深度残差网络的多光谱遥感图像显著目标检测

• 作者: Fatih PORIKLI 何明一 张静 戴玉超
• 来源期刊: 测绘学报
• 学科: 工学
• 关键词: 深度残差网络 显著目标检测 光谱超分辨率 自上而下模型 遥感图像处理
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 数字摄影测量与深度学习方法
• 页码范围: 873-881
• 页数: 9页
• 分类号: TP751
• 字数: 5011字
• 语种: 中文

摘要

本文侧重于介绍智能化摄影测量深度学习的深度残差方法.显著目标检测致力于自动检测和定位图像中人最感兴趣的目标区域.多波段遥感图像因其更加丰富的光谱信息和揭示观测目标物理属性的能力在目标检测中获得重要应用.传统的显著目标检测方法通过手工设计特征,计算图像各像素或者超像素与邻域像素或者超像素之间的对比度检测显著目标.随着深度学习的巨大发展,特别是全卷积神经网络的引入,基于深度卷积网络的显著目标检测算法取得重要进步.然而,由于数据获取和标记的困难,多波段遥感图像显著目标检测的研究依然主要采用手工设计特征.本文研究基于深度卷积神经网络的多波段遥感图像显著目标检测算法,提出一种基于深度残差网络的自上而下的多光波段遥感图像显著目标检测网络,该网络可以有效挖掘深度残差网络不同层次上的显著性特征,以端对端方式实现显著目标检测.为了应对多波段遥感图像数据量有限、无法训练深度残差网络的问题,本文提出通过浅层神经网络从RGB图像直接生成多波段遥感图像,实现光谱方向的超分辨率.在现有多波段遥感图像和可见光图像显著目标检测数据集上的试验结果超过当前最好方法10％以上,验证了本文方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何明一	西北工业大学电子信息学院	122	1497	22.0	33.0
2	戴玉超	西北工业大学电子信息学院	9	103	4.0	9.0