發(fā)布時(shí)間：2020-05-07 03:29

【摘要】：現(xiàn)代遙感技術(shù)的不斷發(fā)展,涌現(xiàn)出大量空間分辨率更高、內(nèi)容更加豐富的遙感圖像,為遙感圖像各領(lǐng)域的研究提供了重要的分析條件和資源。遙感圖像目標(biāo)檢測(cè)作為遙感圖像處理中的首要任務(wù),在軍事和民用領(lǐng)域有著重要的實(shí)際應(yīng)用價(jià)值,受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注和研究。近年來,深度學(xué)習(xí)模型尤其是深度卷積神經(jīng)網(wǎng)絡(luò),因其具有良好的語義特征提取能力,在自然場(chǎng)景圖像目標(biāo)檢測(cè)中得到了廣泛而成功的應(yīng)用。由于遙感圖像與自然場(chǎng)景圖像的成像方式不同,直接將這些深度學(xué)習(xí)方法運(yùn)用到遙感圖像領(lǐng)域,會(huì)存在小目標(biāo)丟失嚴(yán)重、抗干擾性差、密集目標(biāo)丟失誤判等諸多問題,因此,本文圍繞深度學(xué)習(xí)方法在衛(wèi)星可見光遙感圖像目標(biāo)檢測(cè)中的應(yīng)用展開研究,主要的研究工作及成果概括如下:(1)針對(duì)目前的深度特征對(duì)遙感圖像中小目標(biāo)的特征響應(yīng)較低、抗干擾能力差的問題,提出一種基于空洞卷積與上下文信息的深度特征提取方法,并嵌入到Faster R-CNN目標(biāo)檢測(cè)框架中。該方法通過有效提升特征圖分辨率增強(qiáng)小目標(biāo)響應(yīng),通過增加上下文信息輔助分類器判別。此外,由于公開的遙感圖像目標(biāo)檢測(cè)數(shù)據(jù)集資源的匱乏,本文為大型地物目標(biāo)和小型地物目標(biāo)分別構(gòu)建和標(biāo)注了BODRS-2和TODRS-3數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明,提出的方法能夠有效降低遙感圖像目標(biāo)檢測(cè)的漏警率和虛警率,且魯棒性高,不論是在小數(shù)據(jù)量數(shù)據(jù)集還是大數(shù)據(jù)量數(shù)據(jù)集上都能夠取得較好的檢測(cè)效果。(2)針對(duì)目前大多數(shù)基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法采用的水平邊界框目標(biāo)定位方式,對(duì)遙感圖像中密集分布、方向任意的目標(biāo)定位不準(zhǔn)確造成漏檢的問題,提出一種基于任意角度邊界框的目標(biāo)定位方法,并嵌入到Faster R-CNN目標(biāo)檢測(cè)框架中。該方法引入任意角度邊界框?qū)δ繕?biāo)進(jìn)行“無冗余”定位,為了適應(yīng)長(zhǎng)寬比較大的艦船目標(biāo)添加了相應(yīng)的錨點(diǎn)比例設(shè)置,為了降低任意角度邊界框?qū)λ竭吔缈蝾A(yù)測(cè)的干擾,加大了水平邊界框回歸的權(quán)重。與經(jīng)典目標(biāo)檢測(cè)算法的對(duì)比結(jié)果表明,所提方法能夠有效地降低遙感圖像目標(biāo)檢測(cè)的漏警率和虛警率。(3)為提高目標(biāo)檢測(cè)的效率,提出一種高分辨率衛(wèi)星可見光遙感圖像分級(jí)目標(biāo)檢測(cè)方法,先在降采樣后的低分辨率圖像上檢測(cè)出大型地物目標(biāo),然后將檢測(cè)出的目標(biāo)范圍映射回原始高分辨率圖像,最后進(jìn)行小型地物目標(biāo)的檢測(cè)。本文基于上述工作構(gòu)建了一個(gè)遙感圖像目標(biāo)檢測(cè)實(shí)驗(yàn)驗(yàn)證系統(tǒng),并在已有衛(wèi)星可見光遙感圖像數(shù)據(jù)上對(duì)該分級(jí)目標(biāo)檢測(cè)方法的性能進(jìn)行了測(cè)試與評(píng)估。
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP751;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;圖像目標(biāo)檢測(cè)技術(shù)及應(yīng)用[J];大數(shù)據(jù);2016年05期

2 李曉冰;;具有先驗(yàn)信息的經(jīng)緯儀測(cè)量圖像目標(biāo)檢測(cè)技術(shù)[J];光電技術(shù)應(yīng)用;2008年01期

3 賀霖;潘泉;邸椺;李遠(yuǎn)清;;高光譜圖像目標(biāo)檢測(cè)研究進(jìn)展[J];電子學(xué)報(bào);2009年09期

4 張?jiān)?楊海濤;劉翔宇;;基于多尺度特征稠密連接的遙感圖像目標(biāo)檢測(cè)方法[J];中國(guó)電子科學(xué)研究院學(xué)報(bào);2019年05期

5 范金華;陳鍛生;;高光譜圖像目標(biāo)檢測(cè)研究進(jìn)展[J];微型機(jī)與應(yīng)用;2015年16期

6 王艷,鮑建躍,林曉春,過潤(rùn)秋;基于FPGA的紅外圖像目標(biāo)檢測(cè)[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

