張云飛

(河海大學(xué) 計算機(jī)與信息學(xué)院, 南京 211100)

0 引言

遙感影像是指一切能夠記錄地物景觀電磁波數(shù)值水平的照片或膠片，所有經(jīng)過計算機(jī)處理后的遙感圖像都能保持?jǐn)?shù)字信號的存在形式，但通過攝影方式獲得的模擬圖像信號，必須先經(jīng)過圖像掃描儀等設(shè)備的模/數(shù)轉(zhuǎn)換處理后，才能以數(shù)字信息的方式轉(zhuǎn)存至一般的數(shù)字計算機(jī)通用載體之上。對于待處理的計算機(jī)圖像數(shù)據(jù)，為得到理想化的處理結(jié)果，必須在特定的圖像處理系統(tǒng)中才可以順利執(zhí)行[1-2]。所謂圖像處理系統(tǒng)是由磁帶機(jī)、數(shù)字化儀、顯示器、計算機(jī)等多個硬件設(shè)備及數(shù)據(jù)輸入、校正變換等多個軟件程序共同組成應(yīng)用系統(tǒng)，可在完成圖片信息分類的同時，實(shí)現(xiàn)對數(shù)據(jù)參量的校正、結(jié)合與變換處理。

近年來，隨著航空航天、衛(wèi)星通信等多項(xiàng)技術(shù)手段的共同發(fā)展，遙感影像檢測已經(jīng)成為了一種最為有效的監(jiān)測地球表面景觀變化情況的應(yīng)用手段，也是現(xiàn)階段遙感控制領(lǐng)域的重點(diǎn)研究內(nèi)容之一。傳統(tǒng)卷積網(wǎng)絡(luò)型檢測系統(tǒng)借助GPU加速服務(wù)器監(jiān)測地物景觀電磁波輸出波段的變化情況，再將所獲數(shù)據(jù)信息參量與原始信息模型對比，并以此突出遙感影像目標(biāo)的應(yīng)用有效性[3]。在面對單一遙感影像圖片時，此系統(tǒng)并不能完全剔除遙感影像中原始存在的雜質(zhì)像素，易導(dǎo)致所獲圖像在適應(yīng)自然環(huán)境復(fù)雜性方面存在一定的欠缺。

針對傳統(tǒng)方法存在的問題，引入深度學(xué)習(xí)網(wǎng)絡(luò)，結(jié)合邊緣紋理系數(shù)條件，設(shè)計一種新型的遙感影像目標(biāo)檢測系統(tǒng)。引入Caffe卷積神經(jīng)網(wǎng)絡(luò)框架，該框架能夠與影像輸入模塊、預(yù)處理模塊等多個下級執(zhí)行結(jié)構(gòu)間建立穩(wěn)定的定向連接關(guān)系，實(shí)現(xiàn)目標(biāo)信息的準(zhǔn)確調(diào)取與處理。系統(tǒng)硬件分設(shè)遙感影像輸入模塊、圖像幀預(yù)處理模塊等多個硬件結(jié)構(gòu)設(shè)備，在提取遙感影像多特征參量的同時，軟件通過目標(biāo)節(jié)點(diǎn)分割及特征小波分解，準(zhǔn)確剔除圖像噪聲，通過小波分解結(jié)果計算邊緣紋理系數(shù)，使檢測值與遙感影像圖片的邊緣密度水平更加匹配，完成遙感影像目標(biāo)檢測系統(tǒng)設(shè)計。

1 遙感影像目標(biāo)檢測系統(tǒng)硬件設(shè)計

結(jié)合深度學(xué)習(xí)框架，設(shè)計新型的遙感影像目標(biāo)檢測系統(tǒng)硬件模塊，按需連接圖像幀預(yù)處理模塊、影像目標(biāo)輸出模塊等多個結(jié)構(gòu)化設(shè)備元件，目標(biāo)檢測系統(tǒng)硬件整體框架如圖1所示。

圖1 Caffe深度學(xué)習(xí)框架的部分結(jié)構(gòu)圖

如圖1所示，在深度學(xué)習(xí)框架的基礎(chǔ)結(jié)構(gòu)上，設(shè)計遙感影像輸入模塊、圖像幀預(yù)處理模塊及影像目標(biāo)輸出模塊，以下展開系統(tǒng)硬件設(shè)計的詳細(xì)介紹。

