1 内蒙古科技大学 信息工程学院, 包头 014010
2 内蒙古科技大学 内蒙古自治区模式识别与智能图像处理重点实验室, 包头 014010
3 内蒙古工业大学 信息工程学院, 呼和浩特 010051
为了提高遥感图像场景分类中特征有效利用率, 进而提高遥感影像分类精度, 采用基于双通道深度密集特征融合的遥感影像分类方法, 进行了理论分析和实验验证。首先通过构建复合密集网络模型,分别提取图像卷积层特征和全连接层特征; 然后为挖掘、利用图像深层信息, 通过视觉词袋模型将提取的深层卷积层特征进行重组编码, 捕获图像深层局部特征; 最后采用线性加权方式将局部和全局特征融合、分类。结果表明, 选用数据集UC Merced Land-Use和NWPU-RESISC45进行实验, 取得的分类精度分别为93.81%和92.62%。该方法充分利用局部特征和全局特征的互补性, 能实现图像深层信息的充分利用和表达。
图像处理 遥感图像分类 特征融合 密集网络 视觉词袋模型 image processing classification of remote sensing images feature fusion dense convolutional network bag of visual words
内蒙古科技大学信息工程学院, 内蒙古 包头 014010
针对Faster R-CNN算法检测舰船目标存在的不足,提出基于深度特征金字塔和级联检测器的舰船检测算法。先利用小目标数据增强算法对数据进行扩充,使检测模型学习足够的特征;再使用深度特征金字塔网络改进原目标检测算法的特征提取网络,抑制相干斑噪声,有效提取舰船特征;并根据合成孔径雷达(SAR)图像中舰船目标稀疏的特点使用级联结构调整网络。基于上述改进,选取舰船目标检测数据集中部分图像及2月份渤海湾的SAR图像进行实验,实验结果表明:所提算法均取得了良好的检测效果,证明了所提算法的有效性。
图像处理 目标检测 数据增强 深度特征金字塔 级联 合成孔径雷达图像 激光与光电子学进展
2020, 57(12): 121019
