艦船目標(biāo)檢測(cè)在遙感圖像處理領(lǐng)域一直是研究的重點(diǎn)對(duì)象,無論是在民用領(lǐng)域還是軍事領(lǐng)域都具有重要的應(yīng)用價(jià)值。隨著我國(guó)對(duì)地觀測(cè)技術(shù)的不斷發(fā)展,借助高分系列衛(wèi)星可以獲得海量的高分辨率光學(xué)遙感圖像。高分辨率的光學(xué)遙感圖像細(xì)節(jié)豐富,數(shù)據(jù)量龐大,目前使用傳統(tǒng)的數(shù)據(jù)整理、人工檢測(cè)和判讀的方法已經(jīng)無法滿足數(shù)據(jù)處理的需求。近年來,伴隨著深度學(xué)習(xí)在各領(lǐng)域的快速發(fā)展和應(yīng)用,基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測(cè)領(lǐng)域也得到了廣泛的研究。在大規(guī)模數(shù)據(jù)訓(xùn)練的前提下,卷積神經(jīng)網(wǎng)絡(luò)相較于傳統(tǒng)圖像處理技術(shù),在目標(biāo)檢測(cè)領(lǐng)域具有更強(qiáng)的特征提取和數(shù)據(jù)擬合能力。但是隨著卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)的快速更新迭代,網(wǎng)絡(luò)模型的復(fù)雜度不斷提高,計(jì)算量也隨之增加,使用通用處理器計(jì)算時(shí)已無法提供足夠的算力。如果利用GPU設(shè)備進(jìn)行運(yùn)算,在特定的應(yīng)用領(lǐng)域同時(shí)也需要考慮設(shè)備功耗高的問題�；谝陨霞夹g(shù)背景,本文提供了一種數(shù)據(jù)集預(yù)處理算法及標(biāo)注流程,對(duì)現(xiàn)有的目標(biāo)檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了改進(jìn),同時(shí)基于FPGA設(shè)計(jì)了加速子系統(tǒng),最終設(shè)計(jì)并完成了一套艦船目標(biāo)檢測(cè)系統(tǒng)。論文的主要工作如下:(1)參考DenseNet的設(shè)計(jì),對(duì)現(xiàn)有的目標(biāo)檢測(cè)網(wǎng)絡(luò)YOLOv3的結(jié)構(gòu)進(jìn)行改進(jìn)。有效減少... 

【文章來源】：濟(jì)南大學(xué)山東省

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像預(yù)處理算法流程圖

濟(jì)南大學(xué)碩士學(xué)位論文9的縮放算法，通常使用的是插值法。由于雙線性插值法與雙三次插值法的計(jì)算量較大，在海陸分割步驟中對(duì)精度要求不高，因此在這里選用速度最快的最近鄰近插值法。最近鄰插值算法實(shí)現(xiàn)較為簡(jiǎn)單而且算法復(fù)雜度不高，運(yùn)行速度較快[34]。算法依據(jù)圖像中相鄰位置的像素點(diǎn)來表示縮放后圖像中對(duì)應(yīng)位置的像素點(diǎn)，因此精度不高。在待插值點(diǎn)的4個(gè)相鄰像素中取歐氏距離最短的一個(gè)點(diǎn)，將他的灰度值作為該點(diǎn)的灰度值。最簡(jiǎn)單的圖像比例縮小是水平和垂直方向比例相同都是縮小2倍則原圖像中的（0，0）像素點(diǎn)對(duì)應(yīng)著縮小圖像中的（0，0）像素點(diǎn)；原圖像中的（0，2）像素點(diǎn)對(duì)應(yīng)著縮小圖像的（0，1）像素點(diǎn)；原圖像中的（2，0）像素點(diǎn)對(duì)應(yīng)著縮小圖像中的（1，0）像素點(diǎn)以此類推將圖像縮校這種方法相當(dāng)于在原始圖像中進(jìn)行抽樣，調(diào)整抽樣則可以按任意比例縮小可表示為：Sx=Dx×(ShDh)(2.1)Sy=Dy×(SwDw)(2.2)其中Sx、Sy為原圖像中的像素點(diǎn)；Sw、Sh分別為原圖像中的寬度和高度；其中Dx、Dy為縮小圖像中的像素點(diǎn)；Dh、Dw為縮小圖像中的寬度和高度。下采樣效果如圖2.2所示，可以看出在下采樣后依然能夠分辨出海洋和陸地。圖2.2下采樣效果圖

