摘要
本发明属于机场跑道检测技术领域,尤其为基于D‑Unet的遥感图像中机场跑道的检测方法,包括以下步骤:S1:批量获取包含机场跑道的BARS数据集样本图片,制作样本集;S2:采用D‑Unet模型对样本集进行训练,输出机场跑道检测模型并进行参数更新;S3:将待检测的遥感影像输入更新后的机场跑道检测模型,进行检测与识别,输出经过检测的机场跑道影像并保存,其中检测还包括根据更新后的机场跑道模型确定检测阈值,以判断图像中的像素是否属于机场跑道。本发明通过结合D‑Unet深度学习算法,显著提升了机场跑道检测的效率,同时具备较高的检测精度,适用于复杂遥感环境下的机场跑道自动化检测任务。
技术关键词
机场跑道检测
影像
样本
图像
特征提取能力
批量
直方图均衡化
深度学习算法
预训练模型
图片
像素
噪声抑制
分辨率
数据
参数
尺寸
网络
格式
系统为您推荐了相关专利信息
车辆自动驾驶方法
拖车
牵引绳
数据
自动驾驶装置
线虫
特征提取模型
身份认证方法
预处理图像数据
生理特征识别
雾霾图像
特征提取模块
图像去雾模型
图像去雾方法
图像纹理特征
正射影像图像
特征点集合
拼接方法
单应性变换矩阵
深度预测模型
肿瘤性病变
检测试剂盒
PCR扩增试剂
结直肠癌患者
新型小分子