共查询到18条相似文献，搜索用时 187 毫秒
1.
针对长时间间隔序贯SAR图像中运动舰船位置变化大、不易跟踪的难题,提出一种融合航迹起始和图像特征的匹配跟踪方法。首先从SAR图像中检测出舰船,得到舰船图像切片,并提取舰船的图像特征、空间位置信息;然后根据速度和加速度约束,将不同时刻的舰船关联,形成多条候选航迹;最后采用特征匹配差异最小原则筛选出舰船航迹,实现运动舰船跟踪。通过仿真实验和机载序贯SAR图像处理分析,验证所提方法的有效性。 相似文献
2.
为解决船舶图像与视频检测算法识别率低、实时性差的问题,提出基于回归深度卷积网络的船舶图像与视频检测方法。结合YOLOv2特征提取层和YOLOv3的特征金字塔网络(feature pyramid network, FPN)层思想设计新的网络结构,验证不同激活函数效果,采用聚类算法设计锚框大小。实验表明,相比于YOLO系列网络,本文的方法在船舶图像与视频检测中效果更好,在测试集上平均精度均值为0.920 9,召回率为0.981 8,平均交并比为0.799 1,在视频检测中每秒钟检测的帧数为78～80。为港口船舶智能管理和无人船视觉处理提供一种准确度高和实时性好的船舶检测方法。 相似文献
3.
基于仿真SAR图像深度迁移学习的自动目标识别 总被引：1，自引：0，他引：1
使用深度卷积神经网络实现SAR图像的自动目标识别在训练过程中需要大量的标注数据。为解决由SAR实测数据获取成本高、标注数据量不足带来的问题，提出一种在由CReLU激活函数和批归一化改进的卷积神经网络上，使用仿真SAR图像提升最终目标识别性能的方法，把从大量仿真SAR图像学习到的有效知识迁移到实测SAR图像数据上。在训练中，先用仿真SAR图像预训练卷积神经网络，结合迁移学习的方法，有效地解决由SAR图像数据不足带来的过拟合问题。在MSTAR数据集上验证方法的有效性，识别准确率提高到99.78%，并在少量SAR图像样本数据上也取得不错的识别效果。 相似文献
4.
针对目前用于遥感图像云检测的神经网络模型存在光谱信息未能充分利用而导致的细节信息易损失、碎云漏检率大、计算复杂等不足,提出一种新型且轻量的网络,称为勺型网络（spoon-net,S-Net）,应用于Landsat遥感图像的云检测。S-Net分为2个阶段,第1阶段,使用1×1的卷积核提取图像光谱特征,避免图像细节被模糊;第2阶段,使用encoder-decoder框架提取图像空间特征,并引入分组卷积,对第1阶段提取的每一层光谱通道单独进行卷积,保持光谱特征并减少模型参数。模型在Landsat8 biome数据训练测试并评估,结果表明模型在内存与时间上具有较大优势,并达到95%的准确率。 相似文献
5.
为更好地获取舰船检测的图像信息,通过对雷达图像中舰船目标与相干斑噪声的分布特点进行分析,提出1种基于非下采样变换(Nonsubsampled Contourlet Transform, NSCT)与蚁群优化(Ant Colony Optimization, ACO)算法相结合的合成孔径雷达(Synthetic Aperture Radar, SAR)图像舰船目标检测方法.该方法通过对SAR图像进行NSCT自适应阈值去噪,再应用ACO进行边缘检测,实现舰船目标的精确检测.仿真结果显示,该方法能够在复杂相干斑噪声背景中有效提取舰船目标的轮廓信息,很好地保持图像纹理和舰船结构,具有理想的抗干扰性能,保证检测结果的准确性. 相似文献
6.
