复杂卫星图像中的小目标船舶识别

• 作者: 喻钧 姚红革 李蔚 王诚 白小军
• 来源期刊: 遥感学报
• 关键词: 遥感 船舶识别 复杂海情 多尺度 细粒度 深度学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 技术方法
• 页码范围: 116-125
• 页数: 10页
• 字数: 6492字
• 语种: 中文

摘要

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义.针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分.首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别.同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响.实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别.同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98％和18.17％,所训练的模型具有良好的泛化能力和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李蔚	西安工业大学工业中心	18	67	6.0	7.0
2	白小军	西安工业大学计算机科学与工程学院	31	94	4.0	8.0
4	姚红革	西安工业大学计算机科学与工程学院	23	96	6.0	8.0
5	喻钧	西安工业大学计算机科学与工程学院	50	258	8.0	14.0
6	王诚	西安工业大学计算机科学与工程学院	2	0	0.0	0.0