1 光电控制技术重点实验室, 河南 洛阳 471000
2 电子信息系统复杂电磁环境效应国家重点实验室,河南 洛阳 471000
3 洛阳理工学院, 河南 洛阳 471000
在基于深度学习的SAR图像目标检测中, 为了降低SAR图像中噪声等特性对特征学习的干扰, 提高检测方法中识别和定位任务的交互性, 采用了联合任务检测方法。该方法利用联合任务网络, 使识别和定位任务在尽可能共用特征的同时保留各自的特殊性, 从而提升两个子任务对特征学习的监督能力。此外, 该方法还利用联合任务学习方法, 在锚框选择和损失函数计算中, 同时考虑识别和定位任务的可靠程度, 从而提升训练效果。公开数据集上的实验结果证明了该方法的有效性。
目标检测 深度学习 模式识别 SAR SAR target detection deep learning mode recognition
1 光电控制技术重点实验室，河南 洛阳 471000
2 南京航空航天大学航天学院，南京 210016
利用机场跑道的高灰度特征和整体性检测遥感图像中的机场跑道。首先，利用模糊增强方法进行图像预处理；接着，对图像进行阈值分割获得二值图像，用像素标记法进行连通域提取，定位4个面积最大的区域作为疑似机场区域；然后，在疑似机场区域内，对图像进行Canny边缘检测，用Hough变换提取出直线段；最后，把含有最长平行直线的区域作为机场区域。实验结果表明，机场跑道检测算法能在遥感图像中准确有效地检测出机场跑道。
机场跑道检测 遥感图像 模糊增强 图像处理 Hough变换 Canny边缘检测 airport runway detection remote sensing image fuzzy enhancement image processing Hough transform Canny edge detection