合成孔径雷达( SAR)目标识别在军事和民用领域都具有重要的研究价值。但由于SAR数据获取成本高、样本数目少,传统的卷积神经网络提取目标特征的能力不足,准确率低下。提出结合卷积注意力和胶囊网络的分类模型,利用胶囊网络中的多维向量神经元表示目标更多的特征;同时,考虑到少样本情况下目标特征信息缺乏,为提高神经网络的学习效率,对胶囊网络加入注意力机制,通过学习不同特征的重要程度,引导分类网络重点关注对分类结果贡献大的特征,弱化对分类结果贡献小的特征,提高神经网络的学习效率。针对MSTAR数据集和实测车辆数据集的实验结果表明,该算法的准确率高于传统的卷积神经网络和胶囊网络算法。 相似文献
7.
高分四号（GF-4）卫星是目前世界上分辨率最高的静止轨道光学遥感卫星,它具有高时间分辨率、高空间分辨率和大成像幅宽等优点,可对指定区域进行连续观测。提出一种适用于GF-4卫星光学遥感图像的多运动舰船检测方法。首先,对遥感图像进行中值滤波去噪和非线性灰度拉伸;然后,通过谱残差法提取显著图;最后,使用基于加权Dempster-Shafer证据理论的图像融合方法对显著图进行融合处理后,进行舰船检测。GF-4卫星遥感图像真实数据的实验表明,本文所提方法能够对GF-4卫星光学遥感图像进行快速、准确的多运动舰船检测。 相似文献
8.
《安徽职业技术学院学报》2019,(2):12-15
在对交通标志识别系统分析的基础上,提出了交通标志检测与识别的方案。系统对采集到的图像灰度化、平滑处理后进行归一化操作,并统一图像尺寸大小,方便特征提取。把处理好的图像进行特征分割,利用HOG算法进行特征提取,采用SVM风险算法,训练数据库实现交通标志有效、自动、快速的分类。最后,采用MATLAB进行图像识别仿真,结果表明,该算法能准确识别检测出标志,并且在保证实时性的前提下,准确率较高。 相似文献
9.
传统遥感卫星图像处理采用在地面进行目标检测和跟踪处理的模式，卫星将拍摄到的图像数据下传至地面数据处理中心，由地面数据处理系统对接收到的遥感图像数据进行目标检测和跟踪。然而，随着遥感图像分辨率的不断提高，需要下传的数据量增大，导致星地数据传输的时间大大增加，最终造成目标检测和跟踪的时效性降低。针对上述问题，提出一种基于多特征量判别的Canny边缘检测和联合概率数据关联的在轨海上多运动舰船目标检测和跟踪方法。将该方法利用中国科学院微小卫星创新研究院的高分微纳卫星实测数据在模拟星载的嵌入式开发平台上进行验证，结果表明该方法能够在轨对海上多运动舰船目标进行快速、准确的检测和跟踪。 相似文献
10.
为了从轿车图像中快速、准确地识别出轿车车型,采用支持向量机(Support Vector Machine,SVM)方法作为分类器,以轿车的长、宽、高和轴距等4个特征参数作为输入特征向量,并根据这些特征向量对不同车型进行分类和识别.实验结果表明,对11个品牌15种车型的识别准确率达100％.本研究表明,在正确选取轿车的特... 相似文献
11.
基于深度学习方法的建筑物自动提取具有精度高、速度快的技术特点,对城市规划、防灾减灾等的行业应用具有重要意义。针对高分辨率遥感影像建筑物自动提取,引入深度学习特征功能模块和传统遥感应用技术验证环节,形成不同骨架模块、UNet++网络和真实性检验的建筑物遥感提取功能模块嵌合的深度学习业务化应用技术体系,通过VGG、ResNet和Inception等传统卷积网络模型骨架对基础网络进行改造,提升模型运行效率,强化模型特征学习能力,通过真实性检验验证算法的有效性、适用性,展示完整的遥感应用技术链条。以Mnih公开的马萨诸塞州建筑物数据集为数据源,和传统非全卷积网络模型和全卷积网络模型等方法进行对比分析,结果表明通过增加模型深度和宽度可以有效提升模型建筑物提取效果,基于InceptionV3-UNet++骨架模型在召回率、准确度、CSI、F1分数、Kappa系数和总精度表现最为优秀,分别达到85.14%、90.50%、0.7816、0.8774、0.8504和95.57%,并在WHU数据集上验证了它的鲁棒性。该方法在建筑物提取结果和细节上都有显著提高,特别是对复杂不规则建筑物的提取上,将极大促进真实、复杂、大场景高分辨率影像的建筑物提取遥感应用。 相似文献
12.
