文献类型：期刊文章

作　　者：沙苗苗[1,2] 李宇[1] 李安[1]

SHA Miaomiao;LI Yu;LI An(Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100094,China;University of Chinese Academy of Sciences,School of Electronic,Electrical and Communication Engineering,Beijing 100049,China)

机构地区：[1]中国科学院空天信息创新研究院,北京100094 [2]中国科学院大学电子电气与通信工程学院,北京100049

出　　处：《遥感学报》

基　　金：国家自然科学基金(编号:61501460);广东省现代视听信息工程技术研究中心开放基金。

年　　份：2022

卷　　号：26

期　　号：8

起止页码：1624-1635

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高遥感图像中多尺度飞机目标的检测精度,本文提出一种基于改进Faster R-CNN的遥感图像飞机目标检测方法。该方法借助多层级融合结构,将深层次的语义特征与浅层次的细节特征相结合,生成多种尺度的既具有精确的位置信息又具有深层次的语义特征的特征图;再借助Faster R-CNN的多尺度RPN(Region Proposal Network)机制,通过对RPN中候选区域尺度的修正,从而提高遥感图像中多尺度飞机目标的定位精度;最后利用Faster R-CNN的分类回归网络,得到飞机目标检测结果。在高分辨率遥感图像中进行了实验,对3种特征提取网络ZF、VGG-16以及ResNet-50进行改进,改进后的精度分别提高了11.34%、9.87%以及1.66%,并且生成的检测框更加贴合飞机目标。实验结果表明,本文方法适用于遥感图像多尺度飞机目标检测,在提高目标定位精度的同时降低了目标漏检现象。

关 键 词：遥感图像 目标检测 Faster R-CNN  多层次融合结构  多尺度

分 类 号：TP751] V35] E91]