【摘要】：機載平臺上的目標(biāo)檢測一直以來都是軍事領(lǐng)域的重要研究內(nèi)容,是機載光電預(yù)警、機載光電偵查的重要組成部分。搭載在機載平臺上的目標(biāo)檢測算法大多是傳統(tǒng)的目標(biāo)檢測算法,一般由區(qū)域選擇、特征提取、分類回歸等部分組成,比如經(jīng)典的基于目標(biāo)模板匹配的策略,具有算法實現(xiàn)簡單、檢測速度快、檢測效果良好等優(yōu)點,但是需要一定的先驗知識,并且極易出現(xiàn)一旦某幀檢測失敗后,其更新模板易受到背景污染的情況,因此需要較為復(fù)雜的模板更新策略,然而航空光電成像環(huán)境復(fù)雜,天氣的變化、光照亮度的變化以及機身抖動都會對目標(biāo)成像質(zhì)量造成影響,同時由于機載平臺本身的快速運動或者目標(biāo)自身的快速運動使成像目標(biāo)易發(fā)生形變,傳統(tǒng)的算法不能獲得較好的魯棒性。因此本文研究了基于深度學(xué)習(xí)的航空對地目標(biāo)檢測。相較于傳統(tǒng)的特征提取方式比如Harr、Sift、Hog等特征,深度特征的優(yōu)勢在于不易受物體形變、光照變化、背景干擾等變化因素的影響,但是復(fù)雜度增加了很多,需要強大的計算力支持。而航拍目標(biāo)檢測既需要較好的檢測準(zhǔn)確率,也需要較高的檢測速度,因此本文的主要工作集中在如下方面:(1)為了應(yīng)對復(fù)雜的環(huán)境變化,本文采取了一系列的數(shù)據(jù)預(yù)處理措施,包括常見的旋轉(zhuǎn)、剪裁、亮度、噪聲等變化的數(shù)據(jù)擴充策略,以增強模型的魯棒性。由于是針對機載平臺上的目標(biāo)檢測,時常面對云霧及惡劣天氣的干擾,因此專門進行了去霧算法的研究,減輕天氣環(huán)境因素對成像質(zhì)量的影響,降低成像過程中信息的丟失,增強算法的穩(wěn)定性。(2)為提高航拍小目標(biāo)的檢測精度,本文提出了一種多層特征融合進行目標(biāo)檢測的方法。其中淺層特征提取的是目標(biāo)的邊緣、輪廓信息,有利于實現(xiàn)目標(biāo)準(zhǔn)確定位。而深層特征提取的是目標(biāo)的語義、環(huán)境信息,有利于實現(xiàn)目標(biāo)的精確識別。因此充分利用目標(biāo)的深淺層特征可以更好的獲取更多的目標(biāo)信息,彌補了YOLO算法對于小目標(biāo)檢測的不足,并且在最終輸出目標(biāo)時引入改進的非極大值策略以改善目標(biāo)重疊的影響,使檢測精度在自制數(shù)據(jù)集上達到了0.63mAP。(3)為減低模型存儲需求,提高檢測速度,本文將奇異值分解策略應(yīng)用于特征圖,其中淺層特征圖壓縮效果達到80%以上,深層特征圖壓縮效果達到30%以上,同時整個模型的檢測速度可以達到18fps。
【圖文】：

在圖像進入網(wǎng)絡(luò)之前需要進行去霧處理，以去除天氣的影響。圖2.1 是本文的數(shù)據(jù)預(yù)處理流程。圖 2. 1 數(shù)據(jù)預(yù)處理流程圖Figure2.1 Data preprocessing flow chart2.1.1 仿射變換仿射變換是針對圖像中像素的位置關(guān)系，，通過一定的函數(shù)映射關(guān)系可以使圖像像素的空間位置改變，這種映射關(guān)系包括線性映射和非線性映射，使之呈現(xiàn)出

圖 2. 3 彩色圖像的直方圖均衡化Figure2.3 Histogram equalization of color images圖像的灰度變換總的來說有三個作用。首先，最明顯的變化是可以改變圖像直方圖分布，使像素分布更加均勻，避免了像素過度集中的情況；其次，直方分布的變化帶來的是對比度的改善，有助于顯示圖像細(xì)節(jié)部分；最后是可以進特征篩選，有選擇性的突出或者抑制圖像中某部分。由于航拍圖片有可能會出亮度較暗，且動態(tài)范圍較低的情況，通過直方圖均衡化后可以顯著改善圖像的均亮度及對比度。.1.3 噪聲影響由于卷積網(wǎng)絡(luò)強大的學(xué)習(xí)能力，容易導(dǎo)致其過分的重視不必要的特征，出現(xiàn)重的過度擬合現(xiàn)象，經(jīng)常發(fā)生在神經(jīng)網(wǎng)絡(luò)試圖學(xué)習(xí)高頻特征（非常頻繁出現(xiàn)的
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：V243;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 舒朗;郭春生;;基于回歸與深度強化學(xué)習(xí)的目標(biāo)檢測算法[J];軟件導(dǎo)刊;2018年12期

2 王鈐;張穗華;雷絲雨;鄧博文;;一種基于數(shù)據(jù)聚類的目標(biāo)檢測算法[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2016年06期

