基于全卷积神经网络的遥感图像海面目标检测

针对通常的神经网络算法在检测遥感图像海面目标时存在精确率低、漏检概率高的问题,改进了一种基于YOLOv3全卷积神经网络的遥感图像海面目标检测方法。首先根据海面目标的宽高比例,利用Kmeans++聚类算法,确定出适合于数据集的anchor box值;接着采用FPN思想进行特征融合;最后,选用GIOU作为坐标预测的损失函数,进一步优化检测结果。实验表明:文中方法在遥感图像海面目标检测中的平均精确率为90.82%,相比于其他算法平均提高了5.34%。

基于纹理合成与最佳缝合线的不同平面数码迷彩拼接方法

数码迷彩图案喷涂至实际伪装目标的表面上时,不同平面之间的衔接部分容易出现颜色过渡不连续的现象,在视觉上形成显著的接缝,进而影响目标伪装效果。针对该问题提出了一种结合纹理合成与最佳缝合线的数码迷彩拼接算法。运用纹理合成技术生成过渡自然的扩展图案,以此构造待拼接图案的伪重叠区域;在该区域内搜索一条最佳缝合线,将待拼接图案沿着缝合线裁剪并拼接在一起,从而实现了数码迷彩图案的无缝拼接。试验结果表明,提出的算法可以有效地消除数码迷彩拼接时带来的显著缝隙,使得拼接处的图案过渡更为自然,达到更好的伪装效果。