注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 遥感目标检测

  2. 可以很好的检测出遥感图像的潜在目标区域 采用双阈值CFAR

  3. 所属分类：教育

    • 发布日期：2013-08-25
    • 文件大小：866byte
    • 提供者：u011396772

  1. 基于深度学习的高分辨率遥感影像目标检测

  2. 传统的目标检测识别方法难以适应海量高分辨率遥感影像数据，需要寻求一种能够自动从海量影像数据中学习最有效特征的方法，充分复挖掘数据之间的关联。本文针对海量高分辨率遥感影像数据下典型目标的检测识别，提出一种分层的深度学习模型，通过设定特定意义的分层方法建立目标语义表征及上下文约束表征，以实现高精度目标检测。通过对高分遥感影像目标检测的试验，证明了该方法的有效性。

  3. 所属分类：深度学习

    • 发布日期：2020-03-20
    • 文件大小：487kb
    • 提供者：Dan510275

  1. MF.zip（高光谱目标检测的算法）

  2. 高光谱目标检测的算法，高光谱遥感图像不仅包含了物体的空间信息，而且还包含了物体的光谱信息，其中的每个像素都包含一个近似连续的光谱曲线。高光谱图像中同一波段的所有像素可以形成二维图像，每个像素也包含一条光谱曲线，因此高光谱图像数据可视为三维数据，包含丰富的光谱信息。高光谱图像光谱分辨率较高，可以通过光谱特性区分不同地物的材质，可以解决许多原来利用全色图像、多光谱图像不能解决的问题，例如识别军事伪装，地下工事，进行资源探测，环境监测等，因此高光谱图像目标检测在军事和民用方面都有重要的应用价值。

  3. 所属分类：医疗

  1. 基于激活语义的多尺度单发探测器的遥感影像地理空间目标检测

  2. 基于激活语义的多尺度单发探测器的遥感影像地理空间目标检测

  3. 所属分类：其它

  1. 基于逐波段处理的高光谱图像实时目标检测

  2. 高光谱遥感图像实时目标检测对于实际应用具有十分重要的意义。针对目标和背景光谱均已知的高光谱遥感图像实时目标检测的问题,在正交子空间投影算法的基础上,利用矩阵分析理论,推导出逐波段处理的实时正交子空间投影算法,加强了原算法的实时处理能力。通过真实图像的实验结果表明,逐波段处理算法具有在实时性基础上提前结束检测过程从而减少目标检测过程所需时间的能力,并且具有数据存储空间和算法运算时间上的优越性。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：508kb
    • 提供者：weixin_38563552

  1. 基于Hough森林算法的遥感影像目标检测

  2. 基于Hough森林算法的遥感影像目标检测

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：416kb
    • 提供者：weixin_38639089

  1. 基于密集连接网络的遥感图像检测方法

  2. 针对传统遥感图像检测算法中人为干预多、速度慢、检测精度低等问题,提出一种基于深度学习的遥感图像检测方法。采用密集连接的网络结构,充分利用每层网络提取的特征,减少网络推理时间;采用具有更大感受野的扩张块结构;使用扩张块结构和反卷积网络结构将浅层特征图和深层特征图进行信息融合,从而增强遥感图像中多尺度目标的检测能力。实验结果表明,该检测方法具有更高的准确率和更短的检测时间,尤其在小目标物体的检测上表现出更好的性能。

  3. 所属分类：其它

  1. 红外扫描过采样系统点目标检测性能分析与仿真

  2. 过采样是为提高遥感扫描图像分辨率而提出的一种新的成像体制，为将其应用于红外搜索与跟踪系统，需研究过采样对系统点目标检测性能的影响。从扫描成像原理角度对比分析常规采样和过采样的特点；基于高分辨率图像退化方式给出扫描图像仿真方法；通过仿真扫描图像进行单帧目标检测处理，对比分析两种采样体制下的系统点目标检测性能。结果表明，在相同条件下，过采样系统点目标检测性能优于常规采样；常规采样扫描图像中目标一般呈现1×1点状，而过采样扫描图像中目标呈现斑点状，利用该特性可进一步提升过采样系统目标检测性能。

