基于深度学习的遥感图像微小目标检测方法研究

作者：商俊燕

来源：计算机测量与控制, 2022, 30(10): 57-62.

DOI：10.16526/j.cnki.11-4762/tp.2022.10.010

• 深度学习
• 遥感图像
• 微小目标检测

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。

• 单位
  常州轻工职业技术学院