遥感影像目标的尺度特征卷积神经网络识别法

• Published in: Ce hui xue bao Vol. 48; no. 10; pp. 1285 - 1295
• Main Authors: 董志鹏, 王密, 李德仁, 王艳丽, 张致齐
• Format: Journal Article
• Language: Chinese; English
• Published: Beijing Surveying and Mapping Press 01.10.2019; 武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉,430079%武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉 430079; 地球空间信息协同创新中心,湖北 武汉 430079
• Subjects: Algorithms; Artificial neural networks; High resolution; Image processing; Meteorological satellites; Neural networks; Object recognition; Remote sensing; Spatial discrimination; Spatial resolution; 高分辨率遥感影像; 卷积神经网络; 深度学习; 目标尺度; 目标检测与识别
• ISSN: 1001-1595; 1001-1595
• DOI: 10.11947/j.AGCS.2019.20180393

高分辨率遥感影像的目标检测与识别，是高分对地观测系统中影像信息自动提取及分析理解的重要内容。针对传统影像目标检测与识别算法中人工设计特征稳健性与普适性差的问题，本文提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别方法。首先通过统计遥感影像目标的尺度范围，获得卷积神经网络训练与测试过程中目标感兴趣区域合适的尺度大小。然后根据目标感兴趣区域合适的尺度，提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别架构。通过WHU-RSone数据集对本文卷积神经网络架构与Faster-RCNN架构对比测试验证。试验结果表明，本文架构ZF模型和本文架构VGG-16模型的mean average precision（mAP）分别比Faster-RCNN ZF模型和Faster-RCNN VGG-16模型提高8.17%和8.31%，本文卷积神经网络架构可获得良好的影像目标检测与识别效果。