文献类型：期刊文章

作　　者：于野[1,2] 艾华[1] 贺小军[1,3] 于树海[3] 钟兴[1,4] 朱瑞飞[1,4]

YU Ye;AI Hua;HE Xiaojun;YU Shuhai;ZHONG Xing;ZHU Ruifei(Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China;University of Chinese Academy of Sciences,Beijing 100049,China;Chang Guang Satellite Technology Co.,Ltd.,Changchun 130102,China;Chang Guang Satellite Technology Co.,Ltd,Key Laboratory of Satellite Remote Sensing Application Technology of Jilin Province,Changchun 130039,China)

机构地区：[1]中国科学院长春光学精密机械与物理研究所,长春130033 [2]中国科学院大学,北京100049 [3]长光卫星技术有限公司,长春130102 [4]长光卫星技术有限公司吉林省卫星遥感应用技术重点实验室,长春130039

出　　处：《遥感学报》

基　　金：国家重点研发计划(编号:2016YFB0502600);吉林省优秀青年才人基金(编号:20170520166JH).

年　　份：2020

卷　　号：24

期　　号：2

起止页码：107-115

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。

关 键 词：光学遥感 船舶检测 吉林一号卫星  神经网络  显著性特征

分 类 号：U675.79] TP751]