1.1 深度學(xué)習(xí)框架

Caffe(卷積神經(jīng)網(wǎng)絡(luò)框架)是一種清晰且高效的深度學(xué)習(xí)型框架體系，在純粹C++/CUDA架構(gòu)單元的支持下，該結(jié)構(gòu)主體允許Python接口與Matlab接口同時存在，因此運(yùn)用該框架的檢測型應(yīng)用系統(tǒng)可自由在CPU模式與GPU模式之間來回切換。常見的Caffe深度學(xué)習(xí)框架主要包含Blob、Solver、Net、Layer共4大類組件結(jié)構(gòu)，在執(zhí)行檢測目標(biāo)的前向訓(xùn)練指令時，它們之間的結(jié)構(gòu)化連接關(guān)系如圖2所示。

圖2 Caffe深度學(xué)習(xí)框架的部分結(jié)構(gòu)圖

Blob結(jié)構(gòu)掌管遙感影像目標(biāo)檢測系統(tǒng)中的所有信息提取函數(shù)，在已知遙感地物景觀維度信息的基礎(chǔ)上，函數(shù)所指示的梯度信息，即為當(dāng)前時刻檢測系統(tǒng)所顯示的維度條件[4]。在Caffe深度學(xué)習(xí)框架中，該結(jié)構(gòu)可直接與遙感影像輸入模塊、圖像幀預(yù)處理模塊等多個下級執(zhí)行結(jié)構(gòu)建立定向連接關(guān)系。Net結(jié)構(gòu)直接面對檢測系統(tǒng)中暫存的遙感影像目標(biāo)信息，可借助Caffe深度學(xué)習(xí)框架，實(shí)現(xiàn)目標(biāo)信息參量的調(diào)取與調(diào)試處理。

1.2 遙感影像輸入模塊

遙感影像輸入模塊負(fù)載于Caffe深度學(xué)習(xí)框架的Layer結(jié)構(gòu)之下，可按照土地區(qū)塊所屬位置，對其進(jìn)行編號處理，并可綜合邊緣紋理系數(shù)，設(shè)置測量周長、測量面積等多個指標(biāo)參量。針對于待采集的遙感影像信息來說，檢測系統(tǒng)輸入模塊采用C170攝像頭監(jiān)測既定環(huán)境中的地物景觀表現(xiàn)情況，再經(jīng)由錄入信道，將這些信息參量傳輸至區(qū)塊元件編輯器結(jié)構(gòu)之中[5]。遙感影像輸入模塊原理如圖3所示。

圖3 遙感影像輸入模塊原理圖

由于所處位置及邊緣地表環(huán)境的不同，每一土地區(qū)塊所表現(xiàn)出來的屬性參量數(shù)值也會有所不同。因此，為獲得更為準(zhǔn)確的遙感影像輸入結(jié)果，模塊主機(jī)內(nèi)的編輯器結(jié)構(gòu)可按照人為指定編號的物理先后順序，對不同土地區(qū)塊進(jìn)行識別，且只有在經(jīng)過人為確認(rèn)后，檢測系統(tǒng)才會將已錄入信息傳輸至下級元件結(jié)構(gòu)之中。土地區(qū)塊元件編輯器結(jié)構(gòu)中的所有人為輸入信息都可進(jìn)行自由修改，且已選中區(qū)域的邊界線條也會明顯區(qū)別于未選中區(qū)域，相鄰?fù)恋貐^(qū)塊也總是呈現(xiàn)不同的顏色特征[6]。

1.3 圖像幀預(yù)處理模塊

如圖4所示，圖像幀預(yù)處理模塊作為遙感影像輸入模塊的下級執(zhí)行結(jié)構(gòu)，可針對遙感影像圖片中存在的突出性問題，進(jìn)行定向化處理，如條紋去噪等[7]。經(jīng)由遙感影像輸入模塊錄入的圖片信息往往包含大量的混合像素雜質(zhì)，不僅會模糊原始圖像中的目標(biāo)檢測信息，也會造成圖片質(zhì)量水平的不斷下降。針對條紋處理指令來說，原始遙感影像圖片中存在大量的橫向、縱向或斜向條紋遮擋物，但由于其存在形式始終保持半透明狀態(tài)，因此所覆蓋像素目標(biāo)并不會被完全遮擋，只是會呈現(xiàn)非典型雜質(zhì)混合形式。在此情況下，檢測系統(tǒng)雖然也能夠分辨遙感影像圖像中的目標(biāo)信息，但卻極難剔除這種混合狀態(tài)的雜質(zhì)像素。為解決此問題，圖像幀預(yù)處理模塊可定向去除圖片中的所有條紋遮擋物，并對處理后圖像進(jìn)行原始像素恢復(fù)，一方面保障了遙感影像目標(biāo)的提取完整性，另一方面也可避免雜質(zhì)像素對原始目標(biāo)信息的影響，從而使得最終系統(tǒng)檢測結(jié)果具有較強(qiáng)的可參考性價值[8]。在深度學(xué)習(xí)框架的支持下，預(yù)處理模塊所經(jīng)歷的去條紋指令不必針對所有圖片像素節(jié)點(diǎn)，而是可借助檢測主機(jī)自行選擇所需處理的影像區(qū)域，從而大幅節(jié)省了系統(tǒng)檢測指令所需的執(zhí)行時間。

