隨著現(xiàn)代遙感技術(shù)的飛速發(fā)展,大量的遙感衛(wèi)星生成了海量的遙感圖像數(shù)據(jù),遙感圖像包含非常豐富的信息,具有重要的研究和應(yīng)用價值,應(yīng)用領(lǐng)域眾多,其中遙感圖像目標(biāo)檢測與分類一直都是學(xué)術(shù)界研究的熱點(diǎn),近年來深度學(xué)習(xí)技術(shù)的發(fā)展使得遙感圖像目標(biāo)檢測與分類的性能有了顯著提高,考慮到現(xiàn)有的基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測與分類存在的問題,本文分別針對目標(biāo)檢測與分類的難點(diǎn),從樣本選取、網(wǎng)絡(luò)設(shè)計(jì)等方面提出了改進(jìn)方法。本文主要研究內(nèi)容如下:1、提出了基于集成深度卷積融合網(wǎng)絡(luò)的遙感圖像目標(biāo)檢測方法。針對遙感圖像目標(biāo)檢測中的小目標(biāo)難檢測問題,在檢測網(wǎng)絡(luò)中加入基于K-means的參考框設(shè)計(jì)以及特征融合,使初始目標(biāo)候選框的尺寸更符合遙感數(shù)據(jù)集,所提取的特征更適合于小目標(biāo);針對遙感圖像目標(biāo)檢測中的背景誤檢問題,在檢測網(wǎng)絡(luò)中加入背景分類子網(wǎng)絡(luò),通過增加背景類以及在網(wǎng)絡(luò)中對分類結(jié)果進(jìn)行集成,提高了對目標(biāo)候選框分類的準(zhǔn)確率,而且通過增加該子網(wǎng)絡(luò),更充分地利用了遙感圖像的信息。實(shí)驗(yàn)結(jié)果的對比說明了提出的集成深度卷積融合網(wǎng)絡(luò)的優(yōu)越性。2、提出了基于雙通道融合卷積網(wǎng)絡(luò)的多源遙感圖像分類方法。對于現(xiàn)有的基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像分類方法,使用固定尺寸對目標(biāo)像素取塊,其鄰域信息不一定都對中心像素點(diǎn)起正反饋?zhàn)饔?針對此問題,提出基于超像素的自適應(yīng)區(qū)域選擇,利用圖像的空間分布確定像素點(diǎn)輸入網(wǎng)絡(luò)的區(qū)域,生成多種尺寸的圖像塊來訓(xùn)練網(wǎng)絡(luò);為了更好地利用多源遙感圖像數(shù)據(jù),提出雙通道融合卷積網(wǎng)絡(luò),在網(wǎng)絡(luò)中分別提取兩種數(shù)據(jù)的特征,使用DPN模塊對兩種特征進(jìn)行融合,在保留原始特征的前提下生成新的特征,因此提取特征的魯棒性和判別性較好,在不同數(shù)據(jù)實(shí)驗(yàn)結(jié)果的對比驗(yàn)證了提出方法的有效性。3、提出了基于多尺度自適應(yīng)深度融合殘差網(wǎng)的遙感圖像分類方法。為了提高訓(xùn)練數(shù)據(jù)集的質(zhì)量,提出重要樣本選擇策略,基于遙感圖像的超像素分割結(jié)果,使用梯度信息和空間分布來選取多樣性的、更具代表性的訓(xùn)練樣本;為了更好地利用網(wǎng)絡(luò)中多層次的特征,提出多尺度自適應(yīng)深度融合殘差網(wǎng),考慮到不同尺寸的目標(biāo)需要不同的語義信息,在網(wǎng)絡(luò)中提出自適應(yīng)融合模塊對多尺度多層次的特征進(jìn)行融合。在四個數(shù)據(jù)集上不同方法的對比驗(yàn)證了兩個創(chuàng)新點(diǎn)的有效性。綜上所述,本文對遙感圖像目標(biāo)檢測和分類方法進(jìn)行研究,實(shí)驗(yàn)結(jié)果證明了提出方法的有效性,說明研究成果具有一定的實(shí)際意義。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP751;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;圖像目標(biāo)檢測技術(shù)及應(yīng)用[J];大數(shù)據(jù);2016年05期

2 李林;張盛兵;吳鵑;;基于深度學(xué)習(xí)的實(shí)時圖像目標(biāo)檢測系統(tǒng)設(shè)計(jì)[J];計(jì)算機(jī)測量與控制;2019年07期

3 ;中科院沈陽自動化所基于深度學(xué)習(xí)的航拍圖像目標(biāo)檢測研究取得進(jìn)展[J];自動化博覽;2019年12期

4 安潔玉;丁斌芬;;無人機(jī)海監(jiān)測繪技術(shù)應(yīng)用下艦船遙感圖像目標(biāo)檢測[J];艦船科學(xué)技術(shù);2019年24期

