改进的热红外图像降尺度模型及应用

采用4种不同的地表特征因子及其组合,使用三层分解模型对研究区地表温度进行降尺度实验。实验结果表明:1)使用多地表特征因子组合的三层分解模型获得的降尺度精度高于使用单因子获得的降尺度精度,均方根误差由0.813 K提高到0.763 K,降尺度结果的误差主要集中在建筑区域;2)采用热场强度指数和热场变异指数作为评价指标,研究城市热岛效应,两种评价指标均表明多因子模型的精度优于单因子模型的精度。

基于改进的Faster R-CNN船舶目标检测算法

为了提髙船舶目标的检测率和效率,提出了一种改进的基于区域的快速卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)船舶目标检测方法。采用图像降尺度方法,旨在增强船舶图像的有用信息;采用场景窄化方法将目标区域定位网络和FasterR-CNN卷积神经网络构建成一个层级窄化网络,旨在降低目标检测搜索尺度,从而提高Faster R-CNN的计算速度;研究具有主题窄化功能的Faster R-CNN,选择纹理特征和空间差异特征作为窄化子网络,旨在实现主网与子网间深度协作的功能,优化网络参数.试验结果表明:该方法在提高FasterR-CNN算法检测精度的同时,显著地缩短了检测时间.