稀疏表达的自适应遥感图像融合算法

本文提出一种基于稀疏表达的图像融合算法。该算法利用稀疏系数中的非零元素所对应的基向量作为图像特征,首先分离相同基向量和相异基向量,然后采用加权求和算法合并相对应的稀疏系数,并重构得到融合图像。该算法对相同特征和相异特征分别进行融合,克服了融合图像中相异特征清晰度下降的问题。并且由于稀疏表达具有很好的去噪功能,本文算法也可以同时进行图像融合和去噪。通过与4种流行的融合算法比较,本文算法得到较好的视觉效果。      

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。     

基于Ecogniton的光学遥感图像舰船目标检测

利用卫星遥感技术对海上舰船目标进行识别定位具有重要的意义。提出了一种基于面向对象的图像分割和分类软件Ecognition的技术方法来提取高分辨率遥感卫星图像中的海上舰船目标。利用多尺度分割算法和光谱差异分割算法对高分辨率卫星图像进行初步分割;利用归一化差异水体指数（NDWI）或灰度共生矩阵（GLCM）同质性纹理特征对陆地和海洋进行辨别;利用对象的相邻关系特征和形状特征来获取潜在的舰船目标;利用数学形态学算子实现舰船目标的连续化,从而获得最终的海上舰船目标。利用高分辨率卫星图像进行了实验验证,实验结果说明了所提出的技术可以有效地实现海上舰船目标的识别与定位。     

基于深度学习的光学遥感图像目标检测方法综述

面向光学遥感图像的目标检测已经有较长时间的发展历史,近年来由于深度学习的发展而成为遥感领域的一个研究热点。目标检测的基础环节之一是图像特征提取,它对最终的检测效果有关键影响。早期目标检测器主要通过手动设计特征提取方法获得图像特征,往往较为复杂且难以提取图像的高层次特征。得益于深度学习技术的发展,目前目标检测器已经能够实现自动特征提取,取得了比传统方法更好的检测性能。对基于深度学习的光学遥感图像目标检测方法进行了总结和归纳:首先,回顾目标检测的发展历史;然后,介绍当前广泛使用的数据集;其次,将现有基于深度学习的光学遥感图像目标检测方法分为4类,并进行分析比较,包括基于人工提取候选区域的方法、基于候选区域生成网络的方法、基于回归的方法和其他方法;最后,分析现有光学遥感图像目标检测研究存在的问题,并对未来发展趋势进行了展望。     

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.     

基于深度学习的光学遥感图像目标检测研究进展

目标检测是光学遥感图像解译中的核心问题,在情报侦察、目标监视、灾害救援等领域均具有广泛应用。首先,结合深度学习光学遥感图像目标检测算法研究进展,对基于候选区域和回归分析的两类遥感目标检测算法进行了综述。其次,针对旋转目标、小目标、多尺度、密集目标四类常见特定任务场景目标检测算法改进进行了总结。再次,结合常用遥感图像数据集对不同算法性能进行了对比分析。最后,对未来遥感图像目标检测研究值得关注的问题进行了展望,为后续相关研究提供思路。     

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。     

基于似圆阴影的光学遥感图像油罐检测

针对光学遥感图像中受阴影干扰的油罐目标识别率低的问题,该文提出一种将改进的视觉显著模型与似圆阴影区域特征检测相结合的由粗到精的油罐目标检测方法。首先建立改进的视觉显著模型,将油罐从复杂背景中粗分离。然后对分离结果中由油罐产生的似圆阴影区域进行精检测,得到疑似油罐目标。再去除阴影,获得油罐目标的初步检测结果。最后基于图搜索策略及先验知识,确定油罐目标并定位油库区域。实验结果表明,该方法对检测光学遥感图像中存在似圆阴影的油罐目标具有较高的鲁棒性和准确率。同时,在不同环境的光学遥感图像中使用该方法可快速准确地定位油库区域。     

