修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

13 条数据
?? 中文（中国） ▾

  • 利用光学、高光谱和微波SAR遥感数据进行沿海区域多光谱船舶检测

    摘要： 随着时间推移，对近岸海域船舶进行高效监测的必要性日益凸显。多卫星观测技术为有效监测船舶提供了可能。本研究展示了应用于朝鲜半岛周边海域光学、高光谱及微波卫星图像的船舶检测方法成果：通过光谱匹配算法处理数百个光谱通道的高光谱图像来检测船舶，并分析其与实地测量数据的光谱相似性；针对合成孔径雷达（SAR）图像，则采用恒虚警率（CFAR）算法，根据哨兵1B号SAR与ALOS-2 PALSAR2图像的后向散射系数区分船舶目标。验证结果表明，在韩国沿海哨兵1B号覆盖范围内，卫星检测到的船舶位置与实时定位数据高度吻合。本研究给出了基于光学与SAR的船舶检测概率值，并探讨了误差成因，同时论证了整合光学、高光谱及SAR遥感技术的多源卫星图像船舶检测系统在朝鲜半岛不可接近沿岸区域实现实时业务化运行的可能性，这对完善海岸带综合管理及可持续发展具有重要价值。

    关键词： 船舶检测、沿海区域、高光谱、可持续性、光学遥感、合成孔径雷达

    更新于2025-09-23 15:23:52

  • 基于光学遥感图像的挤压激励跳跃连接路径网络船舶检测

    摘要： 船舶检测在遥感图像处理中具有重要作用，近年来备受关注。本文提出了一种名为"挤压激励跳跃连接路径网络（SESPNets）"的新型神经网络架构：通过在特征金字塔网络中添加自底向上路径来增强特征提取能力，首次采用路径级跳跃连接结构以改善信息流并降低参数冗余；同时引入挤压激励?？?，在每个快捷连接块后增设分支实现通道特征响应的自适应校准；进而提出多尺度融合感兴趣区域（ROI）对齐方法以获取更精准的多尺度候选框；最后运用软非极大值抑制解决船舶检测中的传统NMS问题。实验表明，SESPNets模型达到了最先进的性能水平，验证了所提方法的有效性。

    关键词： 跳跃连接路径网络、挤压激励机制、船舶检测、光学遥感图像、深度学习

    更新于2025-09-23 15:22:29

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 大掠射角与中等?？鎏跫耂AR图像中小型船舶检测的时频技术性能分析

    摘要： 本文研究了侧视合成孔径雷达（SAR）受限条件下基于时频分析技术对小型船舶（长度小于30米）的探测性能。本研究旨在评估该技术对提升TerraSAR-X（TS-X）近实时（NRT）船舶探测服务的效果。通过处理TS-X数据中经船舶自主报告系统定位的同极化单视复通道（HH和VV），实现了研究目标。结果表明，在所研究的条件下，针对小型船舶的探测目标-杂波比未获得显著提升。

    关键词： 性能分析、时频方法、船舶检测、合成孔径雷达

    更新于2025-09-23 15:22:29

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于CNN的高分辨率遥感图像船舶检测重归一化方法

    摘要： 基于甚高分辨率（VHR）遥感图像的船舶检测因深度学习的快速发展成为热门课题。当前船舶检测研究普遍面临一个重大挑战：现有方法在检测前难以生成具有良好交并比（IOU）的高质量目标候选框。本文提出一种基于卷积神经网络（CNN）的重归一化方法来提升目标候选框质量。首先利用CNN预测包含旋转、位置和尺度信息的候选船舶形状特征图块，随后设计重归一化网络通过校正形状信息并将其重归一化为统一图块来调整候选船舶。该方法可生成优质候选目标，有助于提升后续船舶检测效果。在谷歌地球人工标注数据集上的测试表明，该重归一化网络显著提高了船舶检测性能，兼具优异的检测精度与高交并比。

    关键词： 船舶检测，卷积神经网络，重新归一化，遥感

    更新于2025-09-23 15:21:21

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于旋转区域的全卷积网络船舶检测方法

    摘要： 近年来，从高分辨率光学遥感图像中检测舰船已成为热门研究领域。与自然图像中的目标不同，光学遥感图像中的目标舰船可能出现在任意位置，且具有多尺度和多方向特性，这使得检测难度更大。本文提出一种基于全卷积网络的新型舰船检测方法。该方法包含三个关键组件：1）我们设计了一个融合不同层级特征图的网络来整合多尺度信息——判断大型舰船的存在需要深层网络特征，而预测包围小型舰船的旋转边界框则需要浅层信息；2）该网络可端到端训练，通过生成像素级置信度评分图，在图像所有位置和尺度上标注舰船兴趣区域；3）我们设计了旋转边界框回归模型来实现舰船定位。在谷歌地球采集数据集上的实验结果表明，所提方法在高分辨率光学遥感图像的舰船检测任务中，无论效率还是精度都取得了优异性能。

