商俊燕

(常州工业职业技术学院 信息工程学院，江苏 常州 213164)

0 引言

遥感技术为人们快速、全面了解地表覆盖变化提供了技术支持，在高分辨率遥感技术不断发展的大背景下，大量高品质遥感图像的采集越来越方便。遥感图像是利用遥感技术生成的远距离图像，可以对目标进行有效的处理[1]。目标检测是遥感图像处理的基础任务之一，通过对遥感图像的分析可以分辨出水体、植被等目标，同时遥感影像可以识别更小的目标，如具体的树木、人、交通标志、足球场标志线等等，因此遥感图像目标检测已经成为当前研究的热点问题。遥感设备拍摄图像时由于设备距离目标较远，包含的地面范围大，受到分辨率的限制，待检测目标可能以微小形式显示在遥感图像中，这些检测目标具有尺度小、特征弱等特点，为图像目标的检测工作带来较大难度。

为了精准地检测到遥感图像中的微小目标，提出遥感图像微小目标检测方法。欧巧凤[2]等人提出了基于深度学习的车检图像多目标检测与识别方法。应用轻量级神经网络YOLOv3检测并识别车辆图像中的细小目标，再利用多任务级联卷积神经网络定位图像中的关键点，利用关键点坐标对其进行校正，最后以卷积神经网络分类车牌底色，最终实现字符识别。该方法提高了检测与识别精度，但是响应时间较长，检测与识别效率较低。杜泽星[3]等人提出了基于半监督学习的遥感飞机图像检测方法。……