检索结果-南通市图书馆

结合卷积核组与位置注意力的遥感影像建筑物检测方法

在线全文

学校读者我要写书评

暂无评论

经纬天地 2024年第4期 96-100页

作者：都凯垣曲县测绘地理信息中心山西运城043700

针对高分辨率遥感影像中建筑物样本尺寸较小且分布不均,使用现有方法难以实现对建筑物目标高精度检测的问题,提出一种基于卷积核组与位置注意力的单阶段建筑物检测模型。在模型骨干网络中,使用并联卷积核组进行特征提取,同时引入位置卷... 详细信息

针对高分辨率遥感影像中建筑物样本尺寸较小且分布不均,使用现有方法难以实现对建筑物目标高精度检测的问题,提出一种基于卷积核组与位置注意力的单阶段建筑物检测模型。在模型骨干网络中,使用并联卷积核组进行特征提取,同时引入位置卷积模块为正样本特征赋权来提高模型学习效率;为强化特征图内的信息丰富程度,使用带有密集连接的特征增强网络对骨干网络输出的特征图进行强化,最终将4个不同尺度特征图送入检测端。试验结果表明:提出的模型在检测精度方面优于参照模型,并且在不同场景下表现出较好的泛化能力和小目标检出能力,同时能够在测试环境下实现对建筑物目标的实时检测。

关键词：遥感影像建筑物检测卷积神经网络位置注意力

联合高分辨率光学和SAR数据的城市区域矩形建筑物检测与高度估计（英文）

在线全文

学校读者我要写书评

暂无评论

红外与毫米波学报 2016年第2期35卷 160-165页

作者：张永华温显斌天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300384

提出了一种新的完整地利用高分辨率光学图像和SAR图像进行城市矩形建筑物检测和高度估计的方法.该方法充分利用了两种数据的互补性,由三个顺序执行的步骤组成:首先对两种数据分别进行建筑物检测,然后基于一种整合的准则对两种图像进行配... 详细信息

提出了一种新的完整地利用高分辨率光学图像和SAR图像进行城市矩形建筑物检测和高度估计的方法.该方法充分利用了两种数据的互补性,由三个顺序执行的步骤组成:首先对两种数据分别进行建筑物检测,然后基于一种整合的准则对两种图像进行配准,最后利用一种"假设生成-仿真-匹配"的方法对建筑物高度进行估计.该方法对部分遮掩的建筑物也能取得好的效果.对两个不同场景的测试验证了该方法的有效性.

关键词：建筑物检测高度估计合成孔径雷达光学

可变形部件模型在高分辨率遥感影像建筑物检测中的应用

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2017年第9期42卷 1285-1291页

作者：沈佳洁潘励胡翔云武汉大学遥感信息工程学院湖北武汉430079 湖北省航测遥感院湖北武汉430079

高分辨率遥感影像具有场景复杂、目标种类多样、同一目标呈现多种形态等特点,给建筑物检测带来困难。近年来,可变形部件模型(deformable part model,DPM)被广泛应用到模式识别领域,并且在自然场景的目标识别方面取得很好的效果。结合可... 详细信息

高分辨率遥感影像具有场景复杂、目标种类多样、同一目标呈现多种形态等特点,给建筑物检测带来困难。近年来,可变形部件模型(deformable part model,DPM)被广泛应用到模式识别领域,并且在自然场景的目标识别方面取得很好的效果。结合可变形部件模型,提出一种针对高分辨率遥感影像中建筑物的检测方法,将建筑物看作可变形部件的组合,通过训练得到其对应的参数模板,并采用滑动窗口的方式遍历待检测的影像,判断其中是否存在建筑物目标。通过对分辨率为0.5m的高分辨率遥感影像的实验证明了方法的有效性。

关键词：高分辨率遥感影像建筑物检测可变形部件模型 DPM 中图法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于卷积神经网络的小型建筑物检测算法

系统工程与电子技术 2021年第11期43卷 3098-3106页

作者：赵若辰王敬东林思玉顾东泽南京航空航天大学自动化学院江苏南京211106

针对基于传统卷积神经网络的建筑物目标检测算法对于小型建筑物检测准确率低的问题,提出一种基于Mask-区域卷积神经网络(Mask-region convoluional neural networks,Mask-RCNN)模型的小目标检测算法模型。该模型对Mask-RCNN模型中的特... 详细信息

