隨著人類對(duì)海洋的開發(fā)和利用,海洋對(duì)于人類來說變得愈發(fā)重要。因此實(shí)行海上船舶檢測(cè)對(duì)于國(guó)家經(jīng)濟(jì)發(fā)展、海上交通安全、海洋資源合理利用及領(lǐng)海安全起到了至關(guān)重要的作用。基于光學(xué)衛(wèi)星圖像艦船識(shí)別技術(shù)作為一種新興技術(shù)給遠(yuǎn)距離海上動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)提供了新的技術(shù)手段。相比于傳統(tǒng)檢測(cè)系統(tǒng)它擁有不受地域及時(shí)間的限制、可以進(jìn)行遠(yuǎn)距離和大范圍的動(dòng)態(tài)監(jiān)測(cè)、監(jiān)測(cè)周期短,識(shí)別率高等諸多明顯的優(yōu)勢(shì)。因此,快速、高效、準(zhǔn)確地進(jìn)行衛(wèi)星船舶圖像識(shí)別和分割非常重要。本文重點(diǎn)設(shè)計(jì)了用于衛(wèi)星船舶圖像識(shí)別的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)RIRnet。首先從設(shè)計(jì)網(wǎng)絡(luò)模型時(shí)從模型復(fù)雜度,梯度傳播中的消失問題及數(shù)據(jù)集自身特點(diǎn)等方面進(jìn)行了綜合研究。RIRnet網(wǎng)路結(jié)構(gòu)從結(jié)構(gòu)上分為初始層、過渡層和輸出層三部分。本文設(shè)計(jì)的RIRnet網(wǎng)絡(luò)結(jié)構(gòu)有三個(gè)特點(diǎn):（1）主要采用了以殘差嵌入殘差的構(gòu)造作為基本結(jié)構(gòu),使梯度傳播更加容易;（2）初始層采用五種不同的卷積核分別從不同維度提取特征,并進(jìn)行特征融合。（3）過渡層還使用了以3*3及5*5兩種不同的卷積核構(gòu)造的殘差嵌入殘差結(jié)構(gòu),同時(shí)對(duì)兩種卷積核構(gòu)造的殘差塊進(jìn)行拼接,使得特征更好的融合。最后,在衛(wèi)星船舶圖像數(shù)據(jù)上進(jìn)行實(shí)驗(yàn),并與其... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像分類、目標(biāo)檢測(cè)及語義分割[52]

（a）圖像分類 （b）目標(biāo)檢測(cè) （c）語義分割圖 2.1 圖像分類、目標(biāo)檢測(cè)及語義分割[52]Fig. 2.1 Image classification, object detection and Semantic Segmentation目前語義分割的主要應(yīng)用場(chǎng)景有：地理信息系統(tǒng)、無人車駕駛、醫(yī)療影像分析、精準(zhǔn)農(nóng)業(yè)等領(lǐng)域。地理信息系統(tǒng)：計(jì)算機(jī)時(shí)代地理信息的獲取對(duì)于城市的發(fā)展、國(guó)家資源的統(tǒng)籌規(guī)劃、農(nóng)業(yè)信息的統(tǒng)計(jì)起到非常重要的作用。地理信息的獲取會(huì)依靠設(shè)計(jì)好的深度學(xué)習(xí)模型，輸入衛(wèi)星遙感圖像，通過模型對(duì)每一種地理類別進(jìn)行逐像素的識(shí)別，最終達(dá)到語義分割的目的。下圖 2.2 展示了衛(wèi)星遙感圖像語義分割的結(jié)果。其中藍(lán)色表示建筑物，黃顏色的表示車輛，綠顏色的表示樹木。

- 12 -（c）預(yù)測(cè)結(jié)果圖 2.3 路面實(shí)況圖、真實(shí)標(biāo)簽及預(yù)測(cè)結(jié)果圖[55]Fig. 2.3 Pavement Map, Ground Truth and Forecast Results

【參考文獻(xiàn)】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)剪枝的兩階段遙感圖像目標(biāo)檢測(cè)[J]. 王生生,王萌,王光耀.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]類別非均衡遙感圖像語義分割的全卷積網(wǎng)絡(luò)方法[J]. 吳止鍰,高永明,李磊,薛俊詩(shī).  光學(xué)學(xué)報(bào). 2019(04)
[3]高分辨率衛(wèi)星遙感產(chǎn)業(yè)國(guó)際化發(fā)展思路研究[J]. 郭仁忠,胡芬,唐新明.  中國(guó)軟科學(xué). 2018(11)
[4]采用改進(jìn)DeepLab網(wǎng)絡(luò)的遙感圖像分割[J]. 陳天華,鄭司群,于峻川.  測(cè)控技術(shù). 2018(11)
[5]遙感圖像分類方法綜述[J]. 張?jiān)?楊海濤,袁春慧.  兵器裝備工程學(xué)報(bào). 2018(08)
[6]我國(guó)無人駕駛技術(shù)發(fā)展現(xiàn)狀研究[J]. 賈瑞杰.  電子世界. 2018(15)
[7]圖像語義分割問題研究綜述[J]. 肖朝霞,陳勝.  軟件導(dǎo)刊. 2018(08)
[8]我國(guó)海事船舶動(dòng)態(tài)監(jiān)管方式的效能[J]. 鐘子洋.  水運(yùn)管理. 2017(04)
[9]基于ENVI的CART自動(dòng)決策樹多源遙感影像分類——以北京市為例[J]. 馬鑫,汪西原,胡博.  寧夏工程技術(shù). 2017(01)
[10]計(jì)算機(jī)與農(nóng)業(yè)機(jī)械化的相關(guān)性研究[J]. 王桂鳳,王珂.  農(nóng)機(jī)化研究. 2017(02)

碩士論文
[1]基于深度學(xué)習(xí)的無人機(jī)遙感圖像目標(biāo)識(shí)別方法研究[D]. 祝思君.北京建筑大學(xué) 2018
[2]基于全卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像語義分割及變化檢測(cè)方法研究[D]. 王朵.西安電子科技大學(xué) 2018
[3]基于深度學(xué)習(xí)的高分辨率光學(xué)遙感圖像艦船檢測(cè)[D]. 邱世赟.西安電子科技大學(xué) 2018
[4]基于全卷積網(wǎng)絡(luò)的高分一號(hào)遙感影像分割方法[D]. 張航.山東農(nóng)業(yè)大學(xué) 2018
[5]基于高分辨率遙感影像的船舶識(shí)別研究[D]. 韓亮.大連海事大學(xué) 2018
[6]可見光遙感圖像分割算法研究[D]. 王麗芳.西安電子科技大學(xué) 2013
[7]高分辨率可見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



本文編號(hào)：3335448