- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2019年第18届国际光通信与网络会议(ICOCN) - 中国黄山 (2019.8.5-2019.8.8)] 2019年第18届国际光通信与网络会议(ICOCN) - 基于Faster R-CNN目标检测的灵活波分复用系统光谱测量与分析
摘要： 提出了一种基于快速区域卷积神经网络（Faster R-CNN）目标检测技术的光谱测量与分析方法。该方法可同步分析光纤波分复用（FWDM）系统的光信噪比（OSNR）、带宽及中心波长，平均准确率达98.6%。
关键词： 光性能监测、目标检测、光谱分析
更新于2025-09-16 10:30:52
-
[IEEE 2019年第18届国际光通信与网络会议(ICOCN) - 中国黄山 (2019.8.5-2019.8.8)] 2019年第18届国际光通信与网络会议(ICOCN) - 基于机器学习算法的物体楔角与方向识别
摘要： 我们展示了基于接收波束强度剖面，利用机器学习算法识别物体楔角和方向的方法。卷积神经网络（CNN）以100%的准确率优于其他算法。所提出的技术降低了硬件实现的复杂性。
关键词： 图像识别、机器学习、目标检测、遥感
更新于2025-09-16 10:30:52
-
[2019年IEEE国际智能物联网会议(SmartIoT) - 中国天津(2019.8.9-2019.8.11)] 2019年IEEE国际智能物联网会议(SmartIoT) - 基于DSSD网络的光纤缺陷检测方法
摘要： 光纤表面缺陷具有多样化的特征和不同的复杂因素，因此光纤表面缺陷检测方法具有良好的泛化性能。针对传统生产线光纤缺陷检测方法效率低、检测时间长、误检率高的问题，本文建立了包含三类光纤表面缺陷样本的数据库，并通过数据增强以减少过拟合。提出了一种基于DSSD算法的光纤表面检测方法，在卷积神经网络中采用ResNet-101基础网络以增强网络特征提取能力并提高算法鲁棒性。实验数据显示，基于DSSD算法的检测率可达96.7%，证明所设计的光纤智能缺陷检测方法不仅能大幅缩短检测时间，还能提高检测效率和检测精度。
关键词： 深度学习、光纤缺陷、人工智能、DSSD、目标检测
更新于2025-09-16 10:30:52
-
[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 - 基于改进粒子滤波算法的弱目标跟踪
摘要： 传统粒子滤波检测算法在当前复杂环境下无法高效检测弱目标。针对该问题，本文提出一种改进的粒子滤波算法。首先介绍粒子滤波基本理论，指出粒子滤波方法的缺陷。本文在滤波算法中采用辅助粒子滤波和重采样方法，从而解决粒子滤波算法中粒子退化这一关键问题。通过仿真实验验证了该算法的有效性。
关键词： 仿真、目标检测、检测前跟踪、粒子滤波器
更新于2025-09-10 09:29:36
-
[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 - 基于显著种子提取的SAR图像目标检测
摘要： 本文提出一种基于显著种子提取的目标检测方法，旨在从合成孔径雷达（SAR）图像中区分目标点与背景点。不同于现有先生成超像素、再逐个判断其是否属于目标部分的超像素方法，本方案采用"显著点到区域"策略：首先通过均值漂移和区域特征相结合的方法提取显著种子；随后将像素分配至最相似的种子，提取归属于显著种子的像素构成前景区域；最后运用恒虚警率（CFAR）算法从前景区域中检测目标点。通过在TerraSAR-X图像上与五种先进方法对比验证了所提方法的有效性。
关键词： 合成孔径雷达（SAR）、目标检测、显著种子提取
更新于2025-09-10 09:29:36
-
[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 - 基于旋转区域卷积神经网络的遥感图像中带头部方向的目标检测
摘要： 目标检测在遥感领域长期发挥着重要作用，但仍充满挑战。本文提出一种基于旋转区域卷积神经网络的新型检测框架，以解决密集目标检测中的非极大值抑制问题。采用本方法获得的边界框是包含对象且冗余区域更少的最小外接矩形。此外，我们通过预测确定目标的头部朝向。相较于传统检测方法，本框架有三项重要改进：旋转边界框的表征与回归、头部朝向预测以及旋转非极大值抑制。基于谷歌地球遥感图像的目标检测实验表明，本旋转区域CNN检测方法具有优异性能。
关键词： 预测、目标检测、旋转区域、卷积神经网络、非极大值抑制
更新于2025-09-10 09:29:36
-
[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 - 高光谱图像目标检测中的空间正则化稀疏表示方法
摘要： 约束能量最小化（CEM）是高光谱图像目标检测的常用方法。其变体稀疏CEM通过引入稀疏正则化项来增强检测结果的稀疏性。然而这些方法均未考虑高光谱像素的空间相关性，而利用空间信息可进一步提升目标检测性能。本文提出一种新型约束检测算法——空间-稀疏CEM，通过合理设计正则化项同时实现输出稀疏性与分段连续性约束。采用交替方向乘子法（ADMM）高效求解该优化问题，并通过合成与真实高光谱数据验证了空间-稀疏CEM算法的性能提升。
关键词： 高光谱图像、空间正则化检测、目标检测、(cid:96)1范数正则化、ADMM、约束能量最小化
更新于2025-09-10 09:29:36
-
[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 - 基于显著性分析与轮廓提取的合成孔径雷达图像目标检测
摘要： 近期，显著性分析正成为遥感图像目标检测的研究热点。本文提出了一种基于显著性分析与轮廓提取的合成孔径雷达（SAR）图像目标检测模型。首先采用相干增强扩散模型分析输入SAR图像的显著性，在此过程中利用结构张量和扩散张量计算显著性图；随后结合张量投票算法与主动轮廓模型，将张量投票计算所得曲线显著性值的负值作为主动轮廓模型的外部能量，从而实现目标的精准轮廓提??；最后通过阈值分割算法获取精确完整的目标区域。实验结果表明，该模型性能优于相关经典模型。
关键词： 张量投票、显著性分析、遥感、目标检测、合成孔径雷达
更新于2025-09-10 09:29:36
-
[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-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高光谱目标检测的多先验学习算法
摘要： 高光谱图像中的目标检测是一个重要问题。过去几十年间，人们提出了许多目标检测算法并广泛应用于实际场景。然而这些算法的性能极易受目标光谱质量的影响。本文提出一种多先验学习算法，通过挖掘多个先验目标光谱间的固有相似性与差异性来增强先验目标光谱，从而缓解目标光谱变异问题。在两幅高光谱图像上的实验验证了该算法的有效性。
关键词： 高光谱影像、多任务学习、目标检测、光谱变化
更新于2025-09-10 09:29:36
-
[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 - 基于半参数与非参数方法的高光谱目标检测
摘要： 本文提出了一种新颖的半参数与非参数检测器，用于似然比检验通用检测框架下的加性目标信号模型。半参数检测器采用高斯混合模型估计背景概率密度函数（PDF）的低维近似，而非参数方法则使用多元核密度估计器来估计多维空间中的PDF。我们利用高光谱航空"维亚雷焦2013试验"数据集进行目标检测实验，结果表明这些检测器能有效检测场景中部署的感兴趣目标，并且性能优于著名的自适应匹配滤波检测器。
关键词： 目标检测、非参数密度估计、高光谱、半参数密度估计
更新于2025-09-10 09:29:36