高分辨率卫星影像车辆检测的抗体网络

将车辆检测的过程视为一种"抗体"检测"危险抗原"的过程,其中车辆是"危险抗原",车辆检测模板是"抗体"。利用一些车辆图像作为训练样本,建立一种抗体网络学习并获取一组优化的"抗体"。这些"抗体"经过与待测影像的匹配,实现对道路车辆目标的有效提取。采用0.6m分辨率的QuickBird全色数据进行实验,实验结果验证了该方法的有效性和可行性。

利用双指数函数导数模型进行高分辨率卫星影像目标检测

提出了一种从高分辨率卫星影像中检测特定目标的方法。该方法首先用一种双边滤波的方法去除图像中的噪声,然后采用形态学处理的方法对图像进行分割和特征增强,并提取兴趣区域。在目标检测阶段,设计了一种基于双指数函数导数(DODE)模型的检测算子,该算子是面向具体目标设计的,能实现稳健的目标检测。对Google Earth中的影像分别进行了车辆检测实验和船舰检测实验,结果表明,此方法能够有效准确地检测高分辨率卫星影像中的特定目标。

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。