隨著遙感衛(wèi)星平臺的多樣化以及圖像空、時、譜分辨率的提升,空間遙感探測技術的不斷突破�；谶b感圖像的大視場目標檢測技術在軍事、民用領域有著迫切的應用需求,尤其在當前人工智能圖像感知技術飛速發(fā)展的時代。然而,遙感場景復雜多樣、光照變化以及不同天候造成圖像的質量不穩(wěn)定,目標在場景中存在顯著的差異、目標之間尺度差異較大等問題。目前主流的遙感圖像目標檢測方法仍存在一些問題亟待解決。本文在目前深度學習圖像解譯相關理論的基礎上,針對遙感目標檢測領域存在的相關難點,提出一種基于深度視覺感知建模的大視場多類遙感目標檢測方法,主要研究工作和成果如下:(1)針對的遙感圖像大視場場景復雜、虛警干擾因素多的難點,本文提出在目標檢測網(wǎng)絡中構建語義-視覺特征,表征目標場景的復雜特性。本方法主要利用密集連接卷積模塊中層與層之間獨特的連接方式,提取豐富的語義特征�；谝曈X注意力增強模塊在通道和空間維度提取視覺特征;并融合兩個維度的特征信息,構建出深層次的結構特征來進行復雜場景的特征表達。通過一系列的對比分析實驗,此方法在有效的實現(xiàn)對于遙感目標的辨識。(2)針對遙感目標在同一場景中尺度差異較大、目標占比小而排布密集的難點...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 傳統(tǒng)遙感目標檢測方法
        1.2.2 基于卷積神經(jīng)網(wǎng)絡的遙感目標檢測方法
    1.3 主要研究內容
    1.4 論文組織結構
第二章 深度學習目標檢測識別算法分析
    2.1 引言
    2.2 卷積神經(jīng)網(wǎng)絡
    2.3 目標檢測
    2.4 目標識別
    2.5 本章小結
第三章 基于語義視覺特征融合的遙感圖像目標檢測
    3.1 引言
    3.2 算法框架
    3.3 語義-視覺特征構建
        3.3.1 數(shù)據(jù)增強
        3.3.2 密集連接卷積模塊
        3.3.3 視覺注意力增強模塊
    3.4 多尺度特征融合
    3.5 實驗與結果分析
        3.5.1 實驗數(shù)據(jù)集
        3.5.2 模型訓練
        3.5.3 指標評估與結果分析
    3.6 本章小結
第四章 基于輕量級卷積神經(jīng)網(wǎng)絡的虛警剔除方法
    4.1 引言
    4.2 算法框架
    4.3 Peleenet-RS算法設計
        4.3.1 深度可分離卷積
        4.3.2 網(wǎng)絡結構
    4.4 實驗與結果分析
        4.4.1 虛警和漏檢目標分析
        4.4.2 數(shù)據(jù)集制備
        4.4.3 虛警剔除結果
    4.5 本章小結
第五章 總結與展望
    5.1 論文工作總結
    5.2 研究展望
參考文獻
在學期間的研究成果
致謝



本文編號：3825813