联合深度卷积神经网络的遥感影像机场识别算法

针对亚米级高分辨率遥感影像中机场识别算法存在的定位精度和识别准确率低的问题,提出了一种基于深度卷积神经网络的高分辨率遥感影像机场识别算法。首先,使用双三次插值算法对原始影像进行下采样处理并转为灰度图,进行模糊增强以得到预处理图像。其次,利用Canny算子提取灰度图边缘信息并使用概率Hough变换提取其中的直线,通过判断平行线存在与否对直线区域进行初步筛选及合并。再次,对合并后的区域利用深度卷积神经网络进行判别以得到相应区域的识别概率值。最后,通过分析概率值得到机场目标。对某卫星两种高分辨率遥感影像数据进行实验,得到识别率100%、定位准确率87.53%的实验结果,证明了所提算法的有效性和通用性。     

高分遥感视频改进型时空上下文目标跟踪

针对时空上下文(STC)目标跟踪算法在高分辨率视频卫星影像中目标经过复杂背景时跟踪准确度过低的问题,提出适用于视频卫星影像数据的改进型时空上下文目标跟踪算法。算法结合感知哈希算法对STC目标跟踪算法中置信图模型加以改进以提升跟踪算法的目标定位精度,使用帧间学习率自适应更新方法以提升跟踪算法准确度。另外,对系列视频卫星影像进行了仿真实验,结果表明,所提算法在保证实时跟踪速度的同时克服了视频卫星影像中复杂背景对目标跟踪算法的干扰,实现了针对高分辨率视频卫星影像的精准目标跟踪。