一种高效的高分辨率遥感影像飞机目标检测方法.docx

高效的高分辨率遥感影像飞机目标检测方法 高分辨率遥感影像在航空吞吐量分析、交通调度等方面起到重要作用。当前，机场检测主要有基于边缘和直线特征和基于显著性和区域分割两种方法。本文提出了一种新的机场区域提取算法，首先设计了一种直线概率图，利用显著性和直线检测结果，同时考虑直线的平行性、距离关系、长度关系，构建了概率公式，使得机场检测精度达到93%。结合圆周频率滤波circle-frequency filter, CFF提出了一种新的飞机检测网络，将滤波结果扩充为不同的候选区域，替代Faster R-CNN中提取候选区域的过程，节约了60%的计算时间。另外，创建了两个公开数据集，填补了当前航空影像飞机目标检测领域公共数据集的空白。 本文详细介绍了机场目标检测的方法和技术，包括： 1. 基于显著性的机场候选区域提取：利用频率特征，在显著性中去除频率域中图像的低通部分，采用Frequency-Tuned(FT)算法计算Lab空间下每个像素点与图像均值的欧式距离作为显著值。 2. 基于直线概率图的机场区域提取：利用LSD直线检测对显著性区域进行直线检测，计算图像点在x、y方向上的梯度，并对梯度进行排序，梯度值大的点是边缘点，把这些点作为种子点进行由上往下的搜索直到所有的点都被遍历过，状态标记为used。 3. 直线合并：由于LSD直线检测算法对长直线有所分割，提出一种新的直线连接算法，能进行互相连接的直线，需要同时满足以下条件：直线之间的角度小于一定阈值，两个直线之间的距离小于一定阈值，两个直线的方向相同。 4. 飞机目标检测：结合圆周频率滤波circle-frequency filter, CFF提出了一种新的飞机检测网络，将滤波结果扩充为不同的候选区域，替代Faster R-CNN中提取候选区域的过程，节约了60%的计算时间。 本文的贡献在于： 1. 提出了基于直线概率图的机场区域提取算法，提高了机场检测的精度。 2. 提出了新的飞机检测网络，节约了计算时间。 3. 创建了两个公开数据集，填补了当前航空影像飞机目标检测领域公共数据集的空白。