FPN特征提取的光学遥感图像船舶检测

牛瑞欣,赵正健,张时源，党 杰，杜 璐

(中电太极(集团)有限公司 西安研发中心,陕西 西安 710065)

0 引言

地球观测卫星遥感技术作为近年来发展迅猛的高科技技术之一，利用卫星上搭载的可见光、红外和微波等传感器，收集地球表面和近地空间的电磁辐射数据，逐渐成为各国探测识别地球资源和环境信息的重要手段[1-2]。遥感图像的目标识别技术如今也被大量应用于资源调查与监测、气象灾害预测、海洋勘探和作战指挥等领域，该技术已经成为图像处理和目标识别等领域的热门研究方向。

随着高分辨率卫星的快速发展和高分辨率遥感图像数据的急剧增加，基于手工特征构建的传统目标检测算法难以高效处理大数据时代下的遥感图像，近年来兴起的深度学习方法凭借其能自主学习目标特征的优势，通过对低层的特征提取及组合，形成抽象的高层特征表示，简化了图像特征提取的过程，并且具有很好的自适应性。

在海面目标检测任务中，Liu等人[3]结合了顶帽变换(Top-hat Transform，THT)图像预处理技术和卷积神经网络(Convolutional Neural Networks,CNN)模型的方法，来检测和判别遥感图像中的船只。Gallego等人[4]采用了迁移学习的方法，设计了一个CNN模型，并在模型的最后一层使用了k最邻近 (k-Nearest-Neighbors，kNN)算法取代softmax激活函数作为分类器。ETTEN等人提出了一个YOLT(You Only Look Twice)[4]检测模型，来提高对于小目标的检测表现，并针对不同的目标物体(如飞机和机场)设计了不同尺度大小的检测器。Nie等人[6]使用了迁移学习的方法，来提高对检测遥感图像中的船只的准确性。……