针对基于传统卷积神经网络的建筑物目标检测算法对于小型建筑物检测准确率低的问题,提出一种基于Mask-区域卷积神经网络(Mask-region convoluional neural networks,Mask-RCNN)模型的小目标检测算法模型。该模型对Mask-RCNN模型中的特征提取网络进行了改进,设计了一种带有注意力机制的多尺度组卷积神经网络,有效解决了小目标有用特征较少且易被背景特征和噪声干扰的问题。航拍图像实验结果表明,改进的检测模型使小型建筑物目标检测准确率较原始Mask-RCNN模型提升了28.9%,达到了0.663。并且整体检测准确率达到了0.843,有效提升了航拍建筑物检测准确性。

关键词：建筑物检测小目标检测卷积神经网络特征提取注意力机制

在线全文

学校读者我要写书评

暂无评论

基于支持向量机的显著性建筑物检测

计算机研究与发展 2007年第1期44卷 141-147页

作者：曲延云郑南宁李翠华袁泽剑叶聪颖西安交通大学人工智能与机器人研究所厦门大学计算机科学系厦门361005 厦门大学计算机科学系

提出了一种针对自然图像中显著性建筑物的检测方法.首先,采用自底向上的注意力机制,对图像进行Haar小波分解,对得到的HL,LH分量进行平方求和,得到增强图像,然后对该增强图像在垂直方向上进行侧投影,基于得到的投影曲线进行多层阈值分割... 详细信息

提出了一种针对自然图像中显著性建筑物的检测方法.首先,采用自底向上的注意力机制,对图像进行Haar小波分解,对得到的HL,LH分量进行平方求和,得到增强图像,然后对该增强图像在垂直方向上进行侧投影,基于得到的投影曲线进行多层阈值分割,找到显著性建筑物候选区域.进而,利用Sobel算子进行水平边缘与垂直边缘的检测,并统计较长的水平边缘与垂直边缘的数目,组成特征矢量.最后利用线性支持向量机对特征进行分类.实验证明了所提算法的有效性.

关键词：建筑物检测自底向上的注意力机制 Haar小波分解支持向量机

在线全文

学校读者我要写书评

暂无评论

基于稀疏词典的高分遥感影像震后建筑物检测

仪器仪表学报 2020年第7期41卷 205-213页

作者：石梵王超申祎张艳仇星南京信息工程大学电子与信息工程学院南京210044 南京云天致信信息科技有限公司南京211106

基于高分遥感影像进行震后建筑物检测,对开展应急响应救援等具有重要意义。在缺乏震前数据条件下,其核心在于构建高效的特征空间以进行震害建筑物特征建模。为此,提出了一种基于稀疏词典的震后建筑物检测方法。首先,联合光谱、纹理和几... 详细信息

基于高分遥感影像进行震后建筑物检测,对开展应急响应救援等具有重要意义。在缺乏震前数据条件下,其核心在于构建高效的特征空间以进行震害建筑物特征建模。为此,提出了一种基于稀疏词典的震后建筑物检测方法。首先,联合光谱、纹理和几何形态学特征对震后建筑物进行多角度刻画;其次,通过构建相同、相异词对进一步引入空间上下文信息,从而构建多特征初始视觉词典;在此基础上,结合正交匹配追踪(OMP)和K奇异值分解(K-SVD)算法对视觉词典进行稀疏表示,以尽可能的减少冗余信息;最后,通过支持向量机获得最终检测结果。通过多组震后影像实验表明,所提出方法的总体精度可达到85%以上,且在目视解译和定量分析中均显著优于对比方法。

关键词：高分辨率遥感影像建筑物检测视觉词典稀疏支持向量机

基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法

在线全文

学校读者我要写书评

暂无评论

兵工学报 2020年第7期41卷 1347-1359页

作者：李响苏娟杨龙火箭军工程大学核工程学院陕西西安710025 96823部队云南昆明650000 96873部队陕西宝鸡721000

传统合成孔径雷达(SAR)图像中建筑物检测算法主要是在特定场景下通过人工提取特征进行特定类别的建筑物检测,存在平均检测精度不高、检测效率低的问题,为此提出一种基于改进YOLOv3的SAR图像中建筑物检测算法,通过深度学习实现建筑物的... 详细信息

