基于遥感图像的空间目标精细识别算法研究.pdf

哈尔滨理工大学电子信息硕士学位论文

基于遥感图像的空间目标精细识别算法研究

摘要

遥感图像的背景复杂，其空间内的目标方向具有极大的随机性和不确定

性，同时样本类别之间往往存在不均衡的现象。这些因素共同增加了目标检测

的难度，但即便如此，遥感图像依然为军事国防、城市规划、灾害响应以及智

能交通等多个重要领域提供了不可或缺的强有力支持。因此，本文的目的是设

计和改进遥感图像目标检测精细识别网络，通过优化一阶段和二阶段的目标检

测技术来解决这些问题，以提高遥感图像空间目标检测的准确性。

针对遥感图像背景复杂度高的问题，本文在YOLOv7一阶段目标检测算法

中引入了具有可变形卷积的DCNv3模块。DCNv3模块作为一种新颖的可变形

卷积技术，能够增强模型对目标边界和细节信息的感知能力。在复杂场景下，

通过结合YOLOv7与DCNv3模块，有效地提高了目标检测的准确性和鲁棒

性，使得算法更好地应对各种挑战。

针对水平框检测方法对空间目标识别的位置和形状不够精确的问题，本文

在YOLOv7算法基础上加入卡尔曼滤波交并比损失函数。所搭建的模型使水平

框检测方法转化为旋转框的目标检测，更能精确地反应目标的真实形状。随

后，针对改进后的YOLOv7旋转目标检测算法精度不高的问题，引入SCC校

正卷积，以增强改进后的网络对高分辨率遥感图像的检测能力。

针对遥感图像样本类别分布不均衡的问题，用一种基于定向区域卷积神经

网络的二阶段目标检测算法取代YOLOv7的一阶段目标检测算法，所设计的二

阶段目标检测算法采用两段结构采样来处理类别不均衡的问题，使得正负样本

更加均衡。实验结果表明，本文改进后的方法在检测遥感图像空间目标时，具

有更高的检测精度和准确性。

关键词深度学习；目标检测；YOLOv7；遥感图像

-I-

哈尔滨理工大学电子信息硕士学位论文

ResearchontheAlgorithmofSpatialTarget

FineRecognitionBasedonRemoteSensingImage

Abstract

Thecomplexbackgroundofremotesensingimages,thearbitrarinessofspatial

targetorientationsandtheimbalanceofsamplecategoriesleadtodifficultiesintarget

detectionandprovidestrongsupportfortasksinthefieldsofmilitarydefense,urban

planning,disasterresponseandintelligenttransportation.Therefore,theobjectiveof

thispaperistodesignandimprovethefinerecognitionnetworkfortargetdetectionin

remotesensingimages,andtosolvetheseproblemsbyoptimizingtheone-phaseand

two-phasetargetdetectiontechniquesinordertoimprovetheaccuracyofspatialtarget

detectioninremotesensingimages.

Aimingattheproblemofhighbackgroundcomplexityofremotesensingimages,

thispaperintroducestheDCNv3modulewithdeformableconvolutionintothe

YOLOv7one-stagetarget