此外,我们提出了一个目标检测模型DFENet,适用于雾天的雾天遥感图像的去雾特征增强模型。DFENet由两个分支和一个去雾模块组成。两个分支结构有助于充分学习雾天和去雾特征。为了避免去雾模块引起的噪声影响,我们还设计了一个雾预测模块(HPM)来预测图像...
一、遥感图像目标检测 1.传统的遥感图像目标检测算法 传统的遥感图像目标检测算法包括阈值分割法、形态学分析法和区域生长法。其中,阈值分割法是最为简单、直接的一种方法,它根据灰度级的阈值将图像分为目标和背景两部分。形态学分析法则是利用形态学膨胀、腐蚀等操作提取目标,其主要缺点是对于图像噪声非常敏感。区域生...
然而,目前在光学遥感图像中使用的目标检测网络没有充分利用特征金字塔的输出,因此仍有改进检测的潜力。 01 前景概要 目前,难以在检测效率和检测效果之间获得适当的平衡。我们就研究出了一种用于高分辨率光学遥感图像中目标检测的增强YOLOv5算法,利用多层特征金字塔、多检测头策略和混合注意力模块来提高光学遥感图像的目标检...
常见的卫星遥感图像目标检测算法包括基于特征的方法、基于机器学习的方法和基于深度学习的方法。 基于特征的方法是利用图像中目标物体的一些特征进行检测,如颜色、纹理、形状等。这些特征可以通过数学模型进行提取,并通过特定的分类器进行目标检测。然而,由于特征的提取和选择通常需要人工干预,这种方法存在一定的主观性和局限...
4. 均值平均精度 mAP:mAP指的是不同类别目标检测精度的均值。在检测多类目标时,计算每一个类别的 AP,然后再计算平均值,mAP 是对检测到的目标平均精度的一个综合度量。 发展问题: (1)高分辨率遥感图像中舰船目标清晰可见的同时也会存在大量云雾遮挡等情况,这也是可见光卫星影像的固有缺陷。
在遥感图像处理中,目标检测与识别算法的主要任务是从大量的遥感图像数据中自动识别和提取感兴趣的目标。这些目标可以是建筑物、道路、车辆、植被等不同类型的物体。目标检测与识别算法的准确性和高效性对于遥感图像处理的结果至关重要。 目前,遥感图像处理中常见的目标检测与识别算法包括传统的机器学习方法和深度学习方法...
城市规划中需要对城市建筑和道路等目标进行检测和定位。通过使用目标检测算法,可以自动化地识别和提取城市规划中的目标,为城市规划提供科学的数据支持。 2. 目标检测算法在农业领域中的应用 农业领域中需要对农作物的生长情况和病虫害情况进行监测。利用遥感图像和目标检测算法,可以对农田进行高效的巡查和分析,提高农业生...
实验采用DOTA训练集与验证集开展训练过程，推理图像则采用测试集.实验共分析三类不同基础网络配置的RetinaNet-R模型以及两类常用遥感目标检测方法与CIRCN在DOTA上的速度性能差异.其中，RetinaNet-R表示加入角度信息后的RetinaNet算法，三类基础网络分别为ResNet50、MobileNetV2以及DarkNet53［33］，两种遥感图像目标检测算法...
无人机(UAV)遥感图像目标检测算法是一种通过无人机拍摄的遥感图像进行目标识别和提取的技术。其主要应用于农业、林业、城市规划、水资源管理和地质勘探等领域。在实际应用中,无人机遥感图像目标检测算法最常用的方法是基于深度学习的目标检测算法。 二、无人机遥感图像目标检测算法的分类 1.基于传统图像处理方法的目标...