本文關(guān)鍵詞：基于深度學(xué)習(xí)的SAR圖像艦船檢測(cè)，，由筆耕文化傳播整理發(fā)布。

【摘要】：針對(duì)SAR圖像數(shù)據(jù)下的艦船檢測(cè)問(wèn)題,以及深度學(xué)習(xí)模型的優(yōu)點(diǎn),提出了基于深度學(xué)習(xí)的SAR圖像艦船目標(biāo)檢測(cè)。深度學(xué)習(xí)被看作是一種特征學(xué)習(xí)工具,自動(dòng)從圖像數(shù)據(jù)中學(xué)習(xí)最能表達(dá)目標(biāo)的特征。它通過(guò)構(gòu)建具有多個(gè)隱層的學(xué)習(xí)模型,從中學(xué)到多層的非線(xiàn)性關(guān)系,這是其他非深度學(xué)習(xí)算法所不能及的,如此便可以從艦船訓(xùn)練數(shù)據(jù)中學(xué)習(xí)更有用的特征,從而提升艦船目標(biāo)分類(lèi)的準(zhǔn)確性。本文分析了深度學(xué)習(xí)的基本模型和方法,并在相關(guān)圖像數(shù)據(jù)集上做了實(shí)驗(yàn)論證。首先研究了深度學(xué)習(xí)中限制玻爾茲曼機(jī)(RBM)在SAR圖像艦船目標(biāo)檢測(cè)中的應(yīng)用。介紹了RBM網(wǎng)絡(luò)結(jié)構(gòu)理論知識(shí),然后結(jié)合艦船檢測(cè)問(wèn)題給出來(lái)具體的算法實(shí)現(xiàn)。針對(duì)RBM訓(xùn)練參數(shù)過(guò)多,訓(xùn)練時(shí)間長(zhǎng)等問(wèn)題,提出了基于卷積神經(jīng)網(wǎng)絡(luò)CNN的SAR圖像艦船檢測(cè)。CNN網(wǎng)絡(luò)結(jié)構(gòu)是由卷積層和下采樣層交替構(gòu)成的,通過(guò)局部感受野和權(quán)值共享特性,不但解決了前面的問(wèn)題,還很大程度上改善了檢測(cè)性能。與傳統(tǒng)淺層學(xué)習(xí)相比,深度學(xué)習(xí)的不同在于:(1)強(qiáng)調(diào)了模型結(jié)構(gòu)的深度,表現(xiàn)為包含多個(gè)隱層節(jié)點(diǎn);(2)突出了所學(xué)特征的優(yōu)越性,通過(guò)逐層特征變換,將樣本在原空間的特征變換到一個(gè)新空間,從而使分類(lèi)檢測(cè)更加容易。與手動(dòng)提取特征相比,利用大數(shù)據(jù)來(lái)學(xué)習(xí)特征,更能刻畫(huà)數(shù)據(jù)的本質(zhì)信息。深度學(xué)習(xí)優(yōu)點(diǎn)在于對(duì)艦船模型的表達(dá)能力較強(qiáng),能夠突顯艦船目標(biāo)在周?chē)悄繕?biāo)中的特性,同時(shí)這種方法也有一定的生物學(xué)基礎(chǔ)。通過(guò)對(duì)現(xiàn)有數(shù)據(jù)集的測(cè)試,證明了該方法的有效性。
【關(guān)鍵詞】：深度學(xué)習(xí) 艦船檢測(cè) 限制玻爾茲曼機(jī) 卷積神經(jīng)網(wǎng)絡(luò) 特征學(xué)習(xí)
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 符號(hào)對(duì)照表9-10
• 縮略語(yǔ)對(duì)照表10-13
• 第一章 緒論13-19
• 1.1 研究背景與意義13-14
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀14-16
• 1.2.1 基于統(tǒng)計(jì)特征的艦船檢測(cè)14-15
• 1.2.2 基于多尺度分析的艦船檢測(cè)15
• 1.2.3 基于模板的艦船檢測(cè)15-16
• 1.2.4 基于多/全極化SAR圖像的艦船檢測(cè)16
• 1.3 論文內(nèi)容與安排16-19
• 第二章 深度學(xué)習(xí)及目標(biāo)檢測(cè)理論基礎(chǔ)19-33
• 2.1 deep learning網(wǎng)絡(luò)介紹19-28
• 2.1.1 自動(dòng)編碼器（Auto Encoder）19-21
• 2.1.2 限制玻爾茲曼機(jī)RBM21-24
• 2.1.3 卷積神經(jīng)網(wǎng)絡(luò)CNN24-26
• 2.1.4 深度置信網(wǎng)絡(luò)DBN26-28
• 2.2 目標(biāo)檢測(cè)28-31
• 2.2.1 目標(biāo)檢測(cè)框架28-29
• 2.2.2 有監(jiān)督、無(wú)監(jiān)督和半監(jiān)督學(xué)習(xí)29-31
• 2.2.3 特征、分類(lèi)器31
• 2.3 本章小結(jié)31-33
• 第三章 基于限制玻爾茲曼機(jī)的SAR圖像艦船檢測(cè)33-47
• 3.1 引言33
• 3.2 限制玻爾茲曼機(jī)（RBM）33-38
• 3.2.1 網(wǎng)絡(luò)訓(xùn)練算法33-35
• 3.2.2 Gibbs采樣35-36
• 3.2.3 基于對(duì)比散度的訓(xùn)練算法36-37
• 3.2.4 Softmax分類(lèi)器37-38
• 3.3 本章算法實(shí)現(xiàn)38-40
• 3.3.1 圖像預(yù)處理38-39
• 3.3.2 限制玻爾茲曼機(jī)網(wǎng)絡(luò)構(gòu)造39-40
• 3.4 實(shí)驗(yàn)結(jié)果及其分析40-45
• 3.5 本章小結(jié)45-47
• 第四章 基于卷積神經(jīng)網(wǎng)絡(luò)CNN的SAR圖像艦船檢測(cè)47-61
• 4.1 引言47
• 4.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)47-50
• 4.2.1 卷積層與下采樣層過(guò)程48-49
• 4.2.2 局部感受野和權(quán)值共享49-50
• 4.3 本章算法實(shí)現(xiàn)50-53
• 4.3.1 圖像預(yù)處理51-52
• 4.3.2 卷積神經(jīng)網(wǎng)絡(luò)構(gòu)造52
• 4.3.3 卷積神經(jīng)網(wǎng)絡(luò)的反向傳播52-53
• 4.4 實(shí)驗(yàn)結(jié)果及其分析53-58
• 4.5 結(jié)果對(duì)比分析58-60
• 4.6 本章小結(jié)60-61
• 第五章 總結(jié)和展望61-63
• 5.1 本文研究成果61
• 5.2 進(jìn)一步研究方向61-63
• 參考文獻(xiàn)63-69
• 致謝69-71
• 作者簡(jiǎn)介71-72