濟(jì)南大學(xué)碩士學(xué)位論文11圖2.3去噪效果圖（2）二值化處理在縮略圖中使用中值濾波算法去除圖像中的噪聲后，利用最大類間方差算法（MaximumBetweenClassVariance）又稱為大津法（OTSU）可以獲得圖像中的最佳全局閾值對(duì)圖像進(jìn)行二值化處理將海面與陸地區(qū)域進(jìn)行分離。我們對(duì)一副圖像分為前景像素和背景像素，分割他們的閾值記作T，前景像素在圖像的比例記作ω0，背景像素在圖像的比例記作ω1，則有：ω0+ω1=1(2.4)總平均灰度值記作μ，平均灰度值記作μ0，則有：μ=ω0×μ0+ω1×μ1(2.5)圖像的類間方差記作g，其公式如下：g=ω0(μ0-μ)2+ω1(μ1-μ)2(2.6)將公式代入公式中得到：g=ω0×ω1×(μ0-μ1)2(2.7)其中遙感數(shù)據(jù)為灰度圖像范圍為0到255，圖像的尺寸為M×N。遍歷圖像的像素，將灰度值小于分割閾值T的像素個(gè)數(shù)記作N0，灰度大于分割閾值T的像素記作N1，則：ω0=N0M×N(2.8)

【參考文獻(xiàn)】：
期刊論文
[1]基于YOLOv3的嵌入式實(shí)時(shí)視頻目標(biāo)檢測(cè)算法[J]. 尹彥卿,龔華軍,王新華.  計(jì)算機(jī)工程. 2020(02)
[2]基于深度分離卷積神經(jīng)網(wǎng)絡(luò)的高速高精度SAR艦船檢測(cè)[J]. 張曉玲,張?zhí)煳?師君,韋順軍.  雷達(dá)學(xué)報(bào). 2019(06)
[3]基于光學(xué)遙感圖像的艦船目標(biāo)檢測(cè)技術(shù)研究[J]. 尹雅,黃海,張志祥.  計(jì)算機(jī)科學(xué). 2019(03)
[4]基于Mask R-CNN的艦船目標(biāo)檢測(cè)研究[J]. 吳金亮,王港,梁碩,陳金勇,高峰.  無線電工程. 2018(11)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像艦船目標(biāo)檢測(cè)[J]. 李健偉,曲長(zhǎng)文,彭書娟,鄧兵.  系統(tǒng)工程與電子技術(shù). 2018(09)
[6]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)
[7]光學(xué)遙感圖像多目標(biāo)檢測(cè)及識(shí)別算法設(shè)計(jì)與實(shí)現(xiàn)[J]. 姬曉飛,秦寧麗.  計(jì)算機(jī)應(yīng)用. 2015(11)
[8]高分二號(hào)衛(wèi)星的技術(shù)特點(diǎn)[J]. 潘騰.  中國(guó)航天. 2015(01)
[9]Landsat系列衛(wèi)星對(duì)地觀測(cè)40年回顧及LDCM前瞻[J]. 姜高珍,韓冰,高應(yīng)波,楊崇俊.  遙感學(xué)報(bào). 2013(05)
[10]支持大數(shù)據(jù)管理的NoSQL系統(tǒng)研究綜述[J]. 申德榮,于戈,王習(xí)特,聶鐵錚,寇月.  軟件學(xué)報(bào). 2013(08)

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
[2]基于海洋可持續(xù)發(fā)展的中國(guó)海洋科技創(chuàng)新戰(zhàn)略研究[D]. 倪國(guó)江.中國(guó)海洋大學(xué) 2010

碩士論文
[1]基于嵌入式平臺(tái)的目標(biāo)跟蹤系統(tǒng)研究[D]. 王康.南京郵電大學(xué) 2019
[2]可見光遙感圖像艦船目標(biāo)檢測(cè)技術(shù)研究[D]. 李慶峰.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
[3]基于深度學(xué)習(xí)的雙階段艦船檢測(cè)算法研究[D]. 張旭.東南大學(xué) 2019
[4]深度學(xué)習(xí)算法的FPGA硬件加速研究與實(shí)現(xiàn)[D]. 黃圳.電子科技大學(xué) 2019
[5]基于無人艇的海天線與船艇小目標(biāo)檢測(cè)方法研究[D]. 王傳龍.中國(guó)艦船研究院 2019
[6]高分辨率遙感圖像深度學(xué)習(xí)艦船檢測(cè)技術(shù)研究[D]. 王騰飛.哈爾濱工業(yè)大學(xué) 2017
[7]卷積神經(jīng)網(wǎng)絡(luò)在遙感目標(biāo)識(shí)別中的應(yīng)用研究[D]. 殷文斌.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所) 2017
[8]高分辨率遙感影像飛機(jī)目標(biāo)檢測(cè)[D]. 馮辰.武漢大學(xué) 2017
[9]基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)加速器[D]. 余子健.浙江大學(xué) 2016
[10]基于Node.js高并發(fā)web系統(tǒng)的研究與應(yīng)用[D]. 陳瑤.電子科技大學(xué) 2014



本文編號(hào)：2941530