针对遥感图像中的目标检测问题，采用基于卷积神经网络的目标检测框架对目标进行提取，针对该网络制作了包含三类遥感图像中常见目标的目标检测数据集。为了解决遥感图像目标旋转角度较大的问题，将空间变换网络融入超快区域卷积神经网络，提出了一种具有旋转不变性自学习能力的目标检测模型。通过与传统的目标检测方法进行对比分析，探究了不同方法对遥感图像目标检测的实际效果。相对于传统的目标检测方法，融合了空间变换网络的卷积神经网络所提取的特征具有更好的旋转不变特性，从而能够达到更高的检测精度。
2022-07-28 15:38:48
1.16MB
1
针对高分辨率遥感卫星在大幅宽成像时，由于扫描速度提高而导致遥感图像产生运动模糊的问题，提出用长积分时间模糊图像和短积分时间无模糊图像联合去除运动模糊，获得高信噪比无模糊图像的解决方案。该方案利用低信噪比清晰图像中的细节信息来进行模糊核的估计，通过带增益控制的残差RL去卷积算法，极大地减小了振铃效应的影响；通过引入联合双边滤波器算法，有效地复原了图像的细节信息。最后通过实验分析证明该方案的良好效果。
2022-07-27 15:07:05
1.02MB
1
RSSCN7 Dataset 包含 2800 幅遥感图像，这些图像来自于 7 个典型的场景类别 —— 草地、森林、农田、停车场、住宅区、工业区和河湖，其中每个类别包含 400 张图像，分别基于 4 个不同的尺度进行采样。
该数据集中每张图像的像素大小为 400*400，场景图像的多样性导致其具有较大的挑战性，这些图像来源于不同季节和天气变化，并以不同的比例进行采样。
RSSCN7 数据集由武汉大学的秦邹于 2015 年发布，相关论文有《Deep learning based feature selection for remotesensing scene classification》。
2022-07-13 16:05:20
348.37MB