圖4 圖像幀預(yù)處理模塊的去條紋處理

1.4 影像目標(biāo)輸出模塊

影像目標(biāo)輸出模塊可針對遙感影像圖片中的既定像素區(qū)域進(jìn)行放大處理，隨著放大倍數(shù)值的增加，非輸出區(qū)域的目標(biāo)信息被不斷弱化，而待輸出區(qū)域的目標(biāo)信息被不斷凸顯，因此遙感影像目標(biāo)檢測系統(tǒng)最終所輸出的影像圖片中必然包含待監(jiān)測區(qū)域的全部目標(biāo)信息。若以比率為3∶46的條件對遙感影像圖片進(jìn)行放大，放大前圖像邊緣信息的極大值反饋情況更為明顯，而目標(biāo)影像信息的極大值反饋情況較為薄弱；而放大后圖像邊緣信息的極大值反饋情況相對來說得到了弱化，目標(biāo)影像信息的極大值反饋情況卻得到了明顯促進(jìn)[9-10]。對于深度學(xué)習(xí)框架來說，影像目標(biāo)輸出模塊的這種應(yīng)用需求可較好避免目標(biāo)影像目標(biāo)不突出的問題，在深化目標(biāo)信息表現(xiàn)價值的同時，實(shí)現(xiàn)了對信息參量的有效整合，從而最大化發(fā)揮遙感影像信息的實(shí)際應(yīng)用價值。針對不同遙感影像圖片來說，影響目標(biāo)區(qū)域所遵從的放大標(biāo)注也有所不同，但總的來說，與放大前圖片匹配的數(shù)值參量越小、與放大后圖片匹配的數(shù)值參量越大，最終所得的遙感影像目標(biāo)檢測結(jié)果也就越精準(zhǔn)，如圖5所示。

圖5 遙感影像目標(biāo)的輸出結(jié)果

2 融合深度學(xué)習(xí)的遙感影像目標(biāo)檢測系統(tǒng)軟件設(shè)計

在硬件框架的基礎(chǔ)上設(shè)計遙感影像目標(biāo)檢測系統(tǒng)的軟件程序。為提升遙感影像目標(biāo)檢測的準(zhǔn)確性及圖像質(zhì)量，需最大程度地剔除遙感影像中存在混合的雜質(zhì)像素。結(jié)合深度學(xué)習(xí)框架下的遙感影像目標(biāo)檢測系統(tǒng)硬件設(shè)計方案，通過影像多特征提取、目標(biāo)節(jié)點(diǎn)分割、影像特征小波分解、邊緣紋理系數(shù)計算，提升遙感影像目標(biāo)檢測的去噪能力，從而有效剔除混合雜質(zhì)像素，準(zhǔn)確匹配遙感影像圖片的邊緣，完成基于深度學(xué)習(xí)網(wǎng)絡(luò)的遙感影像目標(biāo)變化能力檢測。

