基于深度学习的红外遥感目标超分辨率检测算法
红外遥感图像受限于红外衍射极限,其分辨率普遍较低,这为红外日标的精准检测和识别带来了困难.针对此问题,提出基于深度学习的红外日标超分辨率目标识别(SROD)算法,该算法主要包括两部分:第一部分是利用WDSR(Wide Activation for Efficient and Accurate Image Super-Resolution)对红外遥感图像进行超分辨率重建,将模拟传感器下采样方式处理的红外图像作为训练集.第二部分是基于Faster RCNN的目标检测,提出多尺度特征传递网络结构,将低层特征输入区域候选网络(RPN)层,降低了弱小目标像素被简化的概率,并利用可调节非极大值抑制方法,减少了对密集目标检测框的抑制作用.将该算法应用于整幅红外遥感图像,与相同训练集的Faster RCNN相比,目标检测的准确率提升了5.33%,召回率提升了12.22%,特别是小目标的召回率提升了13.25%.
图像处理、深度学习、超分辨率、目标检测、红外遥感
58
TP391(计算技术、计算机技术)
国家重点研发计划;上海市科委项目;上海市科委项目
2021-10-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
280-288