面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN,SFPN）用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。     

铜仁凤凰机场低能见度变化特征初探

本文利用2016～2020年铜仁凤凰机场(以下简称铜仁机场)的机场天气报告,统计分析引起铜仁机场低能见度的天气现象及低能见度的变化特征等,得出结论:引起铜仁机场低能见度的天气主要是雾和小雨;铜仁机场的低能见度冬春多、夏秋次,1月最多、8月最少;夜晨多、日间少;在春夏秋三季多于18～21时开始、23～02时或14～17时结束;在冬季多于07～12时或19～20时开始、12～13时或23时结束;持续时间以2～4 h居多;从03、06、11、17～20时开始出现时平均持续时长较长,大于6 h;下午至傍晚才结束时,深夜至次晨可能再次出现。低能见度时温度露点差为0℃～1℃,以偏东风为主,风速以2～4 m/s居多。