张一民 韩现伟 张世超 高伟

基于视觉显著性和卷积神经网络的机场目标快速检测

张一民 韩现伟*张世超 高伟

（河南大学物理与电子学院，开封 475000）

针对现有的机场目标检测算法用于大幅面遥感图像时检测速度慢、准确率低的问题，文章提出了一种基于视觉显著性和卷积神经网络相结合的高效、精确的机场目标检测方法。首先，根据机场形状特征，采用基于直线分布特征的视觉显著性检测方法提取候选区域，对机场的可能位置进行粗定位；然后，设计了一种改进的卷积神经网络分类模型判断候选区域是否为机场；最后，使用非极大值抑制的方法去除冗余的预测框，获得最终的检测结果。利用从谷歌地球收集的图像数据集对该神经网络模型进行训练和测试，结果表明其在精准率和召回率上均具有较大优势。此外，文章所提算法在来自不同卫星平台的大量大幅面遥感图像上进行了机场目标检测，结果显示其适应性强且检测效率有大幅度提升。

遥感图像 机场目标 视觉显著性 卷积神经网络 迁移学习 遥感应用

0 引言

近年来，机场目标检测作为遥感应用的一个重要分支，在军事侦察和民用导航领域均体现出较大的应用价值。随着科学技术的不断发展，卫星遥感图像地面分辨率越来越高[1]，图像尺寸越来越大，靠人眼分析和解译的难度也越来越高，另外对地观测的遥感信息又有着较高的识别难度和时效性，所以借助于高性能计算机实现对遥感图像快速准确的识别成为了关键。……