是指：在运用遥感技能获取的航空或卫星图画中，通过检测算法检测图画是否包括一个或多个感兴趣的地物方针，并定位该方位。

　　遥感图画的方针检测是将图画从数据转换为信息，然后完结图画判读解译和方针监督的重要环节，其广泛运用于自然灾害监测、海上勘测和军事冲击等范畴。

　　传统的光学遥感图画方针检测算法都是以区域挑选-特征提取-分类器为主线的办法。可是，跟着卫星数量的增多、重访周期的缩短、图画分辨率的进步，遥感图画数据量越来越大，且跟着新卫星的升空， 数据量还将会不断添加。剧增的数据量给咱们的科学研讨供给了许多可运用的信息，可是要运用好遥感图画还有必定的难度，特别是受气候、光照、海况、传感器参数等多种要素影响，使得光学遥感图画的特征提取较为困难。这种传统检测办法现已无法应对新的应战，例如：

　　面对这些应战，传统方针检测算法难以满意实时性和准确性的要求，而跟着深度学习的开展，深度神经网络因为其强壮的主动提取特征的才能，使得其在遥感图画方针检测使命中被广泛运用。比较于传统光学遥感图画方针检测算法，根据深度学习的办法处理了传统检测算法适应性不高、对布景模型的更新要求高、提取特征鲁棒性差和检测的实时性差等缺陷。

　　光学遥感图画不同于一般光学图画，其差异性首要体现在传感器和拍照角度上。一般光学图画所拍照的事物大多散布在笔直方向，而且往往方针会占有整幅图的大面积区域，整幅图画的语义信息较为简略。而光学遥感图画的状况则要杂乱许多，地表上空的拍照角度所带来的问题有：方针方向以及尺度多变、方针密布摆放呈现、杂乱的布景区域占有整幅图的较大区域。

　　本文首要对光学遥感图画方针检测的首要难点进行了介绍，接着对现有根据深度学习的方针检测算法进行概括，并以光学遥感图画方针检测的难点为驱动剖析对比了不同的根据深度学习的光学遥感图画方针检测办法的优缺陷，最终对未来的开展趋势进行了具体的剖析。

　　本文首要评论了根据深度学习的方针检测算法的研讨进展，这些算法能够分为两类（图1，图2）：第一类是根据区域的算法（two-stage），其将检测问题划分为两个阶段，首要发生候选区域（region proposals），然后对候选区域分类（一般还需要对方位精修），该类算法的特点是精度高但速度相对慢；第二类是端到端的算法（one-stage），这是一个单一的办法，不需要区域提议（region proposal）阶段，直接发生方针的类别概率和方位坐标值，该类算法的特点是速度快但精度相对低。

　　咱们以深度学习办法的光学遥感图画方针检测所面对的问题为导向，在遥感图画分辨率过高、方针像素过少、方针方向改变、方针尺度改变、方针密布摆放、杂乱布景和样本缺乏7个问题上，对不同算法进行概括和总结。

　　通过总述，咱们得出结论：跟着遥感技能的开展，光学遥感图画的质量会有进一步进步，因而光学遥感图画的运用远景依然非常宽广，现在根据深度学习的光学遥感图画方针检测开展迅速，潜力巨大。运用根据深度学习的模型能够有用解放人力，将特征工程交于算法完结，极大进步网络关于不同数据的鲁棒性。现在根据深度学习的光学遥感图画方针检测首要问题现已列出。虽然有许多研讨致力于处理这些问题，而且取得了必定的作用，可是在寻觅更好和更高效的处理办法上依然留有很大的发挥空间。在此基础上，咱们对遥感图画方针检测技能的开展提出了新的展望。

　　中国地质大学（武汉）主动化学院副教授. 2008年取得中国地质大学核算机学院核算机科学硕士学位. 2012年取得中国地质大学核算机学院地学信息工程博士学位.首要研讨方向为机器学, 演化核算, 高光谱遥感图画处理.

　　中国地质大学（武汉）主动化学院硕士研讨生. 2017年取得湖北理工学院电气与电子信息工程学院学士学位.首要研讨方向为遥感图画处理, 机器学习.

　　中国地质大学（武汉）核算机学院教授. 1986年取得武汉大学学士学位. 1992年取得北京工业大学硕士学位. 2003年取得中国地质大学（武汉）博士学位. 首要研讨方向为数据发掘, 机器学习, 演化核算.

　　中国地质大学（武汉）主动化学院硕士研讨生. 2018年取得青岛科技大学主动化学院学士学位. 首要研讨方向为深度学习, 图画生成.

　　清华大学主动化系教授. 1995年取得清华大学主动化系学士学位. 1999年取得清华大学主动化系操控理论与操控工程专业博士学位. 首要研讨方向为智能优化理论、办法与运用, 杂乱生产过程建模、优化与调度.

　　中国地质大学（武汉）主动化学院硕士研讨生. 2017年取得青岛科技大学主动化学院学士学位. 首要研讨方向为显著性检测, 语义切割, 人体解析.

上一篇：怎么办理Windows 10的遥测功用 下一篇：依据低空无人机遥感的高粱成长情况监测-莱森光学