- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018年第三届信号与图像处理国际会议(ICSIP) - 中国深圳 (2018.7.13-2018.7.15)] 2018年IEEE第三届信号与图像处理国际会议(ICSIP) - 基于深度卷积神经网络的航天器检测
摘要： 航天器检测是航空航天信息处理与控制中的关键问题之一，能够提供目标的可靠动态状态，从而支持目标识别、分类、编目等决策。尽管现有多种航天器检测方法，但大多数无法实现实时检测，且在不同场景下仍存在精度不足和容错性较差的问题。近年来，深度学习算法在计算机视觉领域取得了卓越的检测性能，尤其是基于回归的卷积神经网络YOLOv2，其兼具良好精度与速度，优于其他先进检测方法。本文首次将CNN应用于航天器检测，并建立了空间目标检测数据集。我们的方法从图像标注和数据增强入手，随后采用改进的基于回归的卷积神经网络YOLOv2进行航天器检测。实验结果表明，该算法在测试集上达到97.8%的检测率，单幅图像平均检测时间约0.018秒，具有较低的时间开销，且对航天器的旋转和光照变化表现出更强的鲁棒性。
关键词： 航天器，美国有线电视新闻网，目标检测，YOLOv2
更新于2025-09-23 15:23:52
-
利用类角反射器目标进行同极化通道不平衡相位估计
摘要： 极化校准是在实施极化合成孔径雷达（PolSAR）任何应用前抑制潜在系统失真的关键步骤。在所有失真因素中，串扰和交叉极化通道不平衡通常通过自然介质估算，而同极化通道不平衡传统上采用角反射器（CR）解决。然而地面角反射器的布设成本高昂，在某些区域甚至无法实施。人工区域常见许多亮点目标（如电线杆、灯具及建筑物棱角点），特别是当物体方位与雷达飞行方向平行或垂直时，部分点位会呈现与三面角或二面角角反射器相似的极化响应。本文将这些称为"类角反射器目标"的点位视为角反射器不可用时近似解决系统失真因素的补充方案。我们提出了一种创新的分步算法，用于在未校准的PolSAR影像中识别类角反射器目标并估算同极化通道不平衡相位。采用中国X波段机载与C波段卫星PolSAR数据验证该方法，与角反射器推导的同极化通道不平衡相位相比，X波段和C波段实验中类角反射器目标的解算误差分别为1.305°和0.03°。实验证实当人工区域检测到足够数量的类角反射器点目标时，该类目标的解算结果与地面角反射器高度吻合，本方法可视为有效的PolSAR影像校准途径。
关键词： 角反射器、极化合成孔径雷达、校准、目标检测
更新于2025-09-23 15:23:52
-
[IEEE 2018年第15届控制、自动化、机器人和视觉国际会议(ICARCV) - 新加坡，新加坡(2018.11.18-2018.11.21)] 2018年第15届控制、自动化、机器人和视觉国际会议(ICARCV) - 基于鱼眼相机的微型飞行器下半球目标检测与定位
摘要： 对于在户外环境中飞行的多旋翼微型飞行器（MAV），其下半球拥有最丰富的视觉信息。这些信息均可通过一台视场角（FOV）大于180度的单鱼眼相机获取。传统方法需先将未矫正的鱼眼图像还原为平面图像再进行后续处理，这种方式既耗费资源又消耗时间。本文提出一种在未矫正鱼眼图像上直接进行鱼眼目标检测与定位的方法以节省资源与时间。我们构建了用于目标检测的单阶段神经网络，通过结合鱼眼图像的中心旋转特性和严重畸变特征专门设计了检测器的子?？槔刺嵘阅?。为满足机载计算的实时性要求，该检测器还被优化为轻量化结构。随后借助鱼眼模型与飞行器传感器数据（高度、姿态等）的数据融合实现检测目标的定位。实验结果验证了本文所提方法的有效性。
关键词： 深度学习、目标检测、数据融合
更新于2025-09-23 15:23:52
-
[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 - 处理用于目标检测与大气补偿算法评估的新型高光谱数据集：RIT2017数据集
摘要： 本文向遥感学界介绍了一个名为"RIT2017数据集"的新型高光谱挑战性数据集，可用于目标检测算法评估。该数据集包含多达800万像素背景（或子集后更少）中的90个目标。由于该数据集在阳光直射区与全阴影区均设有相同的大型面板组，同样适用于大气补偿研究。本文简要介绍了数据采集活动、目标物体，并论证了成像光谱仪数据的辐射保真度——结果显示效果极佳。最后采用场景内技术进行大气补偿，结果也相当良好。
关键词： 大气补偿、基于物理的建模、高光谱成像、目标检测、辐射传输
更新于2025-09-23 15:23:52
-
[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 - 高光谱图像混合参数-非参数目标检测器
摘要： 本研究提出了一种新型目标检测器，其条件概率密度函数（pdf）估计采用非参数方法，而所依赖的加性模型中目标强度估计则采用参数方法。通过可变带宽核密度估计器来估算条件pdf，同时运用最大似然法估计目标强度?；谡媸蹈吖馄资莸氖笛榻峁砻?，该检测器能有效检测复杂背景中的目标对象，并为目标强度提供合理估计值。
关键词： 非参数方法、核密度估计、加法模型、目标检测、高光谱成像
更新于2025-09-23 15:23:52
