无人机海监测绘技术应用下舰船遥感图像目标检测

随着遥感技术与无人机技术的结合,无人机遥感已广泛应用于海监测绘领域。通过大量实践发现,受到天气雨雪、大雾、霾的影响,无人机获取舰船遥感图像时,目标识别清晰与准确度明显降低。为此,应用无人机海监测绘技术进行下舰船遥感图像目标检测。通过对遥感图像目标的明暗分离计算、海陆场景分离计算与目标神经特征识别计算,实现对舰船遥感目标的快速检测。仿真场景对提出的设计进行对比测试,结果证明了提出设计的可行性与实用性。

舰船遥感图像非线性畸变自适应校正研究

针对摄像机成像模型受非线性映射导致所获取舰船遥感图像存在的非线性畸变,根据Tsai畸变模型和Brown畸变模型构建改进处理的非线性畸变模型,通过实验场校验法解算非线性畸变模型的校正参数,实现目标坐标的校正处理,采用双线性内差值法对原始舰船遥感图像作重采样处理,获取畸变校正后的舰船遥感图像。实验结果表明:该方法可实现舰船遥感图像的非线性畸变校正,校正后畸变误差均值、畸变百分比较小。

基于改进ResNet18的遥感图像舰船目标识别

舰船作为主要的海上交通作战工具,在遥感图像中高效准确识别舰船目标具有重要研究意义。光学遥感舰船图像包含丰富的信息,但因其具有复杂度高、图像大、受天气和昼夜变化影响等特点,导致识别率较低。针对这一问题,本文通过对ResNet18进行改进,提出一种更加高效的光学遥感舰船图像分类的方法。对ResNet18网络进行了简化,降低其参数量;使用并行池化实现特征图的空间降维,在保持特征丢失较少的情况下加快网络收敛;引入多尺度卷积进行不同尺度特征信息的提取,并使用ECA注意力机制改进多尺度卷积模块与残差模块,解决分支网络支路融合时存在特征不能很好的在通道间交互的问题。在FGSCR-42数据集上进行实验,实验结果表明改进后的算法收敛速度更快,且准确率与F1-score均高达95%左右,较ResNet18网络提高了7%左右,而参数量仅有改进前的20%左右;与其他网络在舰船目标识别中的性能相比,本文方法也更加出色。

Ship detection in optical remote sensing image based on visual saliency and AdaBoost classifier

In this paper, firstly, target candidate regions are extracted by combining maximum symmetric surround saliency detection algorithm with a cellular automata dynamic evolution model. Secondly, an eigenvector independent of the ship target size is constructed by combining the shape feature with ship histogram of oriented gradient(S-HOG) feature, and the target can be recognized by Ada Boost classifier. As demonstrated in our experiments, the proposed method with the detection accuracy of over 96% outperforms the state-of-the-art method. efficiency switch and modulation.