3 孫林;鮑金河;劉一超;;高光譜圖像目標(biāo)檢測算法分析[J];測繪科學(xué);2012年01期

4 張桂林，熊艷，曹偉，李強;一種評價自動目標(biāo)檢測算法性能的方法[J];華中理工大學(xué)學(xué)報;1994年05期

5 許云;李彬;;基于背景遺傳模型的運動目標(biāo)檢測算法[J];自動化技術(shù)與應(yīng)用;2017年03期

6 杜佳;宋春林;;一種改進的毫米波雷達多目標(biāo)檢測算法[J];通信技術(shù);2015年07期

7 諸葛霞;向健勇;;基于分形特征的目標(biāo)檢測算法概述及仿真[J];紅外技術(shù);2006年10期

8 方路平;何杭江;周國民;;目標(biāo)檢測算法研究綜述[J];計算機工程與應(yīng)用;2018年13期

9 尚海林;;復(fù)雜場景下弱小目標(biāo)檢測算法的FPGA實現(xiàn)[J];航空兵器;2007年04期

10 詹煒;Inomjon Ramatov;崔萬新;喻晶精;;基于候選區(qū)域的深度學(xué)習(xí)目標(biāo)檢測算法綜述[J];長江大學(xué)學(xué)報(自然科學(xué)版);2019年05期

相關(guān)會議論文 前10條

1 何元磊;李紅軍;周陸軍;李旭淵;顧立林;尼濤;;基于端元豐度量化的高光譜圖像目標(biāo)檢測算法[A];國家安全地球物理叢書（十一）——地球物理應(yīng)用前沿[C];2015年

2 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標(biāo)檢測算法[A];第八屆全國信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

3 高飛;蔣建國;安紅新;齊美彬;;一種快速運動目標(biāo)檢測算法[A];全國第22屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

4 許俊平;張啟衡;張耀;王華闖;;基于人眼視覺特性的小目標(biāo)檢測算法[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

5 王藝婷;黃世奇;劉代志;王紅霞;;高光譜圖像目標(biāo)檢測算法性能研究[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

6 張國華;;一種基于導(dǎo)引頭穩(wěn)定平臺結(jié)構(gòu)的目標(biāo)檢測算法[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

7 鄭偉成;李學(xué)偉;劉宏哲;;基于深度學(xué)習(xí)的目標(biāo)檢測算法綜述[A];中國計算機用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2018年第二十二屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2018年

8 劉昊;趙龍;;基于改進混合高斯模型的運動目標(biāo)檢測算法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

9 劉峰;奚曉梁;沈同圣;;基于最大值投影的空間小目標(biāo)檢測算法[A];第二屆空間目標(biāo)與碎片監(jiān)測、清理技術(shù)及應(yīng)用學(xué)術(shù)研討會論文集[C];2015年

10 鄧宇;陳孝威;;綜合利用時空信息的運動目標(biāo)檢測算法[A];第二屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 曾冬冬;視頻監(jiān)控中的前景目標(biāo)檢測算法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所);2019年

2 張麗麗;基于空譜聯(lián)合特性的高光譜圖像異常目標(biāo)檢測算法研究[D];哈爾濱工程大學(xué);2018年

3 趙紅燕;被動多基站雷達目標(biāo)檢測算法研究[D];西安電子科技大學(xué);2017年

4 郭小路;多通道雷達干擾抑制與目標(biāo)檢測算法研究[D];西安電子科技大學(xué);2017年

5 李健;星載寬幅SAR及目標(biāo)檢測算法研究[D];西安電子科技大學(xué);2018年

6 潘雪莉;機載環(huán)視SAR海面特性和艦船目標(biāo)檢測算法研究[D];西安電子科技大學(xué);2018年

7 陳宇環(huán);聯(lián)合時空特征的視覺顯著目標(biāo)檢測算法研究[D];深圳大學(xué);2018年

8 王志虎;基于顯著性的運動目標(biāo)檢測算法研究[D];國防科學(xué)技術(shù)大學(xué);2015年

9 郭明瑋;基于視覺記憶的目標(biāo)檢測算法：一個特征學(xué)習(xí)與特征聯(lián)想的過程[D];中國科學(xué)技術(shù)大學(xué);2014年

10 王俊強;圖像中人體目標(biāo)檢測算法研究[D];北京郵電大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 侯明利;遠(yuǎn)程塔臺運動目標(biāo)檢測算法研究[D];中國民用航空飛行學(xué)院;2019年

2 阮激揚;基于YOLO的目標(biāo)檢測算法設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2019年

3 郭帥;基于視覺計算的圖像目標(biāo)檢測與分析[D];北京郵電大學(xué);2019年

4 王穎;基于深度學(xué)習(xí)的衛(wèi)星圖像船只目標(biāo)檢測算法研究[D];北京郵電大學(xué);2019年

5 王世豪;基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法其增量學(xué)習(xí)研究[D];浙江大學(xué);2019年

6 邵宇輝;基于背景建模的微小運動目標(biāo)檢測算法研究[D];西安理工大學(xué);2019年

7 陳建促;基于視頻的野生動物目標(biāo)檢測算法研究[D];重慶理工大學(xué);2019年

8 梁華;機載平臺上對地目標(biāo)檢測算法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所);2019年

9 韓志華;基于統(tǒng)計特征與橋梁方法的小目標(biāo)檢測算法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所);2019年

10 王悅;用于建筑工地安全生產(chǎn)監(jiān)控的目標(biāo)檢測算法研究[D];深圳大學(xué);2018年

本文編號：2663700