长宽比、面积变化比、曲折度和填充度,构建了串并联混合多维特征融合判决方法;最后,通过对感兴趣区域进行综合鉴别,有效剔除了云层干扰导致的虚警,解决了含云层背景检测结果虚警率高的问题。对多幅SPOT4光学遥感卫星图像的实验结果表明算法的有效性。     

静止轨道遥感卫星海面运动舰船快速检测方法

面向静止轨道光学遥感卫星,该文提出一种海上运动舰船目标快速检测方法。该方法首先利用多结构多尺度形态学滤波对海洋背景遥感图像进行背景抑制;然后采用自适应阈值分割和自组织聚类获得候选目标;再根据目标运动特征,利用静止轨道卫星凝视序列图像对候选目标进行多目标移动式邻域判决,剔除虚假目标;最后关联舰船目标以及融合卫星平台数据,可快速计算舰船状态等深层次动态信息。实验结果与分析表明,所提方法能有效检测海洋背景遥感图像中的多个运动舰船目标,准确获取各个舰船位置、航速、航向、运动轨迹等信息,具有算法简单,目标检测率高、虚警率低,稳定性好等优点。该方法为我国静止轨道光学遥感卫星在轨数据处理与应用提供了技术支撑。     

基于视觉显著模型的遥感图像舰船快速检测

为了降低传统高分辨率海面遥感图像舰船目标检测方法的计算复杂度,提高检测速度,在舰船目标检测中引入了基于直方图对比度的视觉显著模型和空间降维算法,提出一种新的高分辨率海面遥感图像舰船目标快速检测算法。首先对高分辨率遥感图像进行空间降维,然后计算降维图的视觉显著图,突出感兴趣目标区域,最后利用最大类间方差法分割视觉显著图以获取舰船目标候选区域。结果表明,目标检测所消耗的时间减小为原来的10%~12%,弱化了复杂海面纹理背景对目标检测的影响。该研究提高了高分辨率遥感图像舰船目标的检测效率。     

基于直方图的图像模糊聚类分割算法

针对传统模糊C-均值聚类算法对复杂的医学、遥感图像难以获得满意分割效果问题,将图像模糊C-均值聚类引入图像分割问题研究中,提出了基于直方图的图像模糊聚类快速分割算法。将越南学者Le提出的分布式图像模糊聚类算法目标函数进行简化,得到图像模糊聚类算法目标函数;采用拉格朗日乘子法获取其迭代求解所对应的隶属度、中立度、拒分度和聚类中心表达式,设计图像模糊聚类算法并对其收敛性进行了证明。通过复杂医学和遥感图像的分割测试结果表明,新的分割算法相比现有的模糊C-均值聚类分割算法和直觉模糊C-均值聚类分割算法具有更好的分割性能。     

基于深度学习目标检测算法的滑坡检测研究

针对目标检测算法在诸多图像识别领域应用效果突出,而在遥感图像滑坡检测中应用较少的现象,本文对同一少量低分辨率遥感数据集运用目前应用广泛的基于深度学习的目标检测算法Faster RCNN、YOLO、SSD进行遥感图像滑坡检测,并对实验结果进行了比较和分析,探讨三种目标检测算法的特点及其在遥感图像滑坡检测中适应的配置参数和应用范畴,以获得更有效的滑坡检测效果。     

角点与边缘信息相结合的遥感图像飞机检测新方法

利用遥感图像中飞机目标的边缘特征和角点特征,提出边缘与角点信息相结合的遥感图像飞机检测新方法.首先,进行Canny边缘检测,提取遥感图像中飞机目标边缘信息,并利用OTSU算法二值化处理图像;然后,进行Harris角点检测,找出满足飞机角点分布特征的区域,去除伪目标;最后,进行区域生长式聚类,通过求取类心最终确定飞机位置.对60幅高分辨率遥感图像进行飞机检测测试,正确检测出238架飞机中的220架,漏检18架,48个虚警.实验表明,该方法可以有效解决复杂背景下飞机检测问题,具有良好的检测性能.     

一种基于局部分形维的CFAR检测算法

目标检测是图像处理领域和计算机视觉中一项非常重要的研究课题.针对光学遥感图像自然背景下人造目标检测中检测时间长,虚警率偏高的问题,本文提出一种基于局部分形维的CFAR检测算法.该算法首先引入重标极差分析法,把图像的局部窗转化为一维序列的形式,且通过对一维序列极差和偏差的运算得到反映图像局部纹理特征的局部分形维,并以此构造出图像的分维像.然后在分维像基础上进行快速CFAR检测,确定滑窗中心点像素是否为目标像素.最后对目标像素进行聚类以提取感兴趣目标区域.利用本文提出的算法对不同地区的光学图像进行了大量的实验,得到了较好的检测结果.实验结果证明了该算法在高分辨光学图像中能有效、快速地地检测自然背景中的人造目标.与传统的人造目标检测算法相比,本文提出的算法能有效地减少检测时间,降低虚警率.     