  3. 所属分类：其它

  1. 改进的SSD算法及其对遥感影像小目标检测性能的分析

  2. 针对以Faster R-CNN为代表的基于候选框方式的遥感影像目标检测方法检测速度慢,而现有SSD算法在小目标检测中性能低的问题,提出一种改进的SSD算法,综合利用现有基于候选框方式和一体化检测方式的优势,提升检测性能。该算法利用密集连接网络替换原有的VGGNet作为骨干网络,并且在密集连接模块之间构建特征金字塔,代替原有多尺度特征图。为验证所提算法的精度及性能,设计样本数据在线采集系统,并采集飞机及运动场目标样本集作为实验样本,通过对改进SSD算法的训练,验证了其网络结构的稳定性,在无迁移学习

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：15mb
    • 提供者：weixin_38658982

  1. 自适应旋转区域生成网络的遥感图像舰船目标检测

  2. 针对遥感图像中舰船形状狭长、分布杂乱等特性导致检测难度增大的问题,提出了一种基于快速区域卷积神经网络(Faster R-CNN)的舰船目标检测方法。采用双路网络提取舰船目标特征,为了使特征图充分融合底层细节信息和高层语义信息,用多尺度融合特征金字塔网络(MFPN)进行特征融合;在候选框生成阶段,提出了自适应旋转区域生成网络(AR-RPN),集中在目标中心位置生成旋转锚框,以高效获取优质的候选框。为了提升网络对舰船目标的检测率,结合改进的损失函数对网络进行优化。在HRSC2016和DOTA舰船数据

  3. 所属分类：其它

  1. 背景高斯化的遥感图像目标检测

  2. 在假设单一地表遥感图像灰度起伏符合马尔可夫模型的条件下,得到了理想单一地表灰度起伏符合高斯分布的结果。将这一结果应用于遥感图像的目标检测,提出了一种新的基于背景高斯化的遥感图像目标检测方法。该方法首先将遥感图像进行高斯化处理,将其作为近似理想背景,然后将原图像与高斯化背景做差得到残差图,进而对残差图进行目标检测。由于目标本身的信息远离背景高斯化模型,因此在背景消减的过程中,目标信息得到了很好的保持,比在原图上进行目标检测性能得到了很大的提高。实验结果进一步验证了算法具有很好的检测性能。

  3. 所属分类：其它

  1. OpticalRemoteSensing-Detection：光学遥感中的目标检测:globe_showing_Europe-Africa::satellite:-源码

  2. 光学遥感检测 光学遥感中的目标检测 :globe_showing_Europe-Africa: :satellite: 喀山联邦大学的课程工作

  3. 所属分类：其它

  1. 基于深度学习的高分辨率遥感影像目标检测

  2. 基于深度学习的高分辨率遥感影像目标检测

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：555kb
    • 提供者：weixin_38500948

  1. 基于自适应参数支持向量机的高光谱遥感图像小目标检测

  2. 针对高光谱遥感图像的小目标检测问题，提出了一种基于自适应参数支持向量机(SVM)的检测方法。采用主成分分析(PCA)法对高光谱遥感图像进行降维，降低数据冗余度；之后通过无监督检测方法对小目标进行快速、粗糙定位，并将该定位结果作为后验信息输入到SVM中；依据后验信息与核空间散度准则自适应确定SVM中核函数的参数，并使用SVM 在核空间中寻找分离目标和背景的最佳超平面；利用该超平面将像元重新分类为背景和目标，并且迭代上述操作，得到精确且稳定的目标检测结果。大量实验结果表明，与经典RX方法、核RX方法

  3. 所属分类：其它

  1. 基于支持向量数据描述的高光谱图像目标检测

  2. 高光谱图像目标检测具有重要的理论研究价值和应用前景，是遥感信息处理领域中的一个热点课题。当前大部分检测算法需要设置一个合适的判决阈值，这个阈值是由人工设置或利用目标与背景信息进行计算得到的。实际中对背景的先验知识往往很少，这限制了很多算法的应用。针对这一问题，提出了一种新的纯像素目标检测算法——基于支持向量数据描述(SVDD)的高光谱图像目标检测算法，把目标检测问题转化为了单值分类问题。首先训练SVDD分类器，然后对数据进行类内(目标)和类外(背景)的分类，对分类的图像再利用目标的空间特征降低虚

