可見光遙感影像中近岸艦船的檢測在海域監(jiān)視、軍事偵察等方面具有重要的意義,相比于海洋背景下的艦船定位,近岸艦船所處的背景環(huán)境更加復(fù)雜多樣,且船只往往并排�？�,尺度和長寬比變化范圍較大,在檢測問題上更為困難;近岸艦船目標(biāo)的細(xì)粒度識別有助于實(shí)現(xiàn)港口區(qū)域的精細(xì)化監(jiān)視、打擊隱藏于民船中的敵方艦船,但不同類別的艦船目標(biāo)通常在外形、顏色和紋理等方面區(qū)分度不大,要實(shí)現(xiàn)準(zhǔn)確的細(xì)粒度識別具有很高的難度�；谏疃葘W(xué)習(xí)的目標(biāo)檢測和識別方法在抑制復(fù)雜背景環(huán)境干擾和識別多種類別目標(biāo)等方面有著優(yōu)異的性能,但目前在近岸艦船目標(biāo)檢測和識別領(lǐng)域的相關(guān)研究還相對較少,論文基于深度學(xué)習(xí)方法對高分辨率遙感影像中的近岸艦船檢測和識別問題進(jìn)行了深入的探索,主要工作如下:首先,系統(tǒng)地闡述了論文的研究背景與意義,從搜索空間離散化的角度對基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)進(jìn)行了分類概述,并對涉及的關(guān)鍵難點(diǎn)進(jìn)行了總結(jié)歸納。其次,提出了一種基于實(shí)例分割的近岸艦船目標(biāo)檢測方法,利用語義分割的算法框架同時對艦船區(qū)域和艦船中心點(diǎn)進(jìn)行預(yù)測,然后基于中心點(diǎn)位置對并排的多個艦船實(shí)例進(jìn)行分離,實(shí)驗(yàn)表明該方法不僅能在定位艦船的同時實(shí)現(xiàn)對艦船目標(biāo)的像素級分割,而且在... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)LeNet-5

方向?qū)δＰ蛥?shù)進(jìn)行更新，這主要包括各種隨機(jī)梯度下降算法以及相對應(yīng)的可自適應(yīng)學(xué)習(xí)率的改進(jìn)版本。2.2 深度學(xué)習(xí)背景下的目標(biāo)檢測技術(shù)概述自然圖像理解中的目標(biāo)檢測技術(shù)解決的是確定感興趣目標(biāo)在圖像中的具體位置以及準(zhǔn)確類別的問題。基于深度學(xué)習(xí)的解決方案通常分為四個步驟：搜索空間離散化、深度特征提取、預(yù)設(shè)框（或其它的定位形式）編解碼、檢測框后處理。由于目標(biāo)的空間位置和尺度分布本身具有連續(xù)性，對空間和尺度的合理離散化可以極大地提高搜索效率，根據(jù)對搜索空間進(jìn)行離散化的具體方式已有的方法大致可以分為四大類。第一類方法基于外部的候選區(qū)域生成算法對搜索空間進(jìn)行離散化，然后通過深層網(wǎng)絡(luò)對候選區(qū)域進(jìn)行分類和坐標(biāo)回歸，常用的候選區(qū)域生成方法包括基于多尺度滑動窗口的方法、基于邊緣圖的方法[31]以及基于圖像分割的方法[32]等，如圖 2-2 所示是經(jīng)典的 Selective Search 候選區(qū)域生成算法。這一類方法通常訓(xùn)練過程較為復(fù)雜，候選區(qū)域生成的時間復(fù)雜度較高，并且需要對大量候選區(qū)域進(jìn)行分類，極大地限制了這一類方法的實(shí)際應(yīng)用。

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文設(shè)框設(shè)置策略，預(yù)設(shè)框不再是固定尺度和長寬比的組合，而是根據(jù)先驗(yàn)框集合動態(tài)地生成，先驗(yàn)框可以根據(jù)數(shù)據(jù)集動態(tài)地指定從而更好地適應(yīng)特定數(shù)據(jù)集中目標(biāo)框的分布。由于這一類方法采用多階段漸進(jìn)式的預(yù)設(shè)框生成策略，可以保證后續(xù)階段中的預(yù)設(shè)框與實(shí)際目標(biāo)框更為接近，同時也避免了優(yōu)化過程中來自大量負(fù)樣本的梯度信息的干擾，從而有利于后續(xù)階段學(xué)習(xí)更高質(zhì)量的分類器和回歸器，因此在檢測性能上這一類方法通常更為優(yōu)越。但多階段的檢測流程使得整個過程更為繁瑣低效，較慢的檢測速度限制了這一類方法的廣泛應(yīng)用。

【參考文獻(xiàn)】：
期刊論文
[1]基于局部自相似性的遙感圖像港口艦船檢測[J]. 胡俊華,徐守時,陳海林,張振.  中國圖象圖形學(xué)報. 2009(04)
[2]一種基于輪廓匹配的近岸艦船檢測方法[J]. 雷琳,粟毅.  遙感技術(shù)與應(yīng)用. 2007(05)
[3]高分辨率遙感圖像港內(nèi)艦船的自動檢測方法[J]. 隆剛,陳學(xué)佺.  計(jì)算機(jī)仿真. 2007(05)
[4]基于支持向量機(jī)的遙感圖像艦船目標(biāo)識別方法[J]. 李毅,徐守時.  計(jì)算機(jī)仿真. 2006(06)

碩士論文
[1]高分辨率可見光遙感圖像港口及港內(nèi)目標(biāo)識別方法研究[D]. 張振.中國科學(xué)技術(shù)大學(xué) 2009



本文編號：2945066