公开(公告)号：CN111709307B

公开(公告)日：2022-08-30

申请号：CN202010444356.X

申请日：2020-05-22

Applicant: 哈尔滨工业大学

Inventor： 谷延锋 ,  叶树嘉 ,  高国明

IPC: G06V20/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764

Abstract: 一种基于分辨率增强的遥感图像小目标检测方法，它属于遥感图像中目标检测技术领域。本发明解决了由于遥感图像中小目标可利用的特征信息少以及小目标区域存在几何形变，导致的利用现有方法对遥感图像中小目标检测的效果不好的问题。本发明对包含小目标的遥感图像进行超分辨处理后再进行目标检测，扩大了深度学习目标检测模型的应用范畴，实现了对较高空间分辨率遥感图像的深化利用。针对遥感图像中小型目标可利用的特征信息很少以及几何形变的问题，采用超分辨处理技术进一步完善小目标的细节特征信息，应用基于区域的可变形卷积网络充分利用了小目标有限的特征信息，提高对遥感图像中小目标的检测能力。本发明可以应用于遥感图像中小目标检测。

公开(公告)号：CN111709307A

公开(公告)日：2020-09-25

申请号：CN202010444356.X

申请日：2020-05-22

Applicant: 哈尔滨工业大学

Inventor： 谷延锋 ,  叶树嘉 ,  高国明

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于分辨率增强的遥感图像小目标检测方法，它属于遥感图像中目标检测技术领域。本发明解决了由于遥感图像中小目标可利用的特征信息少以及小目标区域存在几何形变，导致的利用现有方法对遥感图像中小目标检测的效果不好的问题。本发明对包含小目标的遥感图像进行超分辨处理后再进行目标检测，扩大了深度学习目标检测模型的应用范畴，实现了对较高空间分辨率遥感图像的深化利用。针对遥感图像中小型目标可利用的特征信息很少以及几何形变的问题，采用超分辨处理技术进一步完善小目标的细节特征信息，应用基于区域的可变形卷积网络充分利用了小目标有限的特征信息，提高对遥感图像中小目标的检测能力。本发明可以应用于遥感图像中小目标检测。