在极化合成孔径雷达（PolSAR）地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络（low-rank-reconstruction-net,LRR-Net）,应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。 相似文献
13.
为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。 相似文献
14.
为寻求一种简便的船舶运动模型辨识方法,根据船舶动力学与运动学基本方程的结构形式,建立一种基于Elman神经网络的辨识模型,给出网络结构的选取和确定方法.以载质量为5万t的散货船为例,利用国际海事组织要求的几个典型的船舶操纵试验数据对网络进行训练,计算权值矩阵,获得该船舶可用于船舶操纵性分析的神经网络模型.将网络计算结果代入船舶运动学方程进行船舶航迹仿真,并与试验航迹数据进行对比,验证网络模型的精确性.比较仿真验证结果和试验数据可知,该网络模型能基本反映被辨识船舶的动态特性,验证其有效性和准确性. 相似文献
15.
当前，基于时序特征提取的农作物遥感分类方法需要较多先验知识及人工干预，难以自动化，且易因忽略部分有效特征而导致精度降低。针对这些问题，提出基于时序光谱重构的卷积神经网络农作物分类法。为充分利用时间序列多光谱中丰富的作物物候与多光谱信息，对每个地面像元构造以时间维为纵轴、光谱维为横轴的时序光谱图，采用Adam梯度下降法与Dropout 40%连接率优化后的卷积神经网络对时序光谱图进行分类。对比实验结果表明，该方法可有效减少“椒盐”噪声的产生，且地块边界轮廓线清晰，总体分类精度达到95.12%，高于时间序列多光谱+随机森林（88.58%）、时间序列NDVI+随机森林（90.25%）、时间序列NDVI+卷积神经网络（91.79%）等对照实验组；对于“异物同谱”现象明显的春玉米与番茄，该方法的F1-score分别达到95.9%与89.9%，相比各对照组均有较大幅度的提高。该研究结果可为遥感农作物的自动化精细制图提供参考。 相似文献
16.
为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。 相似文献
17.
人体解析针对图像中人体不同部位进行语义分割，是近年来计算机视觉领域中的一个重要研究课题。不同于场景中的一般物体，人具有高度的结构化特征，并存在复杂的姿态变化和衣物遮挡情况。针对这一任务，提出一种基于卷积神经网络的层次化标签结构的人体解析方法。首先对精细的标签按照类别进行不同程度的合并，获得多个层级的解析图；然后改进具有金字塔特征抽取结构的卷积神经网络，使用解析图对金字塔不同层级的特征进行监督；最后将所有层级特征进行融合得到解析结果。在人体解析数据集LIP上的实验验证，与当前通用的语义分割算法相比，该算法可获得更高的人体解析准确性并改善了图像的分割效果。 相似文献
18.
为克服传统船舶水尺刻度识别方法的不足,提出一种基于图像处理的自动识别方法.首先对船舶水尺图像进行二值化等预处理,采用结构特征提取算法检测图像中船舶水尺刻度的三叉点特征.三叉点特征从细化处理后的图像上提取,是图像中多个彼此相邻的同类特征点的集合.利用三叉点的位置特征构造图像的特征模板;利用模板匹配方法实现船舶水尺刻度的自动识别.该方法可有效解决采集的船舶水尺数字图像与特征模板尺寸不一致的问题. 相似文献