破译无人机原始图像的效率与情报支援的速度是密切相关的,但目前针对合成孔径图像与光学图像的自动识别算法还不够成熟,存在模型较大、识别率较低等问题。从提高模型识别率、模型轻量化入手,提出一种可以有效识别合成孔径雷达(Synthetic...破译无人机原始图像的效率与情报支援的速度是密切相关的,但目前针对合成孔径图像与光学图像的自动识别算法还不够成熟,存在模型较大、识别率较低等问题。从提高模型识别率、模型轻量化入手,提出一种可以有效识别合成孔径雷达(Synthetic Aperture Radar,SAR)图像与光学遥感图像的轻量化卷积神经网络算法。首先对残差收缩网络进行改进,构建特征提取模块,用自适应K值的一维卷积取代全连接层,并在网络中加入空间注意力,提高阈值提取效率;然后用特征提取模块构建模型,并用MSTAR(Maing and Stationany Target Acquistion and Recognition)数据集与UC Merced Land-Use Data Set、SIRI-WHU两类光学遥感图像测试模型性能,实验显示模型是有效的。展开更多
文摘破译无人机原始图像的效率与情报支援的速度是密切相关的,但目前针对合成孔径图像与光学图像的自动识别算法还不够成熟,存在模型较大、识别率较低等问题。从提高模型识别率、模型轻量化入手,提出一种可以有效识别合成孔径雷达(Synthetic Aperture Radar,SAR)图像与光学遥感图像的轻量化卷积神经网络算法。首先对残差收缩网络进行改进,构建特征提取模块,用自适应K值的一维卷积取代全连接层,并在网络中加入空间注意力,提高阈值提取效率;然后用特征提取模块构建模型,并用MSTAR(Maing and Stationany Target Acquistion and Recognition)数据集与UC Merced Land-Use Data Set、SIRI-WHU两类光学遥感图像测试模型性能,实验显示模型是有效的。