2.1 遙感影像多特征提取

在執(zhí)行遙感影像目標(biāo)檢測指令時，首先需要劃分框架區(qū)域和遙感影像區(qū)域，前者限定了待檢測遙感影像目標(biāo)的實(shí)際波動范圍，后者則針對個別像素信息進(jìn)行甄別。待確?？蚣軈^(qū)域與遙感影像區(qū)域完全穩(wěn)定后，迫使兩個框架相互融合，當(dāng)二者處于相融但未完全相融的表現(xiàn)狀態(tài)時，其相交區(qū)域就是系統(tǒng)目標(biāo)檢測框架所處位置。與框架區(qū)域與遙感影像區(qū)域相比，目標(biāo)檢測區(qū)域內(nèi)遙感影像像素的覆蓋量更為密集，其中雜質(zhì)像素的存在量也會成倍增加。針對此問題，經(jīng)由目標(biāo)檢測算法模塊的遙感影像圖片會再次進(jìn)入圖像幀預(yù)處理模塊，當(dāng)確保所有雜質(zhì)混合問題都得到解決后，原始影像圖片才會以信息編碼的形式，進(jìn)入影像目標(biāo)輸出模塊中[11-12]。考慮到Caffe深度學(xué)習(xí)框架的影響作用能力，目標(biāo)檢測算法模塊所框取的遙感影像區(qū)域不應(yīng)過大，應(yīng)以適應(yīng)土地區(qū)塊原始面積信息為宜，一般情況下，土地區(qū)塊原始面積越大，目標(biāo)檢測算法模塊所框取的遙感影像區(qū)域也就越大，反之則越小。而針對于大范圍的遙感影像環(huán)境來說，目標(biāo)檢測算法模塊則需將待檢測目標(biāo)分割成多個小型方正平面結(jié)構(gòu)，且每個圖片區(qū)域中應(yīng)盡可能多地包含多個類型相同的遙感影像目標(biāo)信息。

深度學(xué)習(xí)框架通過統(tǒng)計遙感影像目標(biāo)樣本所處位置的方式，確定圖片中影像節(jié)點(diǎn)處的多特征信息參量條件，再通過查詢影像目標(biāo)輸出模塊中圖片放大倍數(shù)值的方式，計算得到最終的遙感影像多特征提取結(jié)果[13]。處于地表環(huán)境中的任何遙感目標(biāo)都同時具備發(fā)射、吸收與反射電磁波的能力，且同種類地物景觀總是保持相同的電磁波譜表現(xiàn)情況，而非同種地物景觀也始終保持相異的電磁波譜表現(xiàn)情況[14]。在單一遙感影像圖片中，地物反射波譜特征能夠直觀反應(yīng)影像中地物內(nèi)容的變化情況，而目標(biāo)檢測系統(tǒng)的設(shè)計就恰好利用了影像目標(biāo)光譜的特征差異情況進(jìn)行處理。設(shè)i代表既定影像目標(biāo)的原始遙感信息參量，e代表該影像目標(biāo)的實(shí)際遙感信息參量，xi代表權(quán)限量為i時的遙感影像系數(shù)值，xe代表權(quán)限量為e時的遙感影像系數(shù)值，聯(lián)立上述物理量，可將遙感影像目標(biāo)的多特征提取結(jié)果表示為：

(1)

其中:r表示深度學(xué)習(xí)網(wǎng)絡(luò)中目標(biāo)信息參量的下限區(qū)分條件，c表示學(xué)習(xí)網(wǎng)絡(luò)中目標(biāo)信息參量的上限區(qū)分條件，ur表示遙感影像目標(biāo)的待檢極小值，uc表示遙感影像目標(biāo)的待檢極大值，δ1、δ2分別代表兩個不同的信息量分辨系數(shù)。

2.2 目標(biāo)節(jié)點(diǎn)分割

(2)

2.3 遙感影像特征小波分解

小波分解是一種特有的頻率成分分析手段，可將已定義的母函數(shù)在時間軸與尺度軸上進(jìn)行同步收縮處理，從而使得待檢測的遙感影像目標(biāo)輸出波能夠更適應(yīng)深度學(xué)習(xí)框架的實(shí)際執(zhí)行需求：一方面分析目標(biāo)檢測算法模塊中已存儲遙感影像目標(biāo)信息的實(shí)際應(yīng)用價值；另一方面從整體化層面描述目標(biāo)節(jié)點(diǎn)處遙感影像信息的非平穩(wěn)特性水平。小波分解可將連貫的遙感影像數(shù)據(jù)分割成不同頻率的分布式函數(shù)或小型算子，對于深度學(xué)習(xí)網(wǎng)絡(luò)來說，為獲得理想化的檢測結(jié)果，系統(tǒng)主機(jī)只需針對每一小節(jié)內(nèi)的信息參量進(jìn)行按需分析，再建立完整的小基波序列條件，從而實(shí)現(xiàn)對遙感影像特征信息的重排處理。設(shè)ΔT代表遙感影像目標(biāo)檢測指令的單位執(zhí)行時長，f代表小基波序列的分布函數(shù)量條件，聯(lián)立公式(2)，可將遙感影像特征的小波分解條件定義為：