面向目标识别的遥感变化检测技术综述

遥感图像目标检测与识别是遥感图像处理与分析领域备受关注的课题,其核心任务是判断遥感图像中是否存在感兴趣的目标,并对其进行检测、分类与确认。本文主要围绕面向目标的遥感变化检测技术,分析了各种遥感变化检测方法的特点,综述当前遥感图像目标检测与识别的主要处理方法,在此基础上指出研究中尚存在的问题和研究动向。     

大尺度高分辨率遥感图像机场目标的快速识别

基于对机场的图像特征、目标特征的全面分析,提出了一种从大幅面高分辨率光学遥感图像(10000×10000 pixel)中快速识别机场目标的算法。首先通过预处理去除图像中大部分与目标特性不相关的区域,然后在剩余区域中作精确的检测,其中用到的目标特征有空间频率、均值、方差和能量等,使用canny边缘检测、线段分割与四邻域跟踪技术对目标进行精确识别。研究结果表明,本文算法能够实现对机场的快速识别,识别算法时间小于2 s。     

红外遥感图像舰船目标检测

红外遥感图像舰船目标检测在军舰探测、精确制导等军用领域以及海面搜救、渔船监测等民用领域具有极其重要的战略意义。本文回顾了红外遥感图像的发展历程,总结了舰船遥感图像的特点及其图像处理的难点。着重分析了海陆分割和海洋背景图像预处理的研究现状,对舰船检测算法进行了总结和归纳,在此基础上对各种算法进行比较并指出其适用性和优缺点,最后对其未来发展趋势进行了展望。     

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。     

基于视觉感知机理的舰船目标检测

提出了一种基于视觉感知机理的光学遥感图像舰船目标检测的算法。该算法的核心思想在于设计并利用一组Gabor滤波器组来模拟人眼的视觉特性对基于可见光的遥感图像进行处理,从而达到对复杂海况背景抑制并对较暗舰船目标增强的目的。同时,该算法融合了海陆分割、云判处理等子模块,并充分考虑了人眼视觉的底层特性,从颜色、纹理、形态等各个角度进行疑似目标的筛选与剔除,得到最终的检测结果。实验结果显示,该算法具有较高的检测率和较强的鲁棒性,针对各类海况（包含暗舰船目标的情况）平均检测率达到85%以上,高于传统算法的51.3%。     

红外偏振图像的目标检测方法

红外偏振成像探测通过对目标辐射和反射偏振态的探测,针对传统光学无法解决的问题,在目标检测方面取得高精度的结果,特别是在军事探测中,能够快速地将混杂在自然背景下的人造目标检测出来,以增强对目标的识别。偏振探测中所依据的强度、偏振度及偏振角信息反映出的不同物理特性,具有很强的冗余性和互补性。针对该特性,提出一种红外偏振图像的目标检测方法:首先使用Mean-Shift算法对红外图像和偏振度图像进行聚类处理;然后利用DS证据理论将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,达到目标检测的目的;最后通过仿真实验图像与小波融合图像结果的对比表明该算法的优势。     

基于弱语义注意力的遥感图像可解释目标检测

近些年来随着遥感技术的快速发展,遥感图像目标检测成为了当前的研究热点.针对遥感图像背景复杂以及现有目标检测模型缺乏可解释性等问题,本文提出了一种基于弱语义注意力的遥感图像可解释目标检测方法.具体地,首先通过多层级特征金字塔来解决遥感图像中目标尺度变化范围大的问题.其次,利用检测框的角度回归来解决遥感图像目标定向的问题.然后,基于弱语义分割网络产生强化目标特征的注意力权重值,抑制背景噪声.最终用网络剖析的分析方法,获取模型中卷积核对应的可解释性语义概念.实验结果表明,本文提出的算法在遥感图像目标检测的准确性以及对背景噪声抑制上有较好的表现,并且通过可解释性算法在一定程度上使本文提出的模型易于理解.     

复杂海背景下的自适应舰船目标检测

光学遥感图像海面舰船目标检测易受云雾、海岛、海杂波、阴影等多种复杂因素的干扰.同时,由于卫星遥感图像的幅宽较大,若需要满足实时检测和硬件移植的需求,还要考虑算法的计算量和可移植性.鉴于实际工程的需要,本文提出了一种基于视觉显著性适用于复杂背景下的自适应舰船目标快速定位与检测方法.本算法首先基于图像梯度自适应获取全局最优...     

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。