基于Faster R-CNN的卫星图像污水处理厂识别

针对卫星图像中污水处理厂目标识别性能低的问题,提出了更快速区域卷积神经网络(Faster R-CNN)和工艺环节相结合的方法,检测污水处理厂、生化池和污泥泵房目标。在污水处理厂识别过程中,使用数据扩充技术、引入负样本等方法来扩充训练集样本;选用ZFNet、VGG和ResNet三种神经网络进行特征提取,采用Faster R-CNN方法训练目标检测模型,同时根据图像检出的工艺环节与污水处理厂之间的从属关系,过滤掉孤立的污水处理厂目标和工艺环节目标,提升污水处理厂的目标识别性能。实验结果表明,结合ResNet、Faster R-CNN和工艺环节方法的识别效果最好,相较于ResNet结合Faster R-CNN方法:准确率可以达到79.68%,提升了5.92%;召回率可以达到93.45%,提升了3.32%;F-measure可以达到86.2%,提升了4.84%。实验结果表明,该方法对不同结构、不同工艺环节的污水处理厂都有不错的识别效果,能夠兼顾识别精确率和召回率。