摘要：海陆分割对于合成孔径雷达(synthetic aperture radar,SAR)图像海洋目标检测、海岸线提取等任务具有重要意义。针对实际应用中多分辨率SAR图像海陆分割难题,提出了一种基于上下文与边缘注意力的海陆分割方法。该方法利用通道注意力机制融合不同尺度和层次的上下文特征,设计了边缘提取支路提供边缘信息,进一步提高了海陆边界的分割准确率。同时,构建了基于高分三号卫星数据的多分辨率SAR图像海陆分割数据集,该数据集涵盖了多个分辨率,包括港口、岛屿等多种海陆边界类型。并基于所构建的多分辨率SAR图像海陆分割数据集,对所提网络的有效性和各模块的作用进行了实验分析。实验结果表明,所提网络的整体预测准确率和平均交并比分别达到了98.21%和96.47%,能够较好地完成海陆分割任务。

摘要：由于微纳卫星在体积、重量以及功耗等方面的限制,星载宽幅遥感图像海陆分割需要现场可编程门阵列(FPGA)提供高能效计算能力。在保证分割精度前提下,利用FPGA有限片上资源实现低复杂度算法的并行计算是关键。因此,本文提出一种基于FPGA并行计算的多阈值分级海陆分割方法。该方法以OTSU法为核心,利用基于多特征联合阈值的子图分类构成分级海陆分割,以抑制海面中干扰点的影响。此外,设计新颖的并行迭代计算结构,在提升OTSU计算效率的同时实现对片上缓存占用的平衡性调整。实验结果表明,本文方法可达到98%以上的整体检测精度。同时,对于一幅8192×2048 pixels的遥感图像,本文方法处理时间仅为0.16 s,较其它基于FPGA的方法的处理时间至少减少了23.81%。

摘要：针对现有SAR海陆分割预测精度较低,采用的分割网络模型普遍较大、难以星上部署等难点,提出了一种基于二值化条件随机场卷积网络的极化SAR海陆分割方法(BiCSNet)。该模型的轻量化主要通过所设计的适用于海陆分割二元任务的二值化卷积模块实现,为了提高轻量化网络的分割精度,BiCSNet还融入了卷积条件随机场实现端到端的网络预测功能。基于我国沿海区域的全极化SAR图像构建的数据集,验证了所提出网络在精度和轻量化两方面的良好性能。

摘要：在遥感光学图像近岸舰船目标检测任务中,针对近岸复杂场景中存在形状近似目标的虚警问题,提出一种基于多任务学习的近岸舰船目标检测方法。该方法通过构建海陆分割任务与舰船检测任务并行双路框架,将传统的任务串行处理流程优化为并行处理方式,设计联合损失函数进行双路优化训练约束,提升模型训练的稳定性,通过双分支融合模块剔除陆地掩膜中的检测结果,实现陆地虚警滤除。采用谷歌地球遥感图像制作的数据集进行实验,将本文提出的方法与单任务检测算法YOLOv5相比,mAP提升了4.4个百分点,虚警率降低了3.4个百分点。实验结果表明本文算法对陆地虚警抑制有效。

摘要：针对海陆语义分割中陆地、码头形状多样,背景目标复杂等情况造成的像素分类错误、边界分割模糊等问题,提出了一种新的基于深度卷积神经网络的遥感图像海陆语义分割方法。该方法以端对端的训练方式实现了对目标的逐像素分类,为了解决海陆分割中像素分类错误,设计以不同尺度图像为输入的三个并行的编码结构,通过融合不同尺度的特征图,丰富特征代表算子的语义信息,增大像素分类准确率。为了解决海陆分割中边界分割模糊,通过设计能够融合编码结构中低层精细位置信息的解码结构,对特征图进行更加精确的上采样,恢复像素的密集位置信息,提高海陆分割准确度。为有效验证所提网络框架的优势,构建了海陆分割数据集HRSC2016-SL进行算法性能比较。与最新的语义分割算法相比,所提算法取得了更好的分割结果。

摘要：为了在通用硬件平台上实现光学遥感图像海面舰船检测,提出一套适合实际系统应用的算法。首先,在海陆分割阶段设计能快速粗分图像内容的自适应双门限阈值分割方法;其次,根据海面舰船分布稀疏的特点对分块后的图像进行目标存在性初判;接着,只对初判为有目标的分块提取目标候选区域,提高了检测效率,其中引入杂波率系数自适应地控制Top-Hat算子中结构元素的尺寸,使其更好地抑制背景;最后,采用基于特征的模式识别方法剔除虚警。测试结果验证了算法的性能,并在硬件平台上进行了实现。

摘要：合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测紧贴军事和民用需求,为海洋监视提供重要信息支撑。针对复杂大场景SAR图像,本文设计了一种基于级联网络的舰船目标检测框架,该网络框架主要由D-BiSeNet海陆分割、分块区域筛选和CP-FCOS目标检测三部分组成。通过改进双边网络(D-BiSeNet)进行SAR图像海陆分割,增强了图像空间位置信息及网络边缘损失,提高了分割性能。通过海域面积比参数设定进行分块区域筛选,可以有效选择网络处理图像块,提升算法整体检测效率。CP-FCOS网络将Category-Position特征优化模块应用于传统FCOS网络,强化网络特征提取能力,同时改进目标分类和边界框回归方式,提高舰船目标定位效果。基于Sentinel-1和高分三号大场景实测数据实验表明,相比于传统CFAR、Faster-RCNN和RetinaNet方法,本文方法综合检测性能提升25.7%,3.7%和9.9%,同时检测速度提升10.0%以上。

摘要：针对高分辨率遥感影像码头提取中靠岸舰船的干扰难题,提出了一种高分辨率遥感影像码头轮廓提取方法。该方法首先对码头区域影像进行海陆分割分离出海域,然后利用码头轮廓的平直特性和舰船的形状特征,在海陆图像中的陆域进行靠岸舰船和码头目标的粘连分割,从而实现码头目标轮廓信息的获取。实验结果验证了该方法的有效性。

摘要：文章旨在开发基于NVIDIA Jetson TX2,Qt5和OpenCV2.4的近海区域SAR图像舰船目标快速检测系统,该系统具有SAR图像载入,目标切片输出,检测结果实时显示与性能分析等功能。根据预期目标,使用Matlab实现近海区域SAR舰船目标检测基本流程,后期基于Open CV移植到嵌入式开发平台,并使用GPU实现并行计算加速处理,使舰船目标检测速度得到提升。最后,使用Qt完成上层应用接口设计,搭建人机交互界面。