排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
导弹发射井是重要的遥感目标,发射井目标检测的研究对国防事业意义重大。在数据层面,由于发射井样本数量少,目前没有可用于其目标检测的有效数据集,构建有效的数据集对相关领域研究有极大价值。在算法层面,遥感图像分辨率的不同导致发射井目标呈现多尺度的特性,这是解决发射井目标检测问题的难点之一。基于以上分析,首先利用Google Earth构建首个发射井目标检测的数据集,然后针对发射井目标检测任务设计有效的检测模型。本文的模型充分融合了目标的多尺度特征和上下文的信息,并通过级联网络多阶段检测目标,有效检测出多尺度导弹发射井目标,检测效果优于目前主流的算法。 相似文献
2.
现有的高光谱图像目标检测算法大都把各个波段不加区分地对待,从而不能充分利用图像波段的物理信息。将高光谱图像按照成像机理的不同首先分为几个不同的波段范围（比如可见光、近红外、短波红外等）,并通过将高光谱图像的不同波段范围与多时相遥感数据的时相维进行对应,将最近发展的一个多时相目标检测算法——滤波张量分析（filter tensor analysis,FTA）引入高光谱目标检测中,提出一种面向单时相高光谱图像的分波段FTA算法。针对高光谱图像的实验表明,与传统的单时相目标检测算法相比,分波段FTA算法取得了很好的检测效果。 相似文献
3.
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
4.
随着遥感技术的快速发展,遥感图像得到广泛的应用,其中目标检测是遥感图像众多应用中非常重要的一个分支。目前大多数目标检测算法都是基于单时相遥感图像,对于多时相遥感数据的处理方法较少。最近发表的多时相目标检测算法有滤波张量分析,其将多重线性函数与张量相对应的关系应用于遥感图像目标检测,但该算法只能进行单目标检测,无法同时检测多个目标。本文借鉴多目标约束能量最小化算法中对于多个目标输出能量的约束和滤波张量分析中对于应用张量滤波器的思想,提出多目标滤波张量分析算法,能够在多时相遥感数据中实现同时检测多个目标。模拟和真实数据实验结果均表明,该算法可以有效地提高多时相图像中多目标检测精度。 相似文献
1