近年來(lái),遙感對(duì)地觀(guān)測(cè)技術(shù)發(fā)展迅猛,涌現(xiàn)出大量高分辨率的光學(xué)遙感衛(wèi)星,促進(jìn)了空間遙感技術(shù)在軍事、國(guó)民經(jīng)濟(jì)、世界環(huán)保等諸多領(lǐng)域的應(yīng)用。艦船作為重要的海上交通運(yùn)輸工具裝備,對(duì)其進(jìn)行智能檢測(cè)和識(shí)別顯得尤為重要,能否在短時(shí)間內(nèi)迅速確定遙感影像中船舶數(shù)量以及其位置等信息,對(duì)于海上交通監(jiān)管和我國(guó)對(duì)外貿(mào)易發(fā)展有著極其重要的意義。然而,隨著航天器的空間、時(shí)間、光譜等分辨率及對(duì)地觀(guān)測(cè)幅寬的提升,遙感數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng),但相應(yīng)的遙感數(shù)據(jù)處理技術(shù)卻進(jìn)步緩慢,對(duì)遙感圖像船舶目標(biāo)的檢測(cè)與識(shí)別還滯留在簡(jiǎn)單的數(shù)據(jù)處理甚至是人眼觀(guān)測(cè)的方式,處理效率十分緩慢,這也是現(xiàn)今制約空間遙感技術(shù)應(yīng)用的主要矛盾。因此,研究快速且有效的遙感圖像在軌船舶檢測(cè)技術(shù)對(duì)我國(guó)航天航空領(lǐng)域具有重要的價(jià)值。基于以上分析,本文提出了光學(xué)遙感衛(wèi)星在軌船舶檢測(cè)模式,利用基于深度學(xué)習(xí)的人工智能技術(shù),在軌對(duì)遙感圖像進(jìn)行快速處理,獲取船舶目標(biāo)信息后,可通過(guò)衛(wèi)星組網(wǎng)或中繼衛(wèi)星,快速將結(jié)果發(fā)送到地面接收端。處理后的數(shù)據(jù)量大大降低,可將原始的數(shù)十GB量級(jí)降低至KB,甚至B量級(jí),地面可采用小型化的接收裝置,即可實(shí)現(xiàn)數(shù)據(jù)接收。在此背景下,本文開(kāi)展了基于人工智能的光學(xué)遙感... 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所)吉林省

【文章頁(yè)數(shù)】：130 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

船舶的紅外圖像

基于人工智能的光學(xué)遙感在軌船舶檢測(cè)技術(shù)研究18激活函數(shù)：卷積的計(jì)算過(guò)程實(shí)際上屬于矩陣乘法映射，僅具備線(xiàn)性變換能力，所以即便堆疊多個(gè)卷積層，網(wǎng)絡(luò)的特征表達(dá)能力依然有限。因此，一般情況下，在卷積層后會(huì)加入非線(xiàn)性激活處理函數(shù)（StefanoGuarnieri等.，1999）。激活函數(shù)是神經(jīng)網(wǎng)絡(luò)的重要組成，早期的激活函數(shù)主要采用Sigmoid。Sigmoid（SaulL.K等.，1996）的數(shù)學(xué)表達(dá)式如下：1()1xxe=+(2.1)Sigmoid函數(shù)的曲線(xiàn)如圖2.4所示。圖2.4Sigmoid函數(shù)的對(duì)應(yīng)的圖形Figure2.4GraphcorrespondingtotheSigmoidfunctionSigmoid函數(shù)的導(dǎo)數(shù)為：2()(1)xxexe=+(2.2)Sigmoid導(dǎo)數(shù)對(duì)應(yīng)的曲線(xiàn)如圖2.5所示。圖2.5Sigmoid導(dǎo)數(shù)對(duì)應(yīng)的圖形Figure2.5GraphcorrespondingtothederivativeoftheSigmoidfunction

基于人工智能的光學(xué)遙感在軌船舶檢測(cè)技術(shù)研究18激活函數(shù)：卷積的計(jì)算過(guò)程實(shí)際上屬于矩陣乘法映射，僅具備線(xiàn)性變換能力，所以即便堆疊多個(gè)卷積層，網(wǎng)絡(luò)的特征表達(dá)能力依然有限。因此，一般情況下，在卷積層后會(huì)加入非線(xiàn)性激活處理函數(shù)（StefanoGuarnieri等.，1999）。激活函數(shù)是神經(jīng)網(wǎng)絡(luò)的重要組成，早期的激活函數(shù)主要采用Sigmoid。Sigmoid（SaulL.K等.，1996）的數(shù)學(xué)表達(dá)式如下：1()1xxe=+(2.1)Sigmoid函數(shù)的曲線(xiàn)如圖2.4所示。圖2.4Sigmoid函數(shù)的對(duì)應(yīng)的圖形Figure2.4GraphcorrespondingtotheSigmoidfunctionSigmoid函數(shù)的導(dǎo)數(shù)為：2()(1)xxexe=+(2.2)Sigmoid導(dǎo)數(shù)對(duì)應(yīng)的曲線(xiàn)如圖2.5所示。圖2.5Sigmoid導(dǎo)數(shù)對(duì)應(yīng)的圖形Figure2.5GraphcorrespondingtothederivativeoftheSigmoidfunction

【參考文獻(xiàn)】：
期刊論文
[1]吉林一號(hào)衛(wèi)星影像融合及質(zhì)量評(píng)價(jià)[J]. 杜慧.  測(cè)繪與空間地理信息. 2019(05)
[2]視頻衛(wèi)星影像的Bayer插值重建[J]. 吳佳奇,汪韜陽(yáng),彭雨芬,張過(guò).  國(guó)土資源遙感. 2019(02)
[3]凝視視頻衛(wèi)星目標(biāo)檢測(cè)算法[J]. 張作省,朱瑞飛.  航天返回與遙感. 2018(06)
[4]淺談無(wú)人機(jī)遙感技術(shù)在智慧城市建設(shè)中的應(yīng)用[J]. 孫長(zhǎng)奎,劉善磊,王圣堯,陳超,沈泉飛,石善球,王瑋.  國(guó)土資源遙感. 2018(04)
[5]基于特征光流的多運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤算法與評(píng)價(jià)[J]. 屈治華,邵毅明,鄧天民.  科學(xué)技術(shù)與工程. 2018(22)
[6]基于多特征融合詞包模型的SAR目標(biāo)鑒別算法[J]. 宋文青,王英華,時(shí)荔蕙,劉宏偉,保錚.  電子與信息學(xué)報(bào). 2017(11)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)[J]. 黃潔,姜志國(guó),張浩鵬,姚遠(yuǎn).  北京航空航天大學(xué)學(xué)報(bào). 2017(09)
[8]WorldView-4衛(wèi)星[J]. 云菲.  衛(wèi)星應(yīng)用. 2016(11)
[9]吉林一號(hào)衛(wèi)星組星[J]. 張召才.  衛(wèi)星應(yīng)用. 2015(11)
[10]“高分二號(hào)”衛(wèi)星多光譜與全色影像配準(zhǔn)策略[J]. 王忠武,劉順喜,戴建旺,尤淑撐,孟超.  航天返回與遙感. 2015(04)

博士論文
[1]大幅寬光學(xué)遙感圖像目標(biāo)檢測(cè)技術(shù)研究[D]. 聶婷.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2019



本文編號(hào)：3340201