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李坤;邵蕓;張風(fēng)麗;;基于多極化機(jī)載合成孔徑雷達(dá)(SAR)數(shù)據(jù)的水稻識(shí)別[J];浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版);2011年02期

2 劉開(kāi)剛;許梅生;李維;;一種基于雙閾值區(qū)域分割的SAR圖像目標(biāo)提取方法[J];國(guó)外電子測(cè)量技術(shù);2008年03期

3 ;西部測(cè)圖工程機(jī)載干涉SAR測(cè)圖系統(tǒng)項(xiàng)目啟動(dòng)會(huì)在北京召開(kāi)[J];遙感信息;2008年04期

4 蔡紅;;基于稀疏表示的SAR圖像壓縮方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年24期

5 李杏朝，董文敏;SAR圖像的水文應(yīng)用研究[J];遙感信息;1996年04期

6 孫盡堯,孫洪;自然場(chǎng)景SAR圖像的仿真[J];雷達(dá)科學(xué)與技術(shù);2003年04期

7 李金;程超;許浩;;無(wú)人機(jī)機(jī)載合成孔徑雷達(dá)(SAR)定位方法綜述[J];影像技術(shù);2008年03期

8 陳原;張榮;尹東;;基于Tetrolet Packet變換的SAR圖像稀疏表示[J];電子與信息學(xué)報(bào);2012年02期

9 何毅;范偉杰;;手機(jī)批量SAR測(cè)試方案[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年05期

10 紀(jì)建;田錚;徐海霞;;SAR圖像壓縮的多尺度自回歸滑動(dòng)平均模型方法[J];電子學(xué)報(bào);2005年12期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 沈晶;楊學(xué)志;;基于邊緣保持分水嶺算法的SAR海冰圖像分割[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

