基于Faster R-CNN的建筑物遥感图像目标检测

摘要

高密度区建筑阴影相互覆盖形成伪边缘，易导致边界像素混淆，难以获取建筑物遥感图像低通和高通特征，导致检测准确率较低，针对这一问题，本文提出一种基于更快的区域卷积神经网络(Faster R-CNN)的建筑物遥感图像目标检测方法。采用经典三维块匹配(BM3D)算法对原始遥感图像进行去噪处理，利用非下采样轮廓波变换模型对图像进行变换，提取图像低通和高通特征。将非下采样轮廓波变换模型输出向量输入到Faster R-CNN中，实现基于Faster R-CNN的建筑物遥感图像目标检测。实证表明：设计方法平均精度(AP)在90%以上，平均精度均值(mAP)在0.9以上，可实现对建筑物遥感图像目标的精准检测。

关键词

更快的区域卷积神经网络(Faster R-CNN) / 遥感图像 / 目标检测 / 经典三维块匹配(BM3D)算法 / 非下采样轮廓波变换