5 張?jiān)?楊海濤;;基于深度學(xué)習(xí)的輕量化遙感圖像目標(biāo)檢測方法[J];信息技術(shù);2019年09期

6 李曉冰;;具有先驗(yàn)信息的經(jīng)緯儀測量圖像目標(biāo)檢測技術(shù)[J];光電技術(shù)應(yīng)用;2008年01期

7 賀霖;潘泉;邸椺;李遠(yuǎn)清;;高光譜圖像目標(biāo)檢測研究進(jìn)展[J];電子學(xué)報(bào);2009年09期

8 張?jiān)?楊海濤;劉翔宇;;基于多尺度特征稠密連接的遙感圖像目標(biāo)檢測方法[J];中國電子科學(xué)研究院學(xué)報(bào);2019年05期

9 范金華;陳鍛生;;高光譜圖像目標(biāo)檢測研究進(jìn)展[J];微型機(jī)與應(yīng)用;2015年16期

10 王艷,鮑建躍,林曉春,過潤秋;基于FPGA的紅外圖像目標(biāo)檢測[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

相關(guān)會議論文 前8條

1 李國強(qiáng);艾淑芳;;一種天空背景紅外圖像目標(biāo)檢測方法[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

2 黃家閩;楊瓏頎;;基于隨機(jī)共振和支持向量機(jī)的聲納圖像目標(biāo)檢測[A];信號處理在生儀2014學(xué)術(shù)年會論文集[C];2014年

3 劉東華;王元?dú)J;李秋娜;;小波分析理論在圖像目標(biāo)檢測中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

4 高飛;劉愛冬;;基于深度卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)檢測[A];第十二屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2018年

5 劉代志;何元磊;黃世奇;;基于地物波譜特性的高光譜圖像目標(biāo)檢測與識別[A];國家安全地球物理叢書（七）——地球物理與核探測[C];2011年

6 潘雄;郎量;苗燦;趙盈盈;杜雨馨;朱杏子;;基于深度學(xué)習(xí)的被動毫米波圖像目標(biāo)檢測方法研究[A];2019年全國微波毫米波會議論文集（上冊）[C];2019年

7 劉向君;楊澤剛;劉強(qiáng);;基于多波段SAR圖像目標(biāo)檢測決策級融合和圖像分類的目標(biāo)狀態(tài)標(biāo)注[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

8 江政杰;李雨倩;陳金勇;林云;李宇曜;;領(lǐng)域自適應(yīng)在遙感圖像目標(biāo)檢測問題中的應(yīng)用[A];第六屆高分辨率對地觀測學(xué)術(shù)年會論文集（上）[C];2019年

相關(guān)博士學(xué)位論文 前10條

1 王振華;基于深度學(xué)習(xí)的野外巡線系統(tǒng)圖像目標(biāo)檢測研究[D];中國地質(zhì)大學(xué)(北京);2018年

2 黃勇;基于語義信息的高分辨SAR圖像目標(biāo)檢測[D];西安電子科技大學(xué);2018年

3 王兆成;復(fù)雜場景下SAR圖像目標(biāo)檢測及鑒別方法研究[D];西安電子科技大學(xué);2018年

4 張國敏;復(fù)雜場景遙感圖像目標(biāo)檢測方法研究[D];國防科學(xué)技術(shù)大學(xué);2010年

5 劉說;低檢測率SAR圖像目標(biāo)檢測與識別理論研究[D];電子科技大學(xué);2017年

6 李軒;基于局部特征的遙感圖像目標(biāo)檢測方法研究[D];長春理工大學(xué);2016年

7 李曉慧;高光譜圖像目標(biāo)檢測及壓縮方法研究[D];哈爾濱工程大學(xué);2014年

8 郭鵬宇;光測圖像目標(biāo)檢測跟蹤與判讀方法研究[D];國防科學(xué)技術(shù)大學(xué);2015年

9 郭軍;引入上下文信息的可見光遙感圖像目標(biāo)檢測與識別方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

10 傅志中;紅外掃描成像動目標(biāo)檢測跟蹤技術(shù)與DSP實(shí)時實(shí)現(xiàn)[D];電子科技大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 張鵬;基于卷積神經(jīng)網(wǎng)絡(luò)的多尺度遙感圖像目標(biāo)檢測方法研究[D];西安電子科技大學(xué);2019年

2 李閣;基于多尺度深度特征融合網(wǎng)絡(luò)的遙感圖像目標(biāo)檢測與分類[D];西安電子科技大學(xué);2019年

3 王飛;基于深度網(wǎng)絡(luò)的SAR圖像目標(biāo)檢測與鑒別[D];西安電子科技大學(xué);2019年

4 陳小波;基于多尺度特征融合與方向邊界框預(yù)測的光學(xué)遙感圖像目標(biāo)檢測[D];西安電子科技大學(xué);2019年

5 黃國權(quán);基于深度學(xué)習(xí)的衛(wèi)星圖像目標(biāo)檢測與識別研究[D];浙江大學(xué);2019年

6 李星悅;基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測研究[D];中國科學(xué)技術(shù)大學(xué);2019年

7 王萌;基于修剪策略的遙感圖像目標(biāo)檢測方法研究[D];吉林大學(xué);2019年

8 闕鈺佳;基于深度學(xué)習(xí)的SAR圖像處理研究[D];電子科技大學(xué);2019年

9 周明非;基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像目標(biāo)檢測研究[D];陜西師范大學(xué);2018年

10 徐暉;基于哈希學(xué)習(xí)的遙感圖像目標(biāo)檢測及應(yīng)用[D];南京理工大學(xué);2018年

本文編號：2823621