| 基于深度学习和空间分析的港口识别 |
| |
| 引用本文： | 李泽明,程亮,朱大明,闫兆进,季辰,段志鑫,景旻,李宁,东野升鹍,宋艳若,刘家辉.基于深度学习和空间分析的港口识别[J].激光与光电子学进展,2021,58(20):462-470. |
| |
| 作者姓名： | 李泽明 程亮 朱大明 闫兆进 季辰 段志鑫 景旻 李宁 东野升鹍 宋艳若 刘家辉 |
| |
| 作者单位： | 昆明理工大学国土资源工程学院,云南昆明650093;南京大学地理与海洋科学学院,江苏南京210023;中国南海研究协同创新中心,江苏南京210023;江苏省地理信息资源开发与利用协同创新中心,江苏南京210023;江苏省软件新技术与产业化协同创新中心,江苏南京210023;南京大学地理与海洋科学学院,江苏南京210023;中国南海研究协同创新中心,江苏南京210023;南京大学地理与海洋科学学院,江苏南京210023;西南林业大学地理与生态旅游学院,云南昆明650051 |
| |
| 摘 要： | 针对港口难以自动识别的问题,在高分辨率可见光遥感影像上将深度学习和地理空间分析相结合,提出了船舶-码头-港口递进式识别模型.首先,对构建的码头样本数据集进行数据增强,并用增强后的数据集来训练YOLO v3算法.然后,在大幅遥感影像上利用滑动窗口进行多尺度识别,获取影像底层特征以计算出码头类别和像素坐标.最后,将码头点位转化为地理坐标,使用Getis-Ord Gi*统计方法进行热点分析.并利用经典的密度聚类方法,实现了对港口位置及范围的识别与提取.在实验区中的识别对比结果表明,在1000 m聚合阈值下,所提模型对港池识别的比例达到82.79％.
|
| 关 键 词： | 遥感 光学遥感影像 目标识别 港口 码头 YOLO v3 滑动窗口 |
Deep Learning and Spatial Analysis Based Port Detection |
| |
| Li Zeming,Cheng Liang,Zhu Daming,Yan Zhaojin,Ji Chen,Duan Zhixin,Jing Min,Li Ning,Dongye Shengkun,Song Yanruo,Liu Jiahui.Deep Learning and Spatial Analysis Based Port Detection[J].Laser & Optoelectronics Progress,2021,58(20):462-470. |
| |
| Authors: | Li Zeming Cheng Liang Zhu Daming Yan Zhaojin Ji Chen Duan Zhixin Jing Min Li Ning Dongye Shengkun Song Yanruo Liu Jiahui |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