(3)

其中：χ代表遙感影像目標(biāo)在時間軸上的母函數(shù)定義參量，P代表遙感影像目標(biāo)在尺度軸上的母函數(shù)定義實(shí)際數(shù)值，P0代表遙感影像目標(biāo)在尺度軸上的母函數(shù)定義初始數(shù)值。

2.4 邊緣紋理系數(shù)

采用深度學(xué)習(xí)網(wǎng)絡(luò)對遙感影像圖像中目標(biāo)波段的邊緣紋理參量進(jìn)行提取，首先需要將待處理的紋理參量值作為影像圖片的最邊緣特征值。利用已獲得的小波分解結(jié)果對紋理系數(shù)值進(jìn)行二次整改，從而使得計算結(jié)果能夠與遙感影像圖片的邊緣密度水平更加匹配。

邊緣紋理系數(shù)計算流程如圖6所示。

圖6 邊緣紋理系數(shù)計算流程圖

設(shè)bmin代表最小的深度學(xué)習(xí)網(wǎng)絡(luò)整改系數(shù)，bmax代表最大的深度學(xué)習(xí)網(wǎng)絡(luò)整改系數(shù)，聯(lián)立公式(3)，可將邊緣紋理系數(shù)計算結(jié)果表示為：

(4)

式中，j1、j2分別代表兩個不同的遙感影像圖片邊緣特征值參量，k代表小基波作用系數(shù)，ΔA代表單位時間內(nèi)的影像目標(biāo)信息傳輸變化量，得到遙感影像目標(biāo)檢測。

綜上，所設(shè)計遙感影像目標(biāo)檢測系統(tǒng)軟件流程如圖7所示。

圖7 遙感影像目標(biāo)檢測系統(tǒng)軟件流程

通過上述流程完成系統(tǒng)軟件設(shè)計，在結(jié)合Caffe深度學(xué)習(xí)網(wǎng)絡(luò)框架的同時，完成對新型遙感影像目標(biāo)檢測系統(tǒng)的設(shè)計。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)方法

為驗(yàn)證所設(shè)計基于深度學(xué)習(xí)的遙感影像目標(biāo)檢測系統(tǒng)的應(yīng)用性能，本次實(shí)驗(yàn)在Matlab仿真平臺中運(yùn)行。以檢測系統(tǒng)輸入模塊采集到的遙感圖像為例，將單一遙感影像圖片中的光譜信息、邊緣信息與紋理特征數(shù)據(jù)組合作為實(shí)驗(yàn)對象，分別將所獲取目標(biāo)數(shù)據(jù)參量輸入實(shí)驗(yàn)組與對照組系統(tǒng)中，以檢測相關(guān)指標(biāo)參量的具體變化情況，其中，實(shí)驗(yàn)組采用基于深度學(xué)習(xí)的遙感影像目標(biāo)檢測系統(tǒng)，對照組采用卷積網(wǎng)絡(luò)型檢測系統(tǒng)。

3.2 結(jié)果分析

在單一遙感影像圖片中，分別針對光譜信息、邊緣信息與紋理特征數(shù)據(jù)組合進(jìn)行提取處理，獲得圖8所示的待檢測目標(biāo)圖像。

圖8 單一遙感影像圖片的目標(biāo)特征

針對圖8中的(a)圖像進(jìn)行檢測分析，繪制圖8所示的光譜信息樣本變化情況對比圖，已知其中暗色像素代表雜質(zhì)像素、亮色像素代表有效像素。

分析圖9可知，實(shí)驗(yàn)組、對照組光譜信息樣本始終保持相同的分布情況，但從光合度對比角度來看，對照組圖像的灰暗程度明顯高于實(shí)驗(yàn)組，且暗色像素、亮色像素之間的對比性并不十分明顯。綜上可知，實(shí)驗(yàn)組光譜信息樣本中有效像素的占比量較大、雜質(zhì)像素的占比量較小，二者之間對比明顯，極其便于后續(xù)的檢測與剔除處理。

圖9 光譜信息樣本變化情況

針對圖8中的(b)圖像進(jìn)行檢測分析，繪制表1，已知effective、impurity分別記錄了原始圖像中有效像素節(jié)點(diǎn)與雜質(zhì)像素節(jié)點(diǎn)的具體數(shù)量值水平。

