工业通用技术及设备论文_结合空间约束的卷积神
文章目录
0 引言
1 造船企业特征
1.1 船企解译标志
1.2 船企内部空间特征分析
1)船企建设面积统计。
2)内部地物占地面积统计。
3)内部地物空间距离统计。
2 遥感图像船企场景识别理论
2.1 基准网络介绍
2.2 多模型多尺度检测
2.3 多模型多尺度场景识别
2.3.1 全局尺度初检测
2.3.2 局部尺度精检测
2.3.3 空间距离约束
2.4 场景综合评判和识别
1)多尺度标签得分。
2)局部对象标签组合条件。
3)局部对象空间距离约束条件。
3 船企场景识别流程
3.1 样本集制作与影像预处理
3.2 多模型多尺度训练
1)样本划分与增强。
2)网络训练参数设置与结果。
3.3 船企场景识别实验
4 实验结果分析
4.1 江苏省结果与精度
4.2 境外研究区域船企识别结果分析与精度评价
4.2.1 日本研究区域
4.2.2 韩国研究区域
5 结论
文章摘要:船企场景识别对修复沿岸生态环境、保护水域环境以及促进船舶产业的协调发展具有现实意义,但传统方法基于中、低层次的特征难以实现卫星遥感图像中船企的自动识别。为此,提出了结合空间约束的卷积神经网络多模型多尺度船企场景识别方法。首先分别采用全局尺度的船企场景和局部尺度船坞（台）、厂房和船只样本训练多个卷积神经网络模型,并进行多模型多尺度检测;进而对局部对象进行像素级定位并计算对象空间距离;最终结合多尺度检测结果、对象标签组合方式、对象空间距离进行船企场景综合判别与提取。将此方法分别应用于中国江苏省、日本长崎县和爱媛县周边以及韩国木浦市和巨济市周边5个典型造船密集区。结果表明,江苏省整体识别精确度为87%,召回率为85%;日本研究区整体识别精确度为91%,召回率为87%;韩国研究区整体识别精确度为85%,召回率为92%。实验结果表明,此方法可以较好地实现遥感船企复杂场景的识别。
文章关键词:
