基于图像分割和密度聚类的遥感动目标分块提取

作     者：林翊钧 吴凤鸽 赵军锁 LIN Yijun;WU Fengge;ZHAO Junsuo

作者机构：中国科学院大学北京100190 中国科学院软件研究所北京100190 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2018年第44卷第12期

页      面：2510-2520页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 081002[工学-信号与信息处理] 

主　　题：遥感视频 动目标检测 候选区域提取 帧间差分 空间密度聚类 模拟退火 

摘      要：大幅宽遥感图像的动目标检测研究中,卷积神经网络虽然取得了显著效果,但算法存在目标搜索空间庞大、模型极其消耗时间及计算资源的问题,因此本文从目标区域预筛选的角度给出了针对性优化方法。首先,基于局部误差处理的策略,改进了现有的图像分割算法来粗糙地提取动目标可能存在的区域。然后,以相邻区域合并、减少总数量和面积为目的,设计了一种基于空间约束的密度聚类算法——SC-DBSCAN,其以分治思想来降低问题的规模,通过空间尺寸的先验约束自适应地将数据划分为多个相互独立的簇,并针对簇的复杂程度选择相应的合并策略,在复杂簇中,考虑到合并结果与对象遍历顺序相关,易陷入局部最优,引入基于模拟退火思想的随机扰动有效提升了输出的图像块质量。最终,通过减少模型推断次数及避免目标的重复检测,显著地改进动目标检测的整体效率。