描述:
机场场景内的飞机目标及其所处的地物背景具有重要军事应用价值,为了实现对这类目标的检测、识别以及动态监测,需要一套能够在不同季节、不同气象条件、不同时段、不同探测波段等条件下机场场景内飞机/地物红外辐射仿真的软件来提供训练样本。在Visual Studio 2010环境下,利用OpenGL构建了典型机场场景下飞机及地物背景模型,结合传热学和红外辐射理论的分析,将一款用于热红外分析的RadThermIR软件内核嵌入算法中,提出一种计算飞机及其地物背景的红外辐射场模型和构建其红外图像仿真方法。以图像灰度相似度作为评价指标,该方法和真实红外图像相比,仿真精度高于80%,实验结果表明,该方法可为实现全天候机场场景下飞机目标自动检测识别提供丰富的红外特性分析数据和特性知识训练样本。
描述:
为利用高分辨率遥感影像实现高精度的飞机目标变化检测,提出了一种自适应的多特征融合变化检测与深度学习相结合的方法。首先,通过加权迭代的多元变化检测法获取变化强度图,并结合自适应的直方图统计法自动获取显著的变化与不变化样本;然后,提取多时相影像的光谱、边缘和纹理特征,完成多特征融合的变化检测,并通过形态学处理得到变化图斑;最后,利用训练的NIN(Network in Network)结构的卷积神经网络飞机识别模型,完成变化图斑的类型判别,实现变化飞机的检测。实验结果表明,本文方法在两组数据的正确率分别达到100%和91.89%,均优于对比方法,能实现准确可靠的飞机目标变化检测。