多层特征图信息融合的海滩小目标检测

提出一种多层特征图信息融合的海滩小目标检测方法,从上下文信息与强化特征图信息融合的角度提升小目标游客的检出率。首先,透过更全面、有效的GAM注意力机制思想结合CSP结构提出GCSAM结构,用于增强检测YOLOv5模型中主干网络跨纬度感受区,聚焦小目标特征学习;其次,在颈部融合端使用BIFPN结构优化YOLOv5网络中PANet结构,补全跨层特征信息之间的传递,使得特征图包含更多的上下文信息;最后,采用幂变换改进YOLOv5网络中CIOU_Loss为Alpha-CIOU_Loss,有效提升预测框的回归精度。实验证明,在满足实时性要求的前提下,相比于原始YOLOv5网络,文中方法在海滩小目标游客检测上查准率提升2.00%,查全率提升5.33%,平均精度均值提升4.36%。文中方法在海滩小目标游客密集、遮挡、目标更小的情况下具有更好的鲁棒性。

图像边缘权重优化的最小生成树分割提取

针对无监督图像分割方法对噪声敏感而导致图像建模困难、分割结果准确率低等问题,该文提出一种图像边缘权重优化的最小生成树分割提取方法。首先,利用L0梯度最小值平滑处理噪声再结合Otsu优化Canny边缘检测,得到更加准确的边缘信息;其次,重新设计权重函数,采用更加合理的色差空间构建加权图,通过改进分割准则优化物体合并与区分过程;最后,选择不同类型图片进行抗噪性、分割效果实验。实验结果表明:相对于其他算法,该文算法的抗噪性能优秀,分割精度平均提升5.15%,过分割率平均下降32.07%,欠分割率平均下降2.69%。将其运用在实际航空遥感图像的河道湖泊提取中,所得结果相比其他主流算法结构更加完整,无关信息更少,抗噪性能更好。