基于卫星遥感的岛礁影像多类目标智能化提取

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测.改进了RetinaNet,使其适用于卫星遥感影像.首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息.为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征.挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试.改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了4.1％、2.5％、2.4％.基于高分二号卫星(GF-2)真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取.