论文摘要
高分辨率遥感图像舰船目标检测是遥感图像理解任务中的热点研究问题.由于遥感图像中舰船目标存在成像视角单一、目标分布密集和目标尺度变化大等特点,直接将自然场景目标检测方法应用于遥感图像舰船检测任务中,并不能获得满意的效果.此外,自然场景目标检测任务中常用的水平矩形框对细长型舰船目标的定位精确度无法满足实际应用需求.因此,提出了基于旋转矩形区域的遥感舰船目标检测算法.首先,采用旋转矩形框完成舰船目标的定位.其次,提出兴趣区域特征金字塔池化模块,融合兴趣区域的多尺度池化特征以处理目标尺度变化较大的问题.最后,设计定位准确度预测分支,利用定位准确度预测值指导非极大值抑制算法,从而优化后处理的结果.在遥感舰船公开数据集HRSC2016上,通过3个级别任务(分别为单类、4类和19类舰船检测识别)上的实验结果验证了算法的有效性.
论文目录
文章来源
类型: 期刊论文
作者: 仲伟峰,郭峰,向世明,潘春洪
关键词: 遥感图像,卷积神经网络,舰船检测
来源: 计算机辅助设计与图形学学报 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,船舶工业,计算机软件及计算机应用,自动化技术
单位: 哈尔滨理工大学自动化学院,中国科学院自动化研究所模式识别国家重点实验室
基金: 国家自然科学基金(91646207),科技部重点研发计划(2016YFB0501100)
分类号: TP751;U675.79
页码: 1935-1945
总页数: 11
文件大小: 2526K
下载量: 302