  3. 所属分类：其它

  1. 联合连续学习的残差网络遥感影像机场目标检测方法

  2. 在现有的高分辨率、大尺度目标遥感图像的检测中,传统方法由于提取特征手段单一、速度慢而无法快速并准确地从光学遥感影像中实现机场目标的识别。受人类视觉系统层次认知的启发,提出了一种适用于中高分辨率光学遥感影像的机场目标检测网络(CLRNet)。首先构建深度残差块,并将其作为特征提取网络;然后基于生成的样本核心集,采用连续学习方式从海量遥感数据中逐次迭代,精调机场检测模型;经过连续学习得到了鲁棒性强、遗忘度低的检测模型,该模型可以准确快速地从海量复杂背景下的光学遥感影像中识别出机场目标,而且对薄云遮挡

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：23mb
    • 提供者：weixin_38670297

  1. 基于神经网络的高分辨率快速目标检测方法

  2. 随着航天技术的发展，对快速、准确检测高分辨率遥感图像中各类目标的技术要求越来越迫切；近年来，人工智能技术发展迅速，卷积神经网络（CNN）得到广泛的研究和应用。针对目前航天技术的要求，提出一种基于Faster R-CNN网络的遥感图像快速目标检测方法，利用深度学习网络自主提取图像特征的优点，降低了人工提取特征不能充分描述图像信息的不足，解决了特征提取鲁棒性和智能化不足的问题。利用2 000张图片作为训练数据，实现了飞机目标95%、海面背景下舰船目标85%的检测准确率，相比于单词模型和DPM模型平均

  3. 所属分类：其它

  1. 基于ResNet的遥感图像飞机目标检测新方法

  2. 针对遥感影像中目标方向、目标大小、拍摄角度及场景的多样性导致飞机目标检测精度不高的问题，提出一种基于残差网络（ResNet）的目标检测新方法。首先采集并且标注遥感图像数据，这些数据包含了晴天、薄雾等多种气候条件下的遥感影像；然后构建图形金字塔和模板金字塔进行多尺度检测，并且加入残差网络的全卷积网络结构中不同层的上下文特征信息；最后通过拟合回归进行端到端的训练，得出鲁棒性强，精度高的目标检测网络模型。实验结果表明，该网络模型对于较复杂背景等干扰有较强的鲁棒性，检测精度高达89.5%。

  3. 所属分类：其它

  1. 基于改进旋转区域生成网络的遥感图像目标检测

  2. 为了实现遥感图像中目标的快速准确检测,解决遥感图像目标带有旋转角度的问题,在卷积神经网络理论的基础上,将旋转区域网络生成融入到Faster R-CNN网络中,提出了一种基于Faster R-CNN改进的遥感图像目标检测方法。相对于主流目标检测方法,本文算法针对遥感图像中的大多数目标都具有方向性不定且相对聚集的特点,在区域候选网络中加入了旋转因子,以便能够生成任意方向的候选区域;同时,在网络的全连接层之前增加一个卷积层,以降低其特征图参数,增强分类器的性能,避免出现过拟合。将本文算法与几种主流目标

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：15mb
    • 提供者：weixin_38692100

  1. 基于卷积神经网络的遥感图像目标检测

  2. 针对遥感图像中的目标检测问题，采用基于卷积神经网络的目标检测框架对目标进行提取，针对该网络制作了包含三类遥感图像中常见目标的目标检测数据集。为了解决遥感图像目标旋转角度较大的问题，将空间变换网络融入超快区域卷积神经网络，提出了一种具有旋转不变性自学习能力的目标检测模型。通过与传统的目标检测方法进行对比分析，探究了不同方法对遥感图像目标检测的实际效果。相对于传统的目标检测方法，融合了空间变换网络的卷积神经网络所提取的特征具有更好的旋转不变特性，从而能够达到更高的检测精度。

  3. 所属分类：其它

« 12 3 4 »