分析表1中數(shù)值記錄結(jié)果可知，實(shí)驗(yàn)組Effective數(shù)值始終保持相對較高的存在水平，而impurity數(shù)值則保持相對較低的存在水平，二者相加數(shù)值始終與遙感影像圖片中目標(biāo)像素節(jié)點(diǎn)的總數(shù)值水平相等。對照組Effective數(shù)值水平與impurity數(shù)值水平相差不大，前者的數(shù)值水平遠(yuǎn)不及實(shí)驗(yàn)組，后者的數(shù)值水平卻遠(yuǎn)高于實(shí)驗(yàn)組，二者相加數(shù)值也始終小于遙感影像圖片中目標(biāo)像素節(jié)點(diǎn)的總數(shù)值，最大值僅達(dá)到了9.9×1015·DPI。綜上可知，實(shí)驗(yàn)組邊緣信息樣本的有效像素節(jié)點(diǎn)數(shù)量遠(yuǎn)高于雜質(zhì)像素節(jié)點(diǎn)數(shù)量，在一定程度上可避免雜質(zhì)像素覆蓋有效像素行為的出現(xiàn)。

表1 邊緣信息樣本變化情況

針對圖8中的(c)圖像進(jìn)行檢測分析，繪制圖10所示的紋理特征數(shù)據(jù)組合樣本變化情況對比圖，由于繪制圖像的灰度水平較高，因此若最終圖像中存在明顯的亮色像素線條，即代表有效像素節(jié)點(diǎn)與雜質(zhì)像素節(jié)點(diǎn)可得到有效區(qū)分。

圖10 紋理特征數(shù)據(jù)組合樣本變化情況

分析圖10可知，對照組紋理特征數(shù)據(jù)組合樣本呈現(xiàn)完全灰暗的表現(xiàn)情況，全圖中不存在明顯的亮色像素線條，甚至不存在明顯的亮色像素節(jié)點(diǎn)。實(shí)驗(yàn)組紋理特征數(shù)據(jù)組合樣本的灰度水平雖然相對較高，但在圖像中部依然存在明顯的亮色像素線條，且邊緣區(qū)域處亮色像素節(jié)點(diǎn)與暗色像素節(jié)點(diǎn)間的對比也極為明顯。綜上可知，實(shí)驗(yàn)組紋理特征數(shù)據(jù)組合樣本中有效像素節(jié)點(diǎn)的占比量較大、雜質(zhì)像素節(jié)點(diǎn)的占比量較小，且二者之間的對比情況極為明顯，可實(shí)現(xiàn)對影響目標(biāo)像素的有效分析。

基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測系統(tǒng)的應(yīng)用價值主要表現(xiàn)在3個方面：光譜信息樣本處理、邊緣信息樣本處理、紋理特征數(shù)據(jù)組合樣本處理。對實(shí)驗(yàn)結(jié)果進(jìn)行分析對比可以看出，在像素節(jié)點(diǎn)數(shù)不變的情況下，經(jīng)過所設(shè)計檢測系統(tǒng)處理后，原始圖像中有效像素節(jié)點(diǎn)所占比例更大、雜質(zhì)像素節(jié)點(diǎn)所占比率更小，且二者之間存在清晰可見的敏感性對比關(guān)系，符合剔除混合雜質(zhì)像素的實(shí)際應(yīng)用需求，在自然環(huán)境多樣性適應(yīng)方面也具備更強(qiáng)的實(shí)用價值。

4 結(jié)束語

本文設(shè)計基于深度學(xué)習(xí)的遙感影像目標(biāo)檢測系統(tǒng)，在深度學(xué)習(xí)框架的作用下，遙感影像目標(biāo)檢測系統(tǒng)針對圖像幀預(yù)處理模塊、目標(biāo)檢測算法模塊等多個硬件設(shè)備結(jié)構(gòu)體的應(yīng)用功能進(jìn)行完善，一方面使得目標(biāo)檢測節(jié)點(diǎn)得到了有效的分割處理；另一方面也計算得到了更為準(zhǔn)確的邊緣紋理系數(shù)值結(jié)果。對比實(shí)驗(yàn)結(jié)果表明，在單一遙感影像圖片中，無論待檢測目標(biāo)怎樣變化，原始圖像中的有效像素節(jié)點(diǎn)與雜質(zhì)像素節(jié)點(diǎn)都能得到有效區(qū)分，不僅可以適應(yīng)更加復(fù)雜且多變的自然環(huán)境，還能夠從中獲得更為準(zhǔn)確的地表景觀變化監(jiān)測結(jié)果。