隨著衛(wèi)星技術(shù)的快速發(fā)展,遙感影像日益增多,因此亟待實(shí)現(xiàn)遙感影像的自動(dòng)解譯,而目標(biāo)檢測(cè)一直是遙感影像自動(dòng)解譯的一個(gè)重要的研究?jī)?nèi)容。本文基于卷積神經(jīng)網(wǎng)絡(luò),著重研究了結(jié)合人工設(shè)計(jì)特征與深度學(xué)習(xí)特征,完成機(jī)場(chǎng)、港口及機(jī)場(chǎng)內(nèi)部核心要素的目標(biāo)檢測(cè),并將所提出的各種目標(biāo)檢測(cè)方法集成到“譯陸”遙感影像目標(biāo)檢測(cè)平臺(tái)中,本文主要工作與創(chuàng)新如下:（1）針對(duì)機(jī)場(chǎng)目標(biāo)檢測(cè),根據(jù)機(jī)場(chǎng)作為復(fù)合目標(biāo),其主體結(jié)構(gòu)跑道存在明顯的長(zhǎng)平行線特征,提出了結(jié)合幾何與視覺(jué)顯著圖及殘差網(wǎng)絡(luò)的機(jī)場(chǎng)檢測(cè)方法。將幾何顯著圖與改進(jìn)的局部熵顯著圖相結(jié)合在影像中確定可能存在機(jī)場(chǎng)的候選區(qū)域。最后使用殘差網(wǎng)絡(luò)ResNet（residual network）判別候選區(qū)域類別,得到檢測(cè)結(jié)果。實(shí)驗(yàn)表明本文提出的方法相比于傳統(tǒng)機(jī)場(chǎng)檢測(cè)的方法,查全率提升了5.55%,查準(zhǔn)率提升了22.15%。相比于端到端的深度學(xué)習(xí)檢測(cè)方法SSD（single shot multiBox detector）,查全率提升了1.85%,查準(zhǔn)率提升了13.91%。（2）針對(duì)港口目標(biāo)檢測(cè),根據(jù)港口必定出現(xiàn)在海陸交界處且港口作為復(fù)合目標(biāo),其組成結(jié)構(gòu)碼頭之間沒(méi)有明顯主次關(guān)系的特點(diǎn),提出了... 

【文章來(lái)源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LeNet5第一層卷積層特征圖，輸入手寫(xiě)數(shù)字分別為0、1、2、4Fig.2-4ThefirstconvolutionlayerfeaturemapofLeNet5,theinputhandwrittennumberis0,1,2,4

上海交通大學(xué)碩士學(xué)位論文高度精確的分類精度（99%以上）也證明了 LeNet5 確實(shí)提取到了正確的特征，只是人類現(xiàn)在還不能理解這些特征的具體含義，而正是這些高層特征，使得物體識(shí)別的精度得到了大幅提高。正確解讀這些高層特征可能需要神經(jīng)科學(xué)對(duì)人類的物體識(shí)別過(guò)程進(jìn)行進(jìn)一步研究才能有所突破。圖 2-4 LeNet5 第一層卷積層特征圖，輸入手寫(xiě)數(shù)字分別為 0、1、2、4Fig. 2-4 The first convolution layer feature map of LeNet5, the input handwritten number is0,1,2,4

