10.3969/j.issn.1000-3428.2017.01.045
基于多结构卷积神经网络的高分遥感影像飞机目标检测
传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像.针对该问题,构建一种多结构卷积神经网络模型(MSCNN)自动学习目标特征.通过改变卷积滤波器尺寸、数量以及网络层数,分别设计4种不同结构的CNN以提取目标从低层、中层到高层不同尺度的特征信息,并将4种CNN输出采用串行方式连接并输入到BP神经网络分类器进行训练.在检测阶段采用滑动窗口方法进行目标搜索.对高分辨遥感影像中飞机的检测实验结果表明,MSCNN在虚警率和召回率上较4种单一结构的CNN具有明显的检测优势,召回率平均提升6%,虚警率平均降低3%.对油罐的检测结果进一步表明,MSCNN可以推广到对遥感影像其他目标的检测.
目标检测、高分遥感影像、卷积神经网络、特征提取、多结构网络
43
TP18(自动化基础理论)
国家“973”计划项目“高分辨率遥感影像的目标特征描述与数学建模”2012CB719903;国家自然科学基金“控制理论与方法——网络系统的设计、控制与优化”61221003;国家自然科学基金青年科学基金“基于贝叶斯集成的视觉注意模型及其高分辨率影像目标快速检测研究”41101386
2017-08-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
259-267