应急遥感制图中敏感目标自动检测与隐藏方法

发布时间：2021-12-12 10:59

　　应急遥感制图在灾害响应中作用显著,能为灾害评估、救灾决策提供有力支撑。传统应急遥感制图流程中,人工检索敏感目标并使用图像编辑工具进行脱密处理的方式效率不高,与防灾救灾的高即时性要求相矛盾,无法实现快速发布与使用。将深度学习中的目标检测模型和生成式对抗网络模型相结合,构建遥感影像敏感目标检测与隐藏两阶段处理模型,并以遥感制图中飞机目标处理为例验证模型性能。针对飞机目标特点,采用损失函数重构、区域推荐网络候选框优化、Mask优化算法引入、注意力机制重构等改进方案。实验结果表明,该方法全流程处理时间较人工处理缩短50%以上,能快速、智能地进行遥感影像敏感目标检测与隐藏处理,缩短应急制图周期。 

【文章来源】：武汉大学学报(信息科学版). 2020,45(08)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

图1 两阶段模型总体框架

{Pi=Sum(Upsample(P))i+1,Conv(C)iP6=Max Pooling(P)5(1）式中，i=2,3,4;Upsample为上采样卷积操作；Conv为卷积操作；Sum表示矩阵对应位置的值进行相加；Max Pooling为最大池化操作。1.2.1 区域建议网络RPN

Deepfill模型的网络结构如图3所示，分为粗略网络和细化网络两个阶段[17]。粗略网络阶段使用带有膨胀卷积的卷积神经网络对缺失区域进行不断学习、预测并更新卷积权重值，最终得到一个相对粗略的修复结果。其中使用的膨胀卷积能扩大卷积核的感受视野，使卷积核包含更大范围的信息。

【参考文献】：
期刊论文
[1]基于深度卷积神经网络的遥感图像飞机目标检测方法[J]. 郭智,宋萍,张义,闫梦龙,孙显,孙皓.  电子与信息学报. 2018(11)
[2]应用于地震应急的遥感自动制图实现[J]. 薛腾飞,张景发.  自然灾害学报. 2017(03)
[3]显著图和多特征结合的遥感图像飞机目标识别[J]. 吴喆,曾接贤,高琪琪.  中国图象图形学报. 2017(04)
[4]生成式对抗网络GAN的研究进展与展望[J]. 王坤峰,苟超,段艳杰,林懿伦,郑心湖,王飞跃.  自动化学报. 2017(03)
[5]应急测绘保障体系若干关键问题研究[J]. 朱庆,曹振宇,林珲,谢维挺,丁雨淋.  武汉大学学报(信息科学版). 2014(05)
[6]采用CDD模型的自适应图像修复算法[J]. 印勇,李丁,胡琳昀.  重庆大学学报. 2013(04)
[7]汶川地震应急监测评估方法研究[J]. 范一大,杨思全,王磊,王薇,聂娟,张宝军.  遥感学报. 2008(06)
[8]遥感制图技术在洪涝灾害监测、评估、治理中的应用[J]. 杨克检,李清泉,方圣辉.  地图. 1998(04)

博士论文
[1]大幅面可见光遥感图像典型目标识别关键技术研究[D]. 韩现伟.哈尔滨工业大学 2013

硕士论文
[1]数字影像敏感目标脱密模型与算法研究[D]. 李彬彬.南京师范大学 2015
[2]遥感影像修补技术研究[D]. 陈路.解放军信息工程大学 2011



本文编号：3536552