基于卫星遥感的岛礁影像多类目标智能化提取

点击图片上方蓝色字体“慧天地”即可订阅

文章转载自微信公众号中国空间科学技术，编辑：孟华珍，责编：程松涛，版权归原作者及刊载媒体所有。

引用本文

江志军, 张舒豪, 肖进胜. 基于卫星遥感的岛礁影像多类目标智能化提取[J]. 中国空间科学技术, 2021, 41(4): 127-133.

JIANG Zhijun, ZHANG Shuhao, XIAO Jinsheng. Intelligent extraction of multiple objects in island and reef images based on satellite remote sensing[J]. Chinese Space Science and Technology, 2021, 41(4): 127-133.

doi:10.16708/j.cnki.1000-758X.2021.0059

江志军１,２,张舒豪３,肖进胜３

1. 钱学森空间技术实验室，北京 100094

2. 中国航天科技集团有限公司航天系统发展研究中心，北京 100094

3. 武汉大学电子信息学院，武汉 430072

摘   要：

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点，主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet，使其适用于卫星遥感影像。首先设计了一种新的特征融合方式，融合ResNet50输出的特征图，使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响，设计了特征感知模块，在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比，飞机、船只和存储罐的平均精度分别提高了4.1%、2.5%、2.4%。基于高分二号卫星（GF-2）真实影像数据的试验结果表明，提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。

关键词:

深度学习；遥感影像；目标检测；特征融合；特征感知模块；DOTA 数据集。

结论：

本文参考RetinaNet 的结构，改进了Resnet-50 输出特征图的融合方式，充分利用了C2 中的细节纹理信息。因为遥感图像背景复杂，特征图中会存在许多噪声，这些噪声会严重影响后续分类和回归的精度。本文参考视觉注意力机制，设计了特征感知模块，减弱了特征图中的噪声对检测精度的影响。选择DOTA 数据集上的含有船只、飞机、存储罐３类目标的图像，进行训练和测试。并在DOTA 数据集和GF-２拍摄的卫星影像上进行试验。试验结果表明，改进的算法能够适用于卫星遥感岛礁影像多类目标智能化提取。但是当前的研究也存在一些不足，如没有探讨当目标紧密排列时对检测结果的影响，另外云雾干扰也会严重影响算法的检测效果。在今后的研究中，将尽可能考虑这些因素，并结合本文遥感图像目标检测方法，设计一个对云雾干扰具有鲁棒性，并且能够适用于紧密排列目标的算法。

请扫描下方二维码，查看全文：

文章链接：

http://zgkj.cast.cn/CN/10.16708/j.cnki.1000-758X.2021.0059

http://zgkj.cast.cn/CN/Y2021/V41/I4/127

点击文末“阅读原文”即可查看原文章。

内容转载、商务活动、投稿等合作请联系

微信号：huitiandi321

邮箱：[e-mail]

往期精彩推荐

《慧天地》敬告

《慧天地》公众号聚焦国内外时空信息科技前沿、行业发展动态、跨界融合趋势，探索企业核心竞争力，传播测绘地理信息文化，为测绘、地信、遥感等相关专业的同学提供日常学习、考研就业一站式服务，旨在打造政产学研用精准对接的平台。《慧天地》高度重视版权，对于原创、委托发布的稿件，会烦请作者、委托方亲自审核通过后才正式推发；对于来自网站、期刊、书籍、微博、微信公众号等媒介的稿件，会在作者栏或者文章开头显著标明出处，以表达对作者和推文引用平台版权的充分尊重和感谢；对于来源于网络作者不明的优质作品，转载时如出现侵权，请后台留言，我们会及时删除。感谢大家一直以来对《慧天地》的关注和支持！——《慧天地》运营团队

编辑：苏文学 审核：张自轩 欧雅玟

指导：万剑华教授