基于空间语义模型的高分辨率遥感图像目标检测方法

该文提出一种基于空间语义模型的方法,用于高分辨率遥感图像复杂场景中典型地物目标的自动检测。该方法通过分割获取图像对象,引入主题模型统计对象的多维特征,提高了对象特性描述的精度。在此基础上,对图像中有意义的地物目标及它们之间的空间关系建模表达和定量计算,通过获取场景的语义解析树,辅助实现对复杂地物目标的准确提取和定位。在测试数据集上的实验结果表明,该文方法具有较高的智能化程度和较强的稳定性。     

基于Snakes模型的高分辨率遥感影像城区道路提取方法研究

基于主动轮廓模型（Snakes）理论研究了高分辨率遥感影像道路的提取。针对高分辨率遥感影像中道路特征,通过改进现存方法得出更为适合道路提取的主动轮廓模型,并利用其完成道路提取工作。通过对1 m分辨率的IKONOS影像进行实验,结果表明该方法能够较好地提取出城市高分辨率影像中弯曲道路的完整对称边缘信息。     

基于遥感图像的船舶目标检测方法综述

如何在复杂环境中准确、快速地实现各类船舶目标检测是一项重要研究课题,也是保障船舶航行安全、保护领土安全、加强水域资源监管的基础。红外成像、合成孔径雷达（Synthetic Aperture Radar,SAR）以及卫星遥感等成像技术的发展为船舶检测提供了丰富的图像数据,已取得许多研究成果。介绍了船舶目标检测的过程,从基于传统图像处理技术的船舶目标检测和基于深度学习的船舶目标检测两方面总结并分析了现有船舶目标检测方法,讨论了相关关键技术,最后指出了未来的研究方向。     

基于频谱残留变换的红外遥感图像舰船目标检测方法

该文提出一种基于频谱残留变换的红外遥感图像舰船目标检测方法。该方法首先根据海洋红外图像中自然背景和干扰的特性设计频谱残留变换的模型参数;然后对海洋红外图像实施频谱残留变换;最后在变换图像上进行目标检测。实验结果表明：该方法可以有效消除红外图像中的大尺度干扰和图像噪声,增强图像中舰船目标的信杂比,提高舰船检测的准确性。     

基于不变特征的多源遥感图像舰船目标检测算法

由于域偏移的存在,多源图像舰船目标检测任务面临着不同源传感器带来的图像风格差异难题.另外,为特定数据源训练特定的检测模型会消耗大量的计算资源,严重限制了其在军民用领域的工程应用.因此,设计一个通用网络以有效检测来自不同源遥感数据的舰船目标成了当下的研究热点.针对该需求,本文提出了一种基于不变特征的通用舰船目标检测方法,...     

基于特征谱的高分辨率遥感图像港口识别方法

 本文提出一种基于内港岸线特征谱的港口识别方法.进行海域分割,提取海岸线及其特征点.通过分析海岸线封闭性测度矩阵得到内港岸线及其特征谱.根据特征谱的匹配相似度实现港口识别.从理论上证明了该方法的合理性,并在实际遥感图像上进行了港口识别实验,结果表明:内港岸线的特征谱具有平移、旋转、缩放不变性;文中方法能够准确分割内港岸线,对现有港口目标样本的识别准确率达到100%.     

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。     

基于YOLOv3的光学遥感图像目标检测算法

针对目前算法对遥感图像中背景复杂、目标小而密集的复杂场景下的目标检测精度低的问题,提出了一种基于YOLOv3的改进算法,在YOLOv3的基础上,结合了密集连接网络,利用密集连接块来提取深层特征,增强特征传播,同时引入Distance-IoU(DIoU) loss作为坐标预测的损失函数,使边界框的定位更加准确,此外针对目标间相互遮挡的情况,改进了传统的非极大值抑制算法,使用DIoU代替IoU来克服虚假抑制的问题.对所提算法在三个经典的遥感数据集上进行了测试,实验结果证明,所提方法具有更高的检测精度.