结合显著图和深度学习的遥感影像飞机目标识别

doi:10.13474/j.cnki.11-2246.2019.0072

测绘通报 ›› 2019, Vol. 0 ›› Issue (3): 27-31.doi: 10.13474/j.cnki.11-2246.2019.0072

结合显著图和深度学习的遥感影像飞机目标识别

刘相云, 龚志辉, 金飞, 杨光, 范炜康

信息工程大学, 河南郑州 450001

收稿日期:2018-07-28 修回日期:2018-11-07 出版日期:2019-03-25 发布日期:2019-04-02
作者简介:刘相云(1994-),男,硕士生,主要研究方向为模式识别和机器学习。E-mail:liu_xy1994@163.com
基金资助:
飞机信息智能解译技术研究（校立[2018]107号）

Aircraft target recognition in remote sensing image combined saliency map with deep learning

LIU Xiangyun, GONG Zhihui, JIN Fei, YANG Guang, FAN Weikang

Information Engineering University, Zhengzhou 450001, China

Received:2018-07-28 Revised:2018-11-07 Online:2019-03-25 Published:2019-04-02

摘要/Abstract

摘要： 为准确快速识别高分辨率遥感影像中的飞机目标，提出了一种结合显著图和深度置信网络（DBN）的飞机目标识别算法。本文首先使用HC （直方图对比度）算法提取遥感影像中的显著目标；然后通过定位连通区域确定候选目标的位置；随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图；最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明，本文算法的检测率为98.46%，虚警率为5.20%。算法从多种底层图像特征出发，有效克服了单一特征描述能力不足的问题，提高了飞机目标识别能力及抗干扰能力。

关键词: 飞机目标识别, 显著图, 多特征融合, 深度置信网络, 遥感影像

Abstract: In order to identify the aircraft target in high resolution remote sensing image accurately and quickly,a kind of aircraft target recognition algorithm combined the saliency map with the deep belief networks is proposed.First,the salient object in the image is extracted by use of histogram-based contrast method;Second,the candidate target is located by locating connected region;Then the color moment,Hu invariant moments,Tamura texture features and the edge direction histogram of candidate target is extracted.Last,the normalized feature is applied to deep belief networks to recognize the target.Experimental results show that the detection rate of the algorithm is 98.46% and the false alarm rate is 5.20%.Multi-feature provides more information than single-feature,and the ability of target recognition and anti-interference is improved.

Key words: aircraft targets recognition, saliency map, multi-feature fusion, deep belief networks, remote sensing image

中图分类号:

P237

刘相云, 龚志辉, 金飞, 杨光, 范炜康. 结合显著图和深度学习的遥感影像飞机目标识别[J]. 测绘通报, 2019, 0(3): 27-31.

LIU Xiangyun, GONG Zhihui, JIN Fei, YANG Guang, FAN Weikang. Aircraft target recognition in remote sensing image combined saliency map with deep learning[J]. 测绘通报, 2019, 0(3): 27-31.

参考文献

[1] AZZOUZ E E, NANDI A K. Automatic identification of digital modulation types[J]. Signal Processing, 1995, 47(1):55-69.
[2] HU M K. Visual pattern recognition by moment invariants[J]. IRE Transactions on Information Theory, 1962, 8(2):179-187.
[3] TEAGUE M R. Image analysis via the general theory of moments[J]. Journal of the Optical Society of America, 1980, 70(8):1468.
[4] SHEN D, IP H H S. Discriminative wavelet shape descriptors for recognition of 2-D patterns[J]. Pattern Recognition, 1999, 32(2):151-165.
[5] 曾接贤, 季康.基于多特征融合的多视点飞机目标识别算法[J].南昌航空大学学报(自然科学版), 2016, 30(2):8-15.
[6] 张永霞,胡坚,张正,等.基于区域检测算法与不变矩特征的飞机特征提取方法研究[J].遥感信息,2013, 28(3):3-7.
[7] LI W, XIANG S, WANG H, et al. Robust airplane detection in satellite images[C]//IEEE International Conference on Image Processing. Brussels:IEEE Signal Processing Society, 2011.
[8] 吴喆,曾接贤,高琪琪.显著图和多特征结合的遥感图像飞机目标识别[J].中国图象图形学报,2017,22(4):532-541.
[9] ITTI L, KOCH C,NIEBUR E. A model of saliency-based visual attention for rapid scene analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1998,20(11):1254-1259.
[10] 连仁包, 王卫星, 李娟.自适应圆形模板及显著图的高分辨遥感图像道路提取[J].测绘学报, 2018,47(7):950-958.
[11] 肖怀铁, 庄钊文, 郭桂蓉. 基于递归神经网络的飞机目标识别方法[J].国防科技大学学报, 1997(4):48-53.
[12] 殷文斌,王成波,袁翠,等.一种飞机目标的遥感识别方法[J].测绘通报, 2017(3):34-37.
[13] CHENG M M, ZHANG G X, MITRA N J, et al. Global contrast based salient region detection[C]//Computer Vision and Pattern Recognition. Colorado Springs:IEEE Computer Society, 2011.
[14] ZHENG L, WANG S, LIU Z, et al. Packing and padding:Coupled multi-index for accurate image retrieval[C]//IEEE Conference on Computer Vision and Pattern Recognition. Columbus:IEEE Computer Society, 2014.
[15] 孙志军,薛磊,许阳明,等.深度学习研究综述[J].计算机应用研究,2012,29(8):2806-2810.
[16] LI W, XIANG S M, WANG H B, et al. Robust airplane detection in satellite images[C]//Proceedings of the 18th International Conference on Image Processing. Brussels:IEEE Signal Processing Society,2011.

