リモートセンシング画像における車両検出において、背景干渉、ターゲットの密集、およびターゲットの異質性などの要因による認識精度低下の問題を解決するために、超ピクセルとマルチモーダル認識ネットワークを融合したリモートセンシング画像車両検出手法を提案する。まず、混合超ピクセルの領域結合規則に基づき、超ピクセル二分グラフ融合アルゴリズムにより二つのモダリティの超ピクセル分割結果を融合し、異なるモダリティ画像の超ピクセル分割結果の精度を向上させた。次に、マルチモーダルエッジ認識ネットワークMEANet（Multi-modal Edge Aware Network）というリモートセンシング画像車両検出手法を提案し、OPT-FPNモジュール（Optimized Feature Pyramid Networks）を導入してネットワークの多スケールターゲット特徴学習能力を強化した。最後に、エッジ認識モジュールを通じて超ピクセルモジュールとマルチモーダル融合モジュールで生成された二つのエッジ特徴セットを集約し、車両ターゲットの正確な境界を生成した。ISPRS PotsdamおよびISPRS Vaihingenのリモートセンシング画像データセットで実験を行い、最終的な<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mi>m</mi><msub><mrow><mi>F</mi></mrow><mrow><mn mathvariant="normal">1</mn></mrow></msub></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/80B14515-B3F1-47ca-8B09-4FC14CCB38F6-M001.jpg"?></graphic><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/80B14515-B3F1-47ca-8B09-4FC14CCB38F6-M001c.jpg"?></graphic></alternatives></inline-formula>スコアはそれぞれ91.05％および85.11％であった。実験結果は、本手法がマルチモーダルリモートセンシング画像における高精度車両検出において良好な検出精度および応用価値を有することを示している。

超ピクセル;マルチモーダル認識;リモートセンシング画像;車両検出