基于多尺度特征融合的遥感影像目标检测

提出基于多尺度特征融合的遥感影像目标检测方法,本文利用选择性搜索算法对原始数据进行滤波处理和二值化处理,提取遥感影像目标区域图像数据,采用RBM技术获取遥感影像目标的语义特征和细节特征,在此基础上,建立融合网络,对影像目标的语义特征和细节特征进行变形卷积操作和池化操作,将目标的语义特征和细节特征进行多尺度融合,获取目标的深度特征,进而定位遥感影像目标。实验证明,设计方法遥感影像目标检测时间短,可以快速检测到遥感影像目标。

一种结合地理知识的遥感影像目标实体关联方法

遥感影像目标识别技术已广泛应用于目标动态监测与定位等领域。但影像目标识别的结果缺乏与目标属性信息的链接,导致分析人员只能依据影像特征进行分析,难以进行更复杂的目标数据关联分析与挖掘。针对遥感影像目标识别语义属性信息缺失的问题,本文利用知识图谱相关技术将影像判别的目标信息与知识语义网链接。首先,提出了一种遥感影像目标知识图谱构建框架;其次,针对遥感影像目标不同的数据类型,构建遥感影像目标知识抽取模型,提出了基于相似度目标实体识别和预定义模式的关系抽取方法;然后,基于多特征Logistic模型的影像目标实体链接方法,实现了遥感影像目标实体与百科知识库的知识关联;最后,针对预定试验区域进行试验,验证了本文方法的可行性。

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。

危险理论与影像目标检测

探讨了危险理论与影像目标检测的内在联系,用危险理论解释了影像目标检测的整个过程,并提出了一种面向影像目标检测的危险模型。该模型将目标检测的过程视为一种生物免疫系统检测危险抗原的过程,其中兴趣目标被视为"危险抗原",目标检测器被视为一种"抗原提呈细胞"。通过高分辨率遥感影像车辆目标检测实验,说明了危险理论在影像目标检测中应用的有效性和可行性。

一种新型红外影像假目标的可行性分析

探讨一种利用CO2激光器生成新型红外影像假目标的方法,阐述了新型红外影像假目标的组成和基本工作原理,分析了利用CO2激光器生成新型红外影像假目标的可行性,为研制对抗红外成像侦察和制导的假目标提供了一种新的技术途径。

面向遥感影像感兴趣目标的剖分表达

为了高效地表达遥感影像中感兴趣目标,提出了基于地图分幅拓展EMD剖分面片聚合的遥感影像感兴趣目标剖分表达模型以及相应的剖分表达原则和剖分表达流程,设计了基于感兴趣目标剖分表达模型的线状和面状目标边界表达算法、面状目标的行扫描算法和剖分面片聚合算法等.模拟验证结果表明:基于EMD遥感影像感兴趣目标剖分表达模型可有效地对影像中的目标进行表达,且表达感兴趣目标的剖分面片个数越多,剖分面片聚合层级越大,目标剖分面片的压缩效果越好.

单影像运动目标六维参数测量方法

为了得到目标的6维空间参数,一般需要采用两台或多台摄像机在不同的位置同时拍摄,得到具有一定视差的立体像对,通过交会计算得到目标空间参数。本文通过对经典的摄影测量共线方程进行改化,将待解算参数作为方程参数,得到扩展的共线方程。当刚体目标上有3个或以上坐标已知的参考标志点时,利用单幅影像就可以得到目标的6维空间参数。由于需要的摄像机少,该技术方法可以应用到不允许安装过多摄像机的场合,如飞行试验、航空器件对接等,并且能节省一半的人力和物力,具有较好的经济效益。

空间特征在遥感影像分析中的应用

本文基于神经系统科学有关“特征”的研究成果 ,对“空间特征”的定义及其在高空间分辨率遥感影像目标识别与分类中的应用进行了研究。研究表明 ,空间特征包括空间原始特征、空间功能特征两种类型 ,其中 ,空间原始特征是对空间实体组成要素特性的反映 ,是有关空间实体的识别特征 (说明“是什么”) ,而空间功能特征则是空间实体的功能性分类标志 ,是有关空间实体的分类特征 (说明“干什么”)。文章还具体结合一个基于高空间分辨率遥感影像对机场目标进行识别与分类的实验 ,对有关结论做进一步的阐释。

三维景像目标的实时处理与识别技术研究

现代图像处理技术已发展成为包含计算机图像处理、光学图像处理及光电混合处理的综合性技术。三维景像目标的实时处理与识别技术离不开光学处理和数字处理的有机结合,它用光学处理的方式快速实现成像变换和相关等运算量极大的运算,用计算机灵活、精确地完成控制、分析和判断的任务。

