基于视觉注意机制和Hough变换融合的遥感影像油罐提取

Hough变换用于遥感影像地物提取时具有较高的精度,但其算法非常复杂,效率较低。为提高Hough变换处理效率,提出了一种融合视觉注意机制和Hough变换遥感影像提取算法,并以油罐提取为例验证其有效性。首先提取影像的视觉显著性特征图,获取油罐目标显著性区域;然后对显著性区域进行Hough变换检测,得到油罐目标。实验结果证明,该方法能大幅减少Hough变换的计算量,提高效率的同时,提取精度也较高。

基于卷积神经网络的港口储油罐目标提取

针对当前储油罐目标检测研究仅针对独立数据集,缺乏区域性检测的实际应用问题,采用一种基于卷积神经网络的嵌入掩膜分支的多阶段目标检测网络(mask multi-stage network,MMSNet)对天津港储油罐进行检测。该网络以ResNet50和特征金字塔网络(feature pyramid network,FPN)作为特征提取网络,在检测头部分设计并行的多阶段检测分支和掩膜分支。多阶段检测分支通过适配不同IoU的候选框,保证训练阶段和推理阶段拥有相似的分布特性;掩膜分支通过提取不同IoU阈值下的特征图,精确回归目标的边界位置。通过国产GF-2号卫星影像数据,提取了天津港地区的储油罐。实验表明,MMSNet网络在保证召回率为92.6%的情况下,准确率可达96.8%,为港口储油罐的快速识别提供了可能。