-
星载GNSS-R成像的非相干距离走动补偿
摘要： 全球导航卫星系统反射测量（GNSS-R）接收机通过对相干积分结果进行非相干累积生成延迟-多普勒图（DDM）。由于系统动态特性，在非相干累积过程中，接收机会通过跟踪镜面反射点的延迟和多普勒参数来对齐每个相干结果。这会导致伍德沃德模糊函数（WAF）在反射面上的空间足迹出现模糊效应。本文证明这种WAF模糊效应在闪烁区（GZ）内存在变化，即使跟踪地面固定点仍会产生模糊。我们推导了闪烁区内延迟和多普勒变化率的表达式，并预测了典型GNSS-R散射计配置中距离徙动引入的误差。研究发现：当跟踪地表固定点时，闪烁区边缘附近的点散射体预计会出现约6分贝的能量损失。为此我们提出非相干距离徙动补偿（IRWC）方法来降低GNSS-R接收机的该损失。该方法将DDM中的能量聚焦于积分时间中点对应的等延迟与等多普勒配置。通过仿真对比有无IRWC的固定点跟踪DDM，发现实际误差与预测值相符。采用IRWC将提升空间域GNSS-R产品的质量：目标检测能获得更大可用刈幅，因信干噪比提升可实现更长跟踪检测时间；同时成像应用不再受限于空间变异的WAF模糊效应（该效应会制约估算产品的分辨率）。研究表明IRWC可补偿距离徙动损失，在闪烁区边缘附近使成像GNSS-R接收机的信噪比提升约6分贝。
关键词： 集成、全球导航卫星系统反射测量（GNSS-R）、反射测量、成像、目标检测、接收机、非相干距离走动补偿（IRWC）、动态校正
更新于2025-09-23 15:23:52
-
[2018年IEEE第三届图像、视觉与计算国际会议（ICIVC）- 重庆（2018.6.27-2018.6.29）] 2018年IEEE第三届图像、视觉与计算国际会议（ICIVC）- 基于倒角距离变换与随机模板的检测算法
摘要： 为解决少数目标样本和低配置软件运行环境下的目标检测任务，本文提出了一种基于倒角距离变换与随机模板的检测算法。首先构建待搜索图像的多级金字塔，在原始模板上添加随机曲线段生成多个随机模板以训练支持向量机，并将这些随机模板应用于后续模板匹配过程；其次从金字塔顶层开始进行模板匹配，利用支持向量机判断目标位置是否为正确匹配；最后将定位结果映射至下一层级进行更精细的匹配定位，重复该过程直至最底层。测试结果表明该算法运行速度快且定位精度高，在实际应用中具有显著竞争力。
关键词： 边缘提取、支持向量机、目标检测、倒角距离变换、随机模板
更新于2025-09-23 15:22:29
-
光学遥感图像中多类目标的检测
摘要： 复杂光学遥感图像中的目标检测是一个具有挑战性的问题，因为地球表面物体实例的尺度、密度和形状多种多样。本文聚焦多类目标检测的大尺度变化问题，基于YOLOv2提出了一种有效的遥感图像目标检测框架。为使模型适应多尺度目标检测，我们设计了融合不同深度层特征图的网络结构，并采用基于定向响应膨胀卷积的特征引入策略。该策略在不损失大尺度目标检测性能的前提下提升了小尺度目标检测效果。相比YOLOv2，在DOTA（航空图像目标检测大规模数据集）测试中，所提框架平均精度均值提升4.4%且未增加额外参数。使用Titan Xp GPU加速时，该框架可实现1024×1024图像的实时检测。
关键词： 特征引入策略、光学遥感图像、目标检测、定向响应（OR）膨胀卷积
更新于2025-09-23 15:22:29
-
用于雾霾中目标检测的颜色-深度多任务学习
摘要： 雾霾环境给目标检测带来严峻挑战，现有方法难以生成理想结果。然而在实际应用中（尤其是水下和恶劣天气场景）无法规避雾霾环境，因此必须使目标检测方法能够克服雾霾效应造成的困难。尽管不同条件间存在差异，但雾霾环境具有共同特征：雾霾浓度随场景深度变化。这一浓度特征可作为场景深度的表征，从而为雾霾中的目标检测提供新线索——可识别目标与背景的深度对比度。本文提出一种基于多任务学习的检测方法，通过联合利用颜色与深度特征实现检测。我们分别构建颜色特征和深度特征的背景模型，形成多任务学习框架的双流结构，最终通过融合两种特征结果生成检测输出。相较于现有方法，本方案的创新性在于将颜色与深度特征统一于多任务学习机制下进行协同处理，实验表明该方法对复杂雾霾环境具有强鲁棒性。
关键词： 多任务学习、雾霾环境、深度特征、目标检测
更新于2025-09-23 15:22:29
-
一种基于更新的卷积神经网络框架在大面积遥感图像目标检测中的应用示例
摘要： 本信函探讨了大范围遥感图像中目标精确检测的问题。尽管许多基于卷积神经网络（CNN）的目标检测模型在小图像块上能实现高精度，但由于复杂背景和多样地物类型导致大量漏检与误检，在大范围图像中表现欠佳。为应对这一挑战，本信函提出一种基于样本更新的大范围遥感图像目标检测CNN框架（SUCNN）。该框架包含两个阶段：第一阶段使用训练数据集训练基础模型——单发多框检测器；第二阶段通过生成人工复合样本更新训练集，并利用更新后的数据集对第一阶段模型参数进行微调以获得第二阶段模型。最终采用大范围遥感图像测试集对一、二阶段模型进行评估。对比实验表明，所提SUCNN框架在大范围遥感图像目标检测中具有显著有效性与优越性。
关键词： 大面积遥感图像、样本更新、目标检测、卷积神经网络（CNN）
更新于2025-09-23 15:22:29