李策,张亚超,蓝天,杜少毅

(1.兰州理工大学电气工程与信息工程学院,730050,兰州; 2.西安交通大学电子与信息工程学院,710049,西安)

大幅面高分辨率的遥感图像具有目标清晰、视野范围广的特点,在为用户提供更多感兴趣目标信息的同时也带来了更复杂的背景信息。因此,如何高效准确的从大幅面高分辨率的遥感图像中检测出所需要的目标,已成为遥感图像应用于实际工程中的关键问题之一。遥感图像目标检测不仅要对图像中目标的类别进行判断,还要给出目标的位置信息。因图像会受不同光照和观察点变化的影响,目标检测任务是一种具有挑战性的视觉任务。大幅面高分辨率遥感图像更加具有挑战性的3个原因:①同一幅图像中目标的尺寸差异较大,且目标的位置和姿态都无法确定;②白天和夜晚的遥感图像颜色空间差异较大;③高分辨率的遥感图像目标背景信息通常较为复杂。

遥感图像目标检测是传统目标检测问题中一个极具应用背景的分支。常见的遥感图像目标检测方法主要有利用模板匹配的方法[1,2]、背景建模的方法[3]以及基于浅层学习的方法[4-6]等。近年来深度学习的蓬勃发展,亦使得引入深度学习方法后的目标检测精度不断提升,主要方法有区域建议卷积神经网络(region convolutional neural network,R-CNN)[7]、面向实时的区域建议卷积神经网络(faster region convolutional neural network,Faster R-CNN)[8]、单次检测器(you only look once,YOLO)[9]、单网多尺度检测器(single shot multibox detector,SSD)[10]等。同时,诸多学者从深度学习框架出发,亦设计了多种算法拟提升遥感图像……