传统合成孔径雷达(SAR)图像中建筑物检测算法主要是在特定场景下通过人工提取特征进行特定类别的建筑物检测,存在平均检测精度不高、检测效率低的问题,为此提出一种基于改进YOLOv3的SAR图像中建筑物检测算法,通过深度学习实现建筑物的自动检测。制作SAR图像中建筑物数据集,针对建筑物的尺寸特点,通过改进的K均值聚类算法重新设置先验框大小;在结构上借鉴深度神经网络的聚合残差转换思想,将YOLOv3骨架网络中用于构建特征层的单路卷积残差模块改进为多路卷积残差模块,提高通道信息利用率的同时降低计算量;加入浅层特征融合模块,增加特征图中建筑物的形状特征所占比重,在特征融合层之前,使用转置卷积进行上采样,增加细节特征;使用改进YOLOv3算法进行建筑物检测模型的训练,并在测试集上进行测试。实验结果表明,相比原始YOLOv3算法,改进YOLOv3算法在SAR图像中建筑物数据集上平均检测精度提高了9.2%,召回率提高了6.3%,同时保持了较快的检测速度。

关键词：建筑物检测合成孔径雷达图像 YOLOv3 残差模块浅层特征融合

在线全文

学校读者我要写书评

暂无评论

基于U型卷积神经网络的航空影像建筑物检测

测绘学报 2018年第6期47卷 864-872页

作者：伍广明陈奇 Ryosuke SHIBASAKI 郭直灵邵肖伟许永伟东京大学空间信息科学研究中心中国地质大学(武汉)信息工程学院湖北武汉430074

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网... 详细信息

经典的卷积神经网络结构在前向传播过程中分辨率不断下降,导致仅采用末层特征时难以实现建筑物边缘的精确分割,进而限制目标检测精度。针对该问题,提出一种基于U型卷积网络的建筑物检测方法。首先借鉴在图像分割领域中性能出色的神经网络模型U-Net的建模思想,采用对称式的网络结构融合深度网络中的高维和低维特征以恢复高保真边界;其次考虑到经典U-Net对位于特征金字塔顶层的模型参数优化程度相对不足,通过在顶层和底层两个不同尺度输出预测结果进行双重约束,进一步提升了建筑物检测精度。在覆盖范围达30km2、建筑物目标28 000余个的航空影像数据集上的试验结果表明,本文方法的检测结果在IoU和Kappa两项关键评价指标的均值上分别达到83.7%和89.5%,优于经典U-Net模型,显著优于经典全卷积网络模型和基于人工设计特征的AdaBoost模型。

关键词：航空影像建筑物检测卷积神经网络 U型卷积网络特征金字塔

基于非平稳性和极化相干系数比的PolSAR图像建筑物检测

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2016年第12期38卷 3238-3244页

作者：范庆辉慕建君项德良宋文青西安电子科技大学计算机学院西安710071 河南科技大学信息工程学院洛阳471023 国防科学技术大学电子科学与工程学院长沙410073 西安电子科技大学雷达信号处理国家重点实验室西安710071

为了提高全极化合成孔径雷达(PolSAR)图像中城区建筑物的检测精度,该文提出一种基于人造目标散射非平稳性和极化相干系数比的建筑物检测新方法。该方法首先对PolSAR图像进行滤波和方位向时频分解,得到多个子孔径图像,然后结合方位向非... 详细信息

为了提高全极化合成孔径雷达(PolSAR)图像中城区建筑物的检测精度,该文提出一种基于人造目标散射非平稳性和极化相干系数比的建筑物检测新方法。该方法首先对PolSAR图像进行滤波和方位向时频分解,得到多个子孔径图像,然后结合方位向非平稳性检测和极化相干系数比来判断某个像素是否为建筑物。该文通过引入一种新的极化相干系数比从而使获取的建筑物检测结果优于传统非平稳性检测方法,能够有效去除具有布拉格散射的自然地物虚警从而提高检测精度。星载和机载PolSAR数据实验结果验证了该方法的有效性。

关键词：极化合成孔径雷达建筑物检测子孔径分解极化相干系数比非平稳性检测