利用卷积神经网络对GF-3输电塔的检测与分类

摘要：

高压输电塔廊道的快速、大范围监测能力对于国家能源安全战略至关重要.合成孔径雷达遥感技术以其全天时、全天候、穿透能力强等众多优势能够为区域电力基础设施监测提供稳定数据源.但由于复杂的成像机理和大量相干斑噪声的影响,SAR数据的快速智能解译存在一定的困难.为此,提出一个基于深度卷积神经网络的输电塔快速识别分类算法框架.利用我国首颗C频段多极化合成孔径雷达高分三号数据,结合目标检测网络自动标注构建RAD-GFEP输电塔数据集,然后采用基于卷积神经网络的分类算法对该样本集进行分类测试.结果 表明,基于深度卷积神经网络的分类算法能够对复杂背景场下SAR微小目标精准识别.在输电塔数据集RAD-GFEP上分类的总体精度达到了98.21％,混淆矩阵的Kappa系数值为0.972 9,该结果远远优于传统的视觉算法.研究也表明了国产星载SAR较好的成像能力和利用其进行广域输电塔发现、识别和分类的可行性,在电力基础设施规划、建设、维护和灾后评估等方面展现出了巨大的应用前景.

关键词：深度卷积神经网络、目标识别、输电塔、合成孔径雷达、高分三号

所属期刊栏目：34

分类号：TP722.6(遥感技术)

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：88-97