文献类型：期刊文章

作　　者：石争浩[1] 仵晨伟[1] 李成建[1] 尤珍臻[1] 王泉[2] 马城城[2]

Shi Zhenghao;Wu Chenwei;Li Chengjian;You Zhenzhen;Wang Quan;Ma Chengcheng(School of Computer Science and Engineering,Xi’an University of Technology,Xi’an 710048,China;Key Laboratory of Aviation Science and Technology for Integrated Circuit and Microsystem Design,Xi’an Xiangteng Micro-Electronic Technology Co.,Ltd.,Xi’an 710068,China)

机构地区：[1]西安理工大学计算机科学与工程学院,西安710048 [2]西安翔腾微电子科技有限公司集成电路与微系统设计航空科技重点实验室,西安710068

出　　处：《中国图象图形学报》

年　　份：2023

卷　　号：28

期　　号：9

起止页码：2616-2643

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、RCCSE、ZGKJHX、核心刊

摘　　要：航空遥感图像目标检测旨在定位和识别遥感图像中感兴趣的目标,是航空遥感图像智能解译的关键技术,在情报侦察、灾害救援和资源勘探等领域具有重要应用价值。然而由于航空遥感图像具有尺寸大、目标小且密集、目标呈任意角度分布、目标易被遮挡、目标类别不均衡以及背景复杂等诸多特点,航空遥感图像目标检测目前仍然是极具挑战的任务。基于深度卷积神经网络的航空遥感图像目标检测方法因具有精度高、处理速度快等优点,受到了越来越多的关注。为推进基于深度学习的航空遥感图像目标检测技术的发展,本文对当前主流遥感图像目标检测方法,特别是2020—2022年提出的检测方法,进行了系统梳理和总结。首先梳理了基于深度学习目标检测方法的研究发展演化过程,然后对基于卷积神经网络和基于Transformer目标检测方法中的代表性算法进行分析总结,再后针对不同遥感图象应用场景的改进方法思路进行归纳,分析了典型算法的思路和特点,介绍了现有的公开航空遥感图像目标检测数据集,给出了典型算法的实验比较结果,最后给出现阶段航空遥感图像目标检测研究中所存在的问题,并对未来研究及发展趋势进行了展望。

关 键 词：航空遥感图像 目标检测 特征融合  深度学习  卷积神经网络(CNN)  TRANSFORMER 注意力机制  

分 类 号：TP391]