结合显著图和深度学习的遥感影像飞机目标识别

Aircraft target recognition in remote sensing image combined saliency map with deep learning

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李茂林, 闫庆武, 仲晓雅. 一种复合型校正植被信息的方法[J]. 测绘通报, 2022, 0(6): 49-54142.
[2]	张龚泉, 岳建平, 刘胜男, 王海龙, 杨智翔, 周航宇. 基于遥感影像的鄱阳湖地形提取方法[J]. 测绘通报, 2022, 0(5): 62-66,73.
[3]	潘建平, 付占宝, 程卫华, 陆世安, 李鑫, 孙博文, 黄桂萍. 基于地表类型的山地海绵城市生态建设评估[J]. 测绘通报, 2022, 0(5): 84-88.
[4]	陈智朗, 付振华, 朱紫阳, 王慧慧, 刘沁雯, 杨钰灵, 许耿然. 基于HRNet的高分辨率遥感影像建筑物变化信息提取[J]. 测绘通报, 2022, 0(5): 126-132.
[5]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.
[6]	王雪, 梁珂, 隋立春, 钟棉卿, 朱剑锋. 膨胀卷积与金字塔表达的深度学习模型用于农村建筑物提取[J]. 测绘通报, 2022, 0(4): 61-65.
[7]	高鸣, 周鑫鑫, 刘琦, 杨光迪, 吴长彬. 深度学习网络支持下的农房侵占耕地自动化监测[J]. 测绘通报, 2022, 0(3): 47-53.
[8]	王胜利, 朱寿红, 蒋毅. 基于CNN模型迁移的OLI影像光伏电池板场景识别[J]. 测绘通报, 2022, 0(2): 5-9.
[9]	杨素妨, 杜林. 多特征流形鉴别嵌入的高分辨率遥感影像分类[J]. 测绘通报, 2021, 0(9): 37-42.
[10]	耿万轩, 周维勋, 金双根. 基于LDCNN特征提取的多核SVM高分辨率遥感影像场景分类[J]. 测绘通报, 2021, 0(8): 14-21.
[11]	苏艺凡, 党建武, 王阳萍, 杨景玉. 改进的区间二型模糊聚类遥感影像变化检测[J]. 测绘通报, 2021, 0(7): 44-51,58.
[12]	聂倩, 七珂珂, 赵艳福. 融入超像素分割的高分辨率影像面向对象分类[J]. 测绘通报, 2021, 0(6): 44-49.
[13]	侯翘楚, 李必军, 蔡毅. 高分辨率遥感影像的车道级高精地图要素提取[J]. 测绘通报, 2021, 0(3): 38-43.
[14]	张伟良, 刘琦, 吴长彬, 杨光迪. 基于孪生神经网络的土地利用现状年度变化检测[J]. 测绘通报, 2021, 0(3): 91-95,104.
[15]	陈利燕, 林鸿, 吴健华. 融合随机森林和超像素分割的建筑物自动提取[J]. 测绘通报, 2021, 0(2): 49-53.