自海灣戰(zhàn)爭以來,遙感衛(wèi)星作為重要的軍事偵察手段在現(xiàn)代局部戰(zhàn)爭中發(fā)揮重要作用,針對遙感影像的目標檢測也成為軍事偵察領(lǐng)域研究的熱點之一。目前,傳統(tǒng)目標檢測算法因低時效性、弱泛化性已難以適應(yīng)高分辨率遙感影像的處理要求,而基于卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法在海量數(shù)據(jù)、超強算力的支撐下,正以優(yōu)異的性能成為目標檢測領(lǐng)域最受關(guān)注的研究方向。本文基于卷積神經(jīng)網(wǎng)絡(luò)展開遙感影像飛機檢測的相關(guān)研究,主要內(nèi)容及創(chuàng)新點如下:（1）制作包含不同型號飛機的MA（Military Aircraft）數(shù)據(jù)集。結(jié)合卷積神經(jīng)網(wǎng)絡(luò)運行機制,以影像數(shù)據(jù)多樣、均衡、充足為原則,選取不同時期、不同地區(qū)、不同成像條件下拍攝的3288張衛(wèi)星遙感機場影像,制作完成包含殲擊機、運輸機、轟炸機、加油機、預(yù)警機共5種類型10種型號的飛機數(shù)據(jù)集。（2）提出基于雙閾值采樣還原的陰影綜合處理算法。認真分析遙感影像飛機陰影的特性,在Lab顏色空間完成飛機陰影的檢測,并通過采樣非陰影區(qū)域的像素以還原陰影區(qū)域色調(diào)、紋理等特征。經(jīng)實驗對比表明,本文提出的算法能更好的消除飛機陰影,且陰影區(qū)域向非陰影區(qū)域過度平緩自然。（3）提出基于樣本分布的K-Means算法。該... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

輸入層示意圖

蘭州大學(xué)碩士學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的遙感影像飛機檢測技術(shù)研究20影像整體泛白。算法的原理如圖3-3所示：⊕對數(shù)變換估計對數(shù)變換對數(shù)變換+-S(x,y)s(x,y)L(x,y)l(x,y)r(x,y)R(x,y)圖3-3基于Retinex理論的增強算法原理圖圖3-4三種算法增強效果對比圖如圖3-4所示，圖3-4（a）為原始影像，整體色調(diào)偏藍，對比度和清晰度較低；圖3-4（b）為基于RGB顏色空間進行增強后的結(jié)果，影像對比度、亮度改善明顯，但整體色調(diào)較原始影像略有失真；圖3-4（c）為基于YUV變換空間進行增強后的結(jié)果，影像對比度、亮度有所提高，且色調(diào)與原始影像基本保持一致；圖3-4（d）為基于多尺度Retinex進行增強后的結(jié)果，影像亮度得到提高，且有效緩解原始影像色調(diào)失真的問題，但是對比度基本沒有變化。根據(jù)上述結(jié)果可以

蘭州大學(xué)碩士學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的遙感影像飛機檢測技術(shù)研究23④陰影消除后，對圖像整體進行中值濾波，消除圖像陰影輪廓邊界，并根據(jù)圖像整體質(zhì)量進行對比度和亮度增強處理。圖3-6陰影消除算法對比圖圖3-6（a）和（b）為原始影像；圖3-6（c）和（d）為本文提出的算法輸出的結(jié)果，在圖中可以看到，陰影區(qū)域基本消除，紋理特征得到較好恢復(fù)，陰影區(qū)與非陰影區(qū)沒有明顯過渡；圖3-6（e）和（f）顯示為文獻[45]所介紹的算法輸出的結(jié)果，在圖中可以看出，算法較好的檢測出陰影區(qū)域，但處理后陰影區(qū)域的紋理特征基本丟失，且陰影區(qū)域與非陰影區(qū)域色調(diào)差異明顯，存在清晰的邊界。


本文編號：3126555