典型文献
结合数据融合与特征选择的遥感影像尺度多样目标检测
文献摘要：
基于深度神经网络模型的遥感影像地物检测取得了巨大成功,很大程度上得益于大规模数据集的支撑.但是,从现有遥感影像数据集本身来看,不同类别地物的数量分布不一致,同类地物对象以不同尺寸大小呈现,是导致地物样本的尺度不均衡问题的直接因素.对此,本文采用数据集内影像加权融合与地物多尺度特征选择的策略来缓解该问题.首先,将数据集内两张影像的像素值进行加权并得到融合后的影像,从而使不同类别地物样本更加均衡且具有较高的背景多样性;其次,通过选择合适尺度的特征图预测相应尺度的目标类别,且允许同一尺度目标在相邻特征图上进行预测,这样使模型能根据目标尺度进行训练;最后,基于目标中心区域的特征图预测目标边界框,预测的边界框更符合目标本身的尺度.通过在两个遥感数据集上分别进行实验,表明训练的模型在对复杂背景下的类别不均衡目标的识别更加准确,能够适应遥感影像下不同尺度目标的识别.
文献关键词：
图像融合增强;多尺度选择与表达;高分辨率遥感影像;目标检测;卷积神经网络
中图分类号：
作者姓名：
秦登达;万里;何佩恩;张轶;郭亚;陈杰
作者机构：
中南大学地球科学与信息物理学院,长沙410083
文献出处：
引用格式：
[1]秦登达;万里;何佩恩;张轶;郭亚;陈杰-.结合数据融合与特征选择的遥感影像尺度多样目标检测)[J].遥感学报,2022(08):1662-1673
A类：
图像融合增强,多尺度选择与表达
B类：
数据融合,特征选择,目标检测,深度神经网络模型,地物检测,巨大成功,上得,大规模数据集,遥感影像数据,数量分布,不同尺寸,均衡问题,内影像,加权融合,多尺度特征,两张,像素,特征图,一尺,标尺,中心区,边界框,遥感数据,复杂背景,类别不均衡,均衡目标,不同尺度,高分辨率遥感影像
AB值：
0.315887
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