7 強(qiáng)贊霞,彭嘉雄;基于融合及數(shù)學(xué)形態(tài)學(xué)的遙感圖像目標(biāo)檢測(cè)[J];計(jì)算機(jī)工程;2005年10期

8 聶永剛;但志平;;足球賽場(chǎng)運(yùn)動(dòng)視頻圖像目標(biāo)檢測(cè)仿真[J];計(jì)算機(jī)仿真;2017年07期

9 張鐵棟;萬磊;秦再白;馬悅;;基于離散分?jǐn)?shù)布朗隨機(jī)場(chǎng)的水下圖像目標(biāo)檢測(cè)[J];光電工程;2008年08期

10 石志廣;周劍雄;張焱;;圖像目標(biāo)檢測(cè)前跟蹤的廣義多伯努利濾波算法[J];紅外與毫米波學(xué)報(bào);2018年03期

相關(guān)會(huì)議論文 前7條

1 李國(guó)強(qiáng);艾淑芳;;一種天空背景紅外圖像目標(biāo)檢測(cè)方法[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

2 黃家閩;楊瓏頎;;基于隨機(jī)共振和支持向量機(jī)的聲納圖像目標(biāo)檢測(cè)[A];信號(hào)處理在生儀2014學(xué)術(shù)年會(huì)論文集[C];2014年

3 劉東華;王元?dú)J;李秋娜;;小波分析理論在圖像目標(biāo)檢測(cè)中的應(yīng)用[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

4 高飛;劉愛冬;;基于深度卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)檢測(cè)[A];第十二屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2018年

5 劉代志;何元磊;黃世奇;;基于地物波譜特性的高光譜圖像目標(biāo)檢測(cè)與識(shí)別[A];國(guó)家安全地球物理叢書（七）——地球物理與核探測(cè)[C];2011年

6 潘雄;郎量;苗燦;趙盈盈;杜雨馨;朱杏子;;基于深度學(xué)習(xí)的被動(dòng)毫米波圖像目標(biāo)檢測(cè)方法研究[A];2019年全國(guó)微波毫米波會(huì)議論文集（上冊(cè)）[C];2019年

7 劉向君;楊澤剛;劉強(qiáng);;基于多波段SAR圖像目標(biāo)檢測(cè)決策級(jí)融合和圖像分類的目標(biāo)狀態(tài)標(biāo)注[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 王兆成;復(fù)雜場(chǎng)景下SAR圖像目標(biāo)檢測(cè)及鑒別方法研究[D];西安電子科技大學(xué);2018年

2 王振華;基于深度學(xué)習(xí)的野外巡線系統(tǒng)圖像目標(biāo)檢測(cè)研究[D];中國(guó)地質(zhì)大學(xué)(北京);2018年

3 黃勇;基于語義信息的高分辨SAR圖像目標(biāo)檢測(cè)[D];西安電子科技大學(xué);2018年

4 張國(guó)敏;復(fù)雜場(chǎng)景遙感圖像目標(biāo)檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

5 劉說;低檢測(cè)率SAR圖像目標(biāo)檢測(cè)與識(shí)別理論研究[D];電子科技大學(xué);2017年

6 李軒;基于局部特征的遙感圖像目標(biāo)檢測(cè)方法研究[D];長(zhǎng)春理工大學(xué);2016年

7 李曉慧;高光譜圖像目標(biāo)檢測(cè)及壓縮方法研究[D];哈爾濱工程大學(xué);2014年

8 郭鵬宇;光測(cè)圖像目標(biāo)檢測(cè)跟蹤與判讀方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

9 郭軍;引入上下文信息的可見光遙感圖像目標(biāo)檢測(cè)與識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

10 傅志中;紅外掃描成像動(dòng)目標(biāo)檢測(cè)跟蹤技術(shù)與DSP實(shí)時(shí)實(shí)現(xiàn)[D];電子科技大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 黃國(guó)權(quán);基于深度學(xué)習(xí)的衛(wèi)星圖像目標(biāo)檢測(cè)與識(shí)別研究[D];浙江大學(xué);2019年

2 李星悅;基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測(cè)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

3 周明非;基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像目標(biāo)檢測(cè)研究[D];陜西師范大學(xué);2018年

4 徐暉;基于哈希學(xué)習(xí)的遙感圖像目標(biāo)檢測(cè)及應(yīng)用[D];南京理工大學(xué);2018年

5 白猛猛;深度位敏信息網(wǎng)絡(luò)的圖像目標(biāo)檢測(cè)研究[D];西安工業(yè)大學(xué);2018年

6 黎敏訥;分布式數(shù)據(jù)分層抽樣技術(shù)及其在目標(biāo)檢測(cè)領(lǐng)域的應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2017年

7 侯瑤淇;基于多尺度深度網(wǎng)絡(luò)和視覺注意機(jī)制的高分辨SAR圖像目標(biāo)檢測(cè)與分類[D];西安電子科技大學(xué);2018年

8 鄧洋洋;高分辨率SAR圖像目標(biāo)檢測(cè)與特征提取[D];成都信息工程大學(xué);2018年

9 孫大鵬;空間約束聯(lián)合表示高光譜圖像目標(biāo)檢測(cè)[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院上海技術(shù)物理研究所);2018年

10 劉培;基于深度學(xué)習(xí)的圖像目標(biāo)檢測(cè)與分割算法的研究與應(yīng)用[D];燕山大學(xué);2018年

，

本文編號(hào)：2652361