高分辨率SAR图像道路提取综述

在遥感领域,SAR(Synthetic Aperture Radar,SAR)图像道路提取具有很高的研究意义和应用价值,特别是随着SAR成像技术的不断发展、SAR图像分辨率的逐步提高,该课题的研究更加备受关注。然而,从目前的情况看,高分辨率SAR图像的道路提取研究还不够完善,许多低分辨率SAR图像的道路提取方法在处理高分辨图像时并不适用,因此文中归纳总结了高分辨率SAR图像道路提取的一般流程,列举了一些具体的方法,同时有针对性地分析其优缺点和适用范围,指出该研究课题目前存在的主要问题,并展望其发展趋势。

一种多网络模型融合的烟雾检测方法

为降低云雾等类烟雾目标引起的烟雾检测虚警现象,提出一种多网络模型融合的烟雾检测方法。在采用VGG16网络提取烟雾细节特征的基础上,与ResNet50网络特征提取层进行融合,提取到更多细微特征,采用跳跃连接机制将图像信息传递到神经网络的更深层,避免烟雾图像重要特征的丢失,并解决因梯度消失导致的欠拟合问题。训练过程采用基于同构空间下的特征迁移学习方法,解决小样本训练难题,在新的目标检测领域进行重新训练,更有利于将网络模型融合,重新搭建全连接层输出检测结构,采用随机失活的方法,提高模型泛化能力。实验结果表明,与目前流行的深度卷积网络相比,该方法虚警率低,准确率和召回率高。