共查询到17条相似文献,搜索用时 46 毫秒
1.
2.
3.
舰船目标检测是进行海洋环境监管,保障海上权益的重要手段。基于深度学习的目标检测算法能在复杂环境下保持良好性能,为测试不同深度学习目标检测算法在舰船检测中的效果,本文构建了一个包含3893张图像的数据集,涵盖了复杂背景下不同类型的舰船,基于此数据集分别采用Faster RCNN、SSD、RetinaNet、YOLOv3、YOLOv4算法进行实验,结果表明,YOLOv4 、YOLOv3、RetinaNet、Faster RCNN平均精度均在83%以上,其中YOLOv4最高达到91.77%,Faster RCNN误检较多,而SSD平均精度最低,只有79.23%,总的舰船检测数目偏少。将5种模型训练结果在高分二号影像上进行测试,得到较好的检测效果,对舰船检测未来理论研究的开展具有一定的指导意义。 相似文献
4.
本文基于海浪波折射现象和浅水波理论,提出了一种基于单景高分辨率光学遥感影像的浅海地形提取方法。首先,基于浅水波理论推导出适用于浅海区域的水深与海浪波长、频率的定量关系,针对近岸光学遥感图像复杂的海浪特征,讨论了两种海浪波长提取方法,即FFT方法和剖面线法。然后提出了基于长距离波长波动分析的海浪频率计算方法,解决了单景遥感影像的波浪频率计算难题。最后,利用单景QuickBird高分辨率光学遥感影像,以海南岛三亚湾为研究区域进行了应用实验,结果表明,对12m以浅的浅海区域,在不需要任何辅助参数的情况下,反演获得了浅海地形(DEM),经与1:25000比例尺海图的水深对比验证,地形趋势吻合良好,反演水深的均方根误差为1.07m,相对水深误差为16.2%,表明该方法适合于浅海水下地形的提取,且具有无需实测水深数据和环境参数的支持的优点。 相似文献
5.
6.
7.
8.
油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。 相似文献
9.
针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。 相似文献
10.
针对热红外遥感图像由于低对比度、条带噪声、低空间分辨率等特点而导致的检测效果不佳问题,提出了一种近岸舰船目标尺度自适应选择分层多阈值检测方法。采用舰船模板图像尺度归一化高斯拉普拉斯函数取极大值准则进行尺度自适应选择,利用所选的高斯多尺度空间差分多阈值筛选进行近岸舰船检测,并根据不同类型舰船模板图像尺度和分块数选择对热红外图像舰船目标检测的影响进行验证实验。实验结果表明:所提方法能根据模板尺度特征滤除相似区域,通过设置合理尺度和阈值参数能实现有效检测,且具有一定的抗噪能力。 相似文献
11.
12.
13.
在人类活动和自然环境的影响下,海岸带长期处于变化状态,准确提取和实时监测海岸线变化对我国海岸带的利用与开发具有重要意义。文章利用Landsat TM遥感图像和ERDAS IMAGINE遥感图像处理软件的监督分类和图像增强方法,提出两种海岸线获取方法,完成海岸线的自动提取,实现海岸带的大面积同步和动态监测。 相似文献
14.
椒盐噪声是常见的图像噪声,典型的图像平滑算法不能区分海岸带高分辨率遥感图像中的噪声点和信号点,常造成图像平滑后海岸线等细节损失。提出先识别噪声点再进行去噪的新方法,通过统计关联参数用双阈值识别噪声,然后用中心权值为零的模板平滑噪声点。实验表明,该方法在滤除椒盐噪声的同时,较好地保持了海岸线等细节。 相似文献
15.
16.