圖 3-2 機(jī)場(chǎng)檢測(cè)流程圖Fig. 3-2 Airport detection framework在對(duì) ResNet 進(jìn)行訓(xùn)練時(shí)，采用了 3.1.3 節(jié)中的微調(diào)方法，初始化的權(quán)值在 ImageNet 訓(xùn)練好的網(wǎng)絡(luò)參數(shù)。分類過(guò)程中對(duì)所有 ROI 首先在 4 種不同進(jìn)行擴(kuò)展(上、下、左、右)，這樣可以得到適當(dāng)?shù)沫h(huán)境信息，稱為上下文作[23]。ResNet 需要輸入一個(gè)固定大小的 224×224 像素的圖像，因此將擴(kuò) ROI 調(diào)整大小到 224×224 像素，使用訓(xùn)練完成的 ResNet 對(duì)變換后的 ROI 類，得到機(jī)場(chǎng)檢測(cè)結(jié)果。.2 機(jī)場(chǎng)幾何顯著圖機(jī)場(chǎng)最重要的特征就是平行線特征，針對(duì)這個(gè)特點(diǎn)，本節(jié)提出了基于直權(quán)的幾何顯著圖。.2.1 直線連接LSD 可以在遙感影像中快速檢測(cè)線段，但是由于遙感影像質(zhì)量參差不齊會(huì)導(dǎo)致一條線段被分為斷裂的幾段。為了得到準(zhǔn)確的線段，需要將這些斷

【參考文獻(xiàn)】：
期刊論文
[1]基于多結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)的高分遙感影像飛機(jī)目標(biāo)檢測(cè)[J]. 姚相坤,萬(wàn)里紅,霍宏,方濤.  計(jì)算機(jī)工程. 2017(01)
[2]海岸線提取技術(shù)研究進(jìn)展[J]. 于彩霞,王家耀,許軍,彭認(rèn)燦,成毅,王沫.  測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2014(03)
[3]SAR圖像機(jī)場(chǎng)區(qū)域的掩體目標(biāo)檢測(cè)方法[J]. 徐萬(wàn)朋,陳向?qū)?徐春宇,郗麗娜.  測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2013(05)
[4]基于局部和整體特征的飛機(jī)識(shí)別方法[J]. 李渝,吳增印.  現(xiàn)代電子技術(shù). 2013(14)
[5]國(guó)內(nèi)機(jī)場(chǎng)目標(biāo)識(shí)別研究現(xiàn)狀與展望[J]. 陳仁,趙廣州.  微型機(jī)與應(yīng)用. 2013(11)
[6]基于直線特征的航拍圖像機(jī)場(chǎng)跑道自動(dòng)識(shí)別算法[J]. 董銀文,苑秉成,石釗銘,王航宇.  系統(tǒng)工程與電子技術(shù). 2013(04)
[7]Budget感知機(jī)研究綜述[J]. 王驚曉.  電腦知識(shí)與技術(shù). 2012(14)
[8]遙感圖像中機(jī)場(chǎng)目標(biāo)的識(shí)別方法[J]. 陳旭光,林卉.  計(jì)算機(jī)工程與應(yīng)用. 2012(25)
[9]采用獨(dú)立分量分析Zernike矩的遙感圖像飛機(jī)目標(biāo)識(shí)別[J]. 劉富,于鵬,劉坤.  智能系統(tǒng)學(xué)報(bào). 2011(01)
[10]基于特征譜的高分辨率遙感圖像港口識(shí)別方法[J]. 張志龍,張焱,沈振康.  電子學(xué)報(bào). 2010(09)

博士論文
[1]大幅面可見(jiàn)光遙感圖像典型目標(biāo)識(shí)別關(guān)鍵技術(shù)研究[D]. 韓現(xiàn)偉.哈爾濱工業(yè)大學(xué) 2013
[2]基于遙感圖像的重要目標(biāo)特征提取與識(shí)別方法研究[D]. 張志龍.國(guó)防科學(xué)技術(shù)大學(xué) 2005

碩士論文
[1]自底向上的視覺(jué)顯著區(qū)域自動(dòng)提取技術(shù)研究[D]. 張杰.山東大學(xué) 2012
[2]高分辨率可見(jiàn)光遙感圖像港口及港內(nèi)目標(biāo)識(shí)別方法研究[D]. 張振.中國(guó)科學(xué)技術(shù)大學(xué) 2009
[3]基于多特征的光學(xué)遙感圖像機(jī)場(chǎng)掩體目標(biāo)檢測(cè)方法研究[D]. 孫軍領(lǐng).國(guó)防科學(xué)技術(shù)大學(xué) 2009



本文編號(hào)：3089828