    关键词： 船舶检测、旋转区域、全卷积网络

    更新于2025-09-23 15:21:21

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 面向大规模高分辨率光学卫星影像的无海陆分割船舶检测方法

    摘要： 船舶检测是遥感应用中一个重要且具有挑战性的课题。现有文献中，船舶检测通常需要先进行海陆分割，这使得方法实现过程极为复杂。为此，本文基于Faster R-CNN提出一种适用于大尺度图像的船舶检测方法，该方法无需将海陆分割作为预处理步骤，可直接从包含海陆的复杂背景中检测船舶。我们采用由GF-1和GF-2卫星图像组成的大尺度图像测试网络，实验结果表明该方法能有效消除陆上物体的干扰。

    关键词： 船舶检测、深度学习、海陆分割、高分辨率卫星图像

    更新于2025-09-23 15:21:21

  • 基于局部场景复杂度分析的光学遥感图像实时海洋船舶检测

    摘要： 由于强海浪、破碎云及大范围云层覆盖的干扰，光学遥感图像在海面船舶检测中表现欠佳。此外，在覆盖大面积的中分辨率光学遥感图像上检测小型船舶也是一大挑战。本文为平衡实时处理与高精度检测的需求，提出了一种基于局部场景复杂度分析的新型船舶检测框架。该方法首先将整幅图像划分为简单与复杂两类局部场景：针对简单场景采用快速显著性模型(FSM)进行候选目标快速提取；针对复杂场景则运用船舶特征聚类模型(SFCM)实现强背景干扰下的精细检测。其中FSM通过将融合增强图像作为频域脉冲响应分析的输入，实现简单场景中的快速船舶检测；SFCM则构建船舶特征聚类算法描述模型以确保复杂场景的检测性能。在SPOT-5和GF-2海洋光学遥感图像上的大量实验表明，该框架性能优于现有先进方法，有效解决了强海浪、破碎云、大范围云层及船队干扰条件下的实时海面船舶检测难题。最后，该海洋船舶检测框架已在星载处理硬件上完成验证。

    关键词： 船舶检测、光学遥感、显著性、场景分割、特征聚类

    更新于2025-09-23 15:21:01

  • 基于特征融合金字塔网络与深度强化学习的遥感图像船舶旋转检测模型

    摘要： 船舶检测在自动遥感图像解译中具有重要作用。船舶尺度差异大、长宽比悬殊、遥感图像背景复杂以及船舶密集停泊场景等因素使得检测任务面临挑战。针对上述难题，本文提出一种基于特征融合金字塔网络与深度强化学习（FFPN-RL）的船舶旋转检测模型。该检测网络能高效生成船舶倾斜矩形框：首先，我们提出特征融合金字塔网络（FFPN），通过加强多尺度特征的复用，提取对多尺度船舶检测及密集停泊船舶精确定位具有重要影响的基础层位置信息与高层语义信息；其次，首次将深度强化学习应用于倾斜船舶检测任务以获取精确的船舶角度信息；此外，提出先验策略引导与长期训练方法，训练基于决斗结构Q网络构建的角度预测智能体，实现船舶角度的迭代精准获?。煌鄙杓迫硇羌笾狄种扑惴?，在抑制冗余检测框的同时减少船舶漏检。通过在遥感船舶图像数据集上的详细实验验证，本FFPN-RL船舶检测模型展现出高效的检测性能。

    关键词： 特征图融合、深度强化学习、船舶检测、卷积神经网络

    更新于2025-09-23 01:41:37

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 面向超高分辨率海事图像语义分割的Shipnet网络

    摘要： 对于超高分辨率（VHR）海事图像，语义分割是一个新兴的研究热点，在海岸线导航、资源管理和领土?；ぶ芯哂兄匾饔?。在缺乏足够标注训练数据的情况下，既要清晰分割大范围区域，又要同时分离大尺度中的小目标物体是一项挑战。为此，我们提出了一种新型ShipNet网络，并设计了一个加权损失函数，用于同步实现海陆分割与船舶检测。为验证所提方法，我们还构建并向学界公开了一个包含VHR多尺度海事图像的新数据集。与FCN和ResNet相比，该方法取得了更优的F1分数（船舶类别达85.90%，总体准确率达97.54%）。相较于多尺度FCN，ShipNet能获取如锐利边缘般的细节结果。即使对于低质量图像，ShipNet仍能保持稳健性并获得良好效果。

    关键词： 美国有线电视新闻网，船舶检测，海陆分割，遥感图像

    更新于2025-09-23 06:58:59

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-2018年7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - RADARSAT-2实验性极化SAR-GMTI模式的首批成果

    摘要： 展示了RADARSAT-2新型双通道极化SAR-GMTI模式的初步成果，该模式兼具探测开阔水域与陆地环绕河道中船只的能力，并能区分陆地与目标类型。文中还探讨了结合HH和VH极化后向散射特征与运动信息来区分船只与冰山的可能性。

    关键词： 冰山识别、极化、SAR-GMTI、RADARSAT-2、船舶检测

    更新于2025-09-10 09:29:36