2 郝衛(wèi)東;熊鄴;曲蘭英;周志麗;;一種降低手機(jī)SAR的設(shè)計(jì)[A];2009年全國(guó)天線(xiàn)年會(huì)論文集（下）[C];2009年

3 方勇;;綜合多視角SAR圖像改正遮蔽區(qū)試驗(yàn)[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

4 于明成;許稼;彭應(yīng)寧;;SAR多普勒中心快速解模糊的新方法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

5 戴爾燕;金亞秋;;多軌道飛行全極化SAR圖像對(duì)目標(biāo)的立體重構(gòu)[A];第二屆微波遙感技術(shù)研討會(huì)摘要全集[C];2006年

6 常本義;高力;;SAR單圖像定位原理[A];中國(guó)科協(xié)2001年學(xué)術(shù)年會(huì)分會(huì)場(chǎng)特邀報(bào)告匯編[C];2001年

7 錢(qián)方明;鞏丹超;劉薇;;SAR圖像邊緣特征提取方法研究[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

8 陳林輝;葉偉;賈鑫;;分布式衛(wèi)星SAR圖像方位向分辨率分析[A];中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專(zhuān)業(yè)全國(guó)第八屆學(xué)術(shù)會(huì)議論文集[C];2004年

9 孫偉順;計(jì)科峰;朱俊;粟毅;;典型軍用目標(biāo)SAR圖像預(yù)估[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

10 黃勇;王建國(guó);黃順吉;;基于分段的非監(jiān)督SAR圖像變化檢測(cè)[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前2條

1 張顯峰;機(jī)載干涉SAR：掀起測(cè)繪革命[N];科技日?qǐng)?bào);2004年

2 鐘勇;國(guó)內(nèi)首套SAR測(cè)圖系統(tǒng)通過(guò)評(píng)審[N];中國(guó)測(cè)繪報(bào);2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 賀廣均;聯(lián)合SAR與光學(xué)遙感數(shù)據(jù)的山區(qū)積雪識(shí)別研究[D];南京大學(xué);2015年

2 張雙喜;高分辨寬測(cè)繪帶多通道SAR和動(dòng)目標(biāo)成像理論與方法[D];西安電子科技大學(xué);2014年

3 劉小寧;星上SAR實(shí)時(shí)成像處理關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2016年

4 李蘭;森林垂直信息P-波段SAR層析提取方法[D];中國(guó)林業(yè)科學(xué)研究院;2016年

5 張澤兵;知識(shí)輔助的SAR目標(biāo)索引及特征提取技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 張鵬;基于統(tǒng)計(jì)模型的SAR圖像降斑和分割方法研究[D];西安電子科技大學(xué);2012年

7 王勃;星載全極化SAR海面散射特性及其船目標(biāo)檢測(cè)方法[D];中國(guó)海洋大學(xué);2013年

8 倪心強(qiáng);SAR圖像分類(lèi)與自動(dòng)目標(biāo)識(shí)別技術(shù)研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2007年

9 周鵬;彈載SAR多種工作模式的成像算法研究[D];西安電子科技大學(xué);2011年

10 趙凌君;高分辨率SAR圖像建筑物提取方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 董立亞;SAR圖像去噪的小波和偏微分方程的數(shù)學(xué)建模[D];河北聯(lián)合大學(xué);2014年

2 陳海文;基于波數(shù)域的圓周SAR三維成像算法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 眭明;星機(jī)雙基地SAR同步技術(shù)研究[D];電子科技大學(xué);2014年

4 羅煜川;基于壓縮感知的陣列SAR三維成像方法研究[D];電子科技大學(xué);2015年

5 張強(qiáng);基于視覺(jué)注意的SAR目標(biāo)快速檢測(cè)算法研究[D];電子科技大學(xué);2015年

6 于利娟;手機(jī)天線(xiàn)輻射特性?xún)?yōu)化與SAR研究[D];西安電子科技大學(xué);2013年

7 吳子斌;機(jī)載三維SAR高分辨成像[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 李志華;基于FPGA的微型SAR實(shí)時(shí)成像處理研究[D];西安電子科技大學(xué);2014年

9 劉東洋;基于Z7的SAR實(shí)時(shí)成像處理設(shè)計(jì)[D];西安電子科技大學(xué);2014年

10 張曉梨;基于實(shí)測(cè)SAR圖像的雜波特性研究和圖像重構(gòu)[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：基于深度學(xué)習(xí)的SAR圖像艦船檢測(cè)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：509800