改进ResNet算法的复杂遥感背景目标细粒度识别

摘要

考虑到遥感影像的大规模和高维特征，复杂遥感应用过程需要进行合适的特征提取和选择，同时进一步区分同类目标的不同子类别，为此，提出改进残差网络（ResNet:Residual Network）算法的复杂遥感背景目标细粒度识别方法。使用非均值滤波算法标记带噪遥感图像的坐标域，计算像素点之间相似度，对复杂遥感图像进行去噪。基于去噪结果，提取图像全局、局部特征点，通过特征点融合结果获取全局、局部特征图。引入改进残差网络算法，分析每个背景图像块区域像素细粒度，经过残差学习后，结合图像像素位置与损失函数，二次利用分类器确定像素细粒度特征，完成背景目标细粒度识别。实验结果表明，图像清晰度较高，随着待识别图像的不断增加，F₁-Score与全局召回率都得到了不同程度的改善，增益误差较低。

关键词

改进ResNet算法 / 复杂遥感图像 / 图像去噪 / 背景目标 / 细粒度识别