一种基于改进YOLOv3的遥感影像飞机目标检测算法

作者： 袁铭阳   姜挺   王鑫   来源： 测绘科学技术学报 年份： 2020 文献类型 ： 期刊 关键词： 遥感影像   改进YOLOv3   尺度检测   飞机目标检测   NMS算法  

描述： 一种基于改进YOLOv3的遥感影像飞机目标检测算法

机载LiDAR数据和航空影像基于角特征的配准

作者： 司传波   高子翔   崔程宝   来源： 测绘与空间地理信息 年份： 2018 文献类型 ： 期刊 关键词： 遥感影像   LiDAR   配准   角特征   融合  

描述： 控制测量条件少、受天气影响小、自动化水平高等优点。然而LiDAR获取的数据主要是离散激光点云,具有高精度的空间结构信息而缺少纹理和光谱信息。将LiDAR数据和遥感影像数据进行融合将是当今测绘科学研究的方向之一。融合影像数据和点云数据的关键步骤就是将两者进行高精度的配准。

基于色彩和纹理特征的航空RGB影像水域范围提取

作者： 郭攀   来源： 山西建筑 年份： 2017 文献类型 ： 期刊 关键词： 纹理   遥感影像   水域   色彩   RGB航空影像  

描述： 简述了一种综合水体颜色和纹理特征的影像分割方法,并介绍了其具体的研究方法及方案,从纹理和色彩特征在提取中的对比、不同提取条件效率对比两方面,对实验结果进行了分析,为今后类似研究提供参考。

一种基于Transformer编码器与LSTM的飞机轨迹预测方法

作者： 李明阳     鲁之君     曹东晶     曹世翔   来源： 航天返回与遥感 年份： 2024 文献类型 ： 期刊 关键词： Transformer   Encoder   轨迹预测   Transformer编码器   飞机目标   神经网络   LSTM模型  

描述： 为了解决飞机目标机动数据集缺失的问题，文章利用运动学建模生成了丰富的轨迹数据集，为网络训练提供了必要的数据支持。针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题，提出了一种结合Transformer编码器和长短期记忆网络（Long Short Term Memory,LSTM）的飞机目标轨迹预测方法，即Transformer-Encoder-LSTM模型。新模型可同时提供LSTM和Transformer编码器模块的补充历史信息和基于注意力的信息表示，提高了模型能力。通过与一些经典神经网络模型进行对比分析，发现在数据集上，新方法的平均位移误差减小到0.22，显著优于CNN-LSTMAttention模型的0.35。相比其他网络，该算法能够提取复杂轨迹中的隐藏特征，在面对飞机连续转弯、大机动转弯的复杂轨迹时，能够保证模型的鲁棒性，提升了对于复杂轨迹预测的准确性。

基于迁移学习和改进Faster-RCNN遥感影像飞机目标检测

作者： 周绍鸿     方新建     刘鑫怡     张潆丹     严盛   来源： 机电工程技术 年份： 2024 文献类型 ： 期刊 关键词： 遥感影像   目标检测   RCNN   深度学习   Faster   迁移学习  

描述： 为了提高遥感影像飞机目标检测的准确性和泛化能力，需要解决背景复杂、尺度多变、目标密集、飞机朝向不确定和特征不明显等问题。但现阶段训练数据量有限，初始训练需要消耗大量算力和时间，容易出现过拟合现象

联合多尺度特征和注意力机制的遥感影像飞机目标检测

作者： 徐佰祺   江刚武   刘建辉   王鑫   魏祥坡   余培东   来源： 测绘科学技术学报 年份： 2021 文献类型 ： 期刊 关键词： YOLO   注意力机制   特征融合   遥感影像   V4算法   飞机目标检测  

描述： 针对遥感影像飞机目标尺寸小、特征不明显的问题,在YOLO V4的基础上,提出一种联合多尺度特征和注意力机制的遥感影像飞机目标检测方法。该方法扩大了特征融合时尺度的范围,增强了对低层特征和小目标信息

联合多尺度特征和注意力机制的遥感影像飞机目标检测

作者： 徐佰祺   江刚武   刘建辉   王鑫   魏祥坡   余培东   来源： 测绘科学技术学报 年份： 2021 文献类型 ： 期刊 关键词： YOLO   注意力机制   特征融合   遥感影像   V4算法   飞机目标检测  

描述： 针对遥感影像飞机目标尺寸小、特征不明显的问题,在YOLO V4的基础上,提出一种联合多尺度特征和注意力机制的遥感影像飞机目标检测方法。该方法扩大了特征融合时尺度的范围,增强了对低层特征和小目标信息

联合多尺度特征和注意力机制的遥感影像飞机目标检测

作者： 徐佰祺   江刚武   刘建辉   王鑫   魏祥坡   余培东   来源： 测绘科学技术学报 年份： 2021 文献类型 ： 期刊 关键词： YOLO   注意力机制   特征融合   遥感影像   V4算法   飞机目标检测  

描述： 针对遥感影像飞机目标尺寸小、特征不明显的问题,在YOLO V4的基础上,提出一种联合多尺度特征和注意力机制的遥感影像飞机目标检测方法。该方法扩大了特征融合时尺度的范围,增强了对低层特征和小目标信息

联合多尺度特征和注意力机制的遥感影像飞机目标检测

作者： 徐佰祺   江刚武   刘建辉   王鑫   魏祥坡   余培东   来源： 测绘科学技术学报 年份： 2021 文献类型 ： 期刊 关键词： YOLO   注意力机制   特征融合   遥感影像   V4算法   飞机目标检测  

描述： 针对遥感影像飞机目标尺寸小、特征不明显的问题,在YOLO V4的基础上,提出一种联合多尺度特征和注意力机制的遥感影像飞机目标检测方法。该方法扩大了特征融合时尺度的范围,增强了对低层特征和小目标信息

EGMT-CD: Edge-Guided Multimodal Transformers Change Detection from Satellite and Aerial Images

作者： Yunfan   Xiang     Xiangyu   Tian     Yue   Xu     Xiaokun   Guan     Zhengchao   Chen   来源： Remote Sensing 年份： 2023 文献类型 ： 期刊 关键词： sensing   detection   images   edge   Transformer   feature   change   remote   alignment   heterogeneous  

描述： Change detection from heterogeneous satellite and aerial images plays a progressively important role in many fields, including disaster assessment, urban construction, and land use monitoring. Currently, researchers have mainly devoted their attention to change detection using homologous image pairs and achieved many remarkable results. It is sometimes necessary to use heterogeneous images for change detection in practical scenarios due to missing images, emergency situations, and cloud and fog occlusion. However, heterogeneous change detection still faces great challenges, especially using satellite and aerial images. The main challenges in satellite and aerial image change detection are related to the resolution gap and blurred edge. Previous studies used interpolation or shallow feature alignment before traditional homologous change detection methods, which ignored the high-level feature interaction and edge information. Therefore, we propose a new heterogeneous change detection model based on multimodal transformers combined with edge guidance. In order to alleviate the resolution gap between satellite and aerial images, we design an improved spatially aligned transformer (SP-T) with a sub-pixel module to align the satellite features to the same size of the aerial ones supervised by a token loss. Moreover, we introduce an edge detection branch to guide change features using the object edge with an auxiliary edge-change loss. Finally, we conduct considerable experiments to verify the effectiveness and superiority of our proposed model (EGMT-CD) on a new satellite–aerial heterogeneous change dataset, named SACD. The experiments show that our method (EGMT-CD) outperforms many previously superior change detection methods and fully demonstrates its potential in heterogeneous change detection from satellite–aerial images.