影像地图编制中图幅的自动拼接与裁切--以《苏州市影像地图集》的编制为例

影像图幅的拼接与裁切是影像地图编制中的一个重要环节,其目的是获得一幅完整的表示某一制图范围的基础影像底图。本文首先分析了传统方法的不足,然后提出了一种简单的自动拼接与裁切方法,该方法能方便地处理任意多幅源影像的拼接与裁切问题,有效地提高拼接与裁切的效率与质量。

基于深度图的影像密集匹配算法的改进

针对基于深度图的序列影像在密集匹配过程中存在目标影像选取的准确度低、深度图迭代次数过多的问题,提出了一种基于深度图的序列影像密集匹配算法的改进方法。该方法首先用阶跃函数分别表示参考影像和待选取的目标影像在匹配点处的同名光线的夹角和影像尺度变化的比值,然后以影像上的匹配点为种子点,在影像层面上构建delaunay三角网,内插出其余像素的深度值和法线方向,初始化参考影像的深度图和法线方向图,最终采用双目视觉立体算法实现影像的密集匹配。实验结果表明:改进后的算法在计算影像深度图时针对不同的场景计算效率分别提高53.08%和25.18%,同时,点云的错误率也分别降低了0.6%和1.3%。

多源遥感影像深度识别模型对抗攻击鲁棒性评估

基于深度神经网络的多源遥感影像目标识别系统已逐步在空天遥感情报侦察、无人作战自主环境认知、多模复合末制导等多个军事场景中广泛应用。然而,由于深度学习理论上的不完备性、深度神经网络结构设计工程上的强复用性、以及多源成像识别系统在复杂电磁环境中易受到各类干扰等多因素的影响,使得现有识别系统在对抗攻击鲁棒性方面评估不足,存在极大安全隐患。本文首先从深度学习理论不完备性和识别系统攻击样式两个方面分析了潜在安全风险,并重点介绍了深度识别模型对抗样本攻击基本原理和典型方法。其次,针对光学遥感影像和SAR遥感影像两类典型数据形式,从鲁棒正确识别率和对抗攻击可解释性两个方面开展多源遥感影像深度识别模型对抗攻击鲁棒性评估,覆盖了9类常见深度识别网络架构和7类典型对抗样本攻击方法,验证了现有深度识别模型对抗攻击鲁棒性普遍不足的问题,分析了对抗样本与正常样本的多隐层特征激活差异,为下一步设计对抗样本检测算法和提升模型对抗鲁棒性提供参考。

时间序列InSAR技术辅助下的北京市高速公路网沉降监测应用

利用高分辨率Terra SAR-X影像,通过多主影像相干目标小基线干涉技术(MCTSB-In SAR)获取了北京市主城区2011—2015年的地表形变信息;通过建立缓冲区,提取并分析了北京市12条高速公路及一条快速公路的沉降现状;在高速公路沉降信息的基础上对机场第二高速进行了路面平整度分析。利用水准测量数据验证了监测结果,精度达4.6 mm/a,表明MCTSB-In SAR技术不仅可以快速监测出大区域高速公路交通网络的地表沉降,而且监测精度较高。

天津市地铁线不均匀地表沉降InSAR监测

针对道路路面的高相干点目标密度较低问题,根据路面的雷达后向散射特性,提出了用于高相干点目标和高相干分布式目标联合提取的"三阈值二级探测法"。通过对COSMO-SkyMed高分卫星数据多主影像相干目标小基线干涉技术处理和线目标空间缓冲区分析,获取了天津地铁沿线的高相干目标及其沉降信息,分析了主要影响路段。基于相同时段的153个水准点数据,对提取的大区域地表沉降信息进行验证。定量分析与实验结果表明:"三阈值二级探测法"适用于提取地铁沿线的高相干目标;改进MCTSB-InSAR的大区域地表沉降值与153个水准点数据差值的标准差为5.4mm/year,精度很高;基于高分率SAR影像的改进MCTSB-InSAR在地铁线路地表沉降监测方面具有极大的应用潜力。

一种监测东营油田地表形变的方法

针对传统永久散射方法和相干目标法干涉图相位解缠的不足,该文提出了一种改进的多主影像相干目标小基线干涉方法。采用融合永久散射方法和相干目标法的优点,较好地平衡了失相干因素的去相干性与干涉目标点之间的矛盾,利用较小的数据集实现地表形变反演;基于14景COSMO-SKYMED雷达影像,采用多主影像相干目标小基线干涉方法提取地表形变信息。基于水准数据验证后的实验结果表明:所提方法不仅可以准确快速地监测出地表沉降区,而且监测精度较高,研究结果可以应用于城市形变监测、地震、滑坡等领域。