1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 长光卫星技术有限公司吉林省卫星遥感应用技术重点实验室, 吉林 长春 130102
提出了一种基于集成卷积神经网络(CNN)的遥感影像场景分类算法。通过构建反向传播网络实现了场景图像的复杂度度量;根据图像的复杂度级别,选择CNN对图像进行分类,完成了遥感影像的场景分类。使用所提出的算法对NWPU-RESISC45公开数据集进行了实验验证,取得了89.33%(第一类实验)和92.53%(第二类实验)的分类准确率,平均运行时间为0.41 s。相比于精调训练的VGG-16模型,所提算法的分类准确率分别提升了2.19%和2.17%,预测速率提升了33%,证明了其有效性和实用性。
遥感 卷积神经网络 图像复杂度 场景分类 光学学报
2018, 38(11): 1128001
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
针对近海、内河场景中船只检测准确性低的问题,提出了一种基于短波红外遥感影像实现水体分割和船只自动检测的方法。利用水体在短波红外波段反射率低的特点,采取阈值分割和形态学处理的方法,从影像中快速准确地提取水体区域;使用视觉显著模型搜索水面目标,提取候选目标的图像切片;对可能存在的伪目标,使用灰度分布直方图描述目标切片的灰度分布特征,并结合梯度方向信息通过阈值判别的方法去除伪目标。结果表明,该方法能高效检测近海、内河中不同尺寸的船只目标;显著性检测共获得279个候选目标,经目标鉴别步骤检测出142个真实目标中的138个,虚警率小于6%,召回率大于97%。
遥感 图像处理 船只检测 短波红外 灰度分布特征 水陆分割