典型文献
基于深度学习的遥感图像微小目标检测方法研究
文献摘要：
遥感图像中含有大量的微小目标,只有准确检测到这些微小目标,才能实现远程目标的识别与跟踪;为了给远程跟踪工作提供有效的辅助工具,以深度学习算法为技术支持,优化设计遥感图像微小目标检测方法;利用硬件设备实时采集包含微小目标的遥感图像,通过几何校正、灰度化转换、噪声抑制、去雾以及图像增强等步骤,完成初始图像的预处理;通过前景与背景图像的分割,选择遥感图像中的待检测目标;构建深度卷积神经网络作为深度学习算法的运行环境,经过前向传播、反向传播提取遥感图像特征;最终,通过特征匹配,得出包含微小目标数量以及位置坐标的检测结果;通过性能测试实验得出结论:与传统遥感图像目标检测方法相比,优化设计方法的查准率和查全率分别提高了 6.3％和10.74％,目标位置检测误差得到明显降低,且响应时间缩短了 2 440 ms,由此证明优化设计方法具有良好的检测性能.
文献关键词：
深度学习;遥感图像;微小目标检测
中图分类号：
作者姓名：
商俊燕
作者机构：
常州工业职业技术学院信息工程学院,江苏常州 213164
文献出处：
引用格式：
[1]商俊燕-.基于深度学习的遥感图像微小目标检测方法研究)[J].计算机测量与控制,2022(10):57-62
A类：
B类：
遥感图像,微小目标检测,目标检测方法,些微,远程目标,辅助工具,深度学习算法,硬件设备,实时采集,几何校正,灰度化,噪声抑制,去雾,图像增强,背景图,深度卷积神经网络,运行环境,反向传播,图像特征,特征匹配,通过性,性能测试实验,图像目标检测,优化设计方法,查准率,查全率,目标位置,位置检测,检测误差,响应时间,ms,由此证明,检测性能
AB值：
0.333833
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。
