發(fā)布時(shí)間：2021-05-05 21:54

　　隨著遙感技術(shù)的迅速發(fā)展,遙感圖像的應(yīng)用范圍日趨廣泛。近些年,光學(xué)遙感圖像的分辨率迅速提高、遙感圖像數(shù)據(jù)量激增,使得遙感圖像中的精細(xì)目標(biāo)檢測(cè)變得可能,遙感圖像的應(yīng)用不再局限于以往粗糙的遙感圖像分類(lèi)。然而,現(xiàn)有的遙感圖像目標(biāo)檢測(cè)技術(shù)在精度、通用性、效率等方面還達(dá)到實(shí)際應(yīng)用的要求。與此同時(shí),基于深度學(xué)習(xí)的計(jì)算機(jī)視覺(jué)技術(shù)正在迅速發(fā)展,在多個(gè)領(lǐng)域達(dá)到了遠(yuǎn)超傳統(tǒng)算法的效果,具有精度高、適應(yīng)性強(qiáng)等諸多優(yōu)勢(shì)。已經(jīng)被用于諸如人臉識(shí)別、行人檢測(cè),智能監(jiān)控等等眾多場(chǎng)合。故為改善現(xiàn)有的遙感圖像目標(biāo)檢測(cè)技術(shù)性能不足的問(wèn)題,本文研究了基于深度學(xué)習(xí)的光學(xué)遙感圖像目標(biāo)檢測(cè)算法。在基于區(qū)域建議的深度學(xué)習(xí)目標(biāo)檢測(cè)算法的基礎(chǔ)上,提出了一種適于高分辨率光學(xué)遙感圖像的多類(lèi)目標(biāo)檢測(cè)方法MS-FRCNN。針對(duì)遙感圖像中小目標(biāo)多、目標(biāo)尺度多變導(dǎo)致檢測(cè)模型容易漏檢的問(wèn)題,借鑒特征金字塔網(wǎng)的思路,利用融合后的多層特征進(jìn)行檢測(cè)。針對(duì)背景復(fù)雜、目標(biāo)存在形變等挑戰(zhàn),借鑒可變形卷積網(wǎng)絡(luò)更好地提取目標(biāo)本身的特征,減少背景干擾;另外,采用改進(jìn)的NMS算法更好的處理邊框易重疊的目標(biāo)。通過(guò)實(shí)驗(yàn)表明,所提出的改進(jìn)方法具有精度較高、泛化能力強(qiáng)等優(yōu)點(diǎn),在公開(kāi)... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的背景與意義
    1.2 存在的難點(diǎn)與挑戰(zhàn)
    1.3 國(guó)內(nèi)外研究現(xiàn)狀與發(fā)展
    1.4 本文的內(nèi)容與安排
第二章 基于深度學(xué)習(xí)目標(biāo)檢測(cè)技術(shù)理論基礎(chǔ)
    2.1 深度學(xué)習(xí)概述
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 常用的卷積神經(jīng)網(wǎng)絡(luò)模型與發(fā)展趨勢(shì)
        2.2.2 用于目標(biāo)檢測(cè)的重要操作
    2.3 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)模型
        2.3.1 基于區(qū)域建議的方法
        2.3.2 基于回歸的方法
        2.3.3 多任務(wù)模型方法
    2.4 本章小結(jié)
第三章 基于區(qū)域建議的遙感目標(biāo)檢測(cè)方法
    3.1 引言
    3.2 基礎(chǔ)網(wǎng)絡(luò)選擇
    3.3 融合高低層特征
    3.4 增強(qiáng)形變目標(biāo)檢測(cè)能力
        3.4.1 可變形卷積
        3.4.2 可變形候選區(qū)池化
    3.5 改進(jìn)的非極大值抑制算法
    3.6 實(shí)驗(yàn)與結(jié)果分析
        3.6.1 實(shí)驗(yàn)條件
        3.6.2 實(shí)驗(yàn)數(shù)據(jù)
        3.6.3 模型訓(xùn)練
        3.6.4 評(píng)價(jià)標(biāo)準(zhǔn)
        3.6.5 實(shí)驗(yàn)結(jié)果與分析
    3.7 本章小結(jié)
第四章 融合語(yǔ)義分割的遙感目標(biāo)檢測(cè)方法
    4.1 引言
    4.2 語(yǔ)義分割
    4.3 方法描述
        4.3.1 思路描述
        4.3.2 方案設(shè)計(jì)
    4.4 實(shí)驗(yàn)與結(jié)果分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)與模型訓(xùn)練
        4.4.2 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小節(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫(xiě)的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于多尺度形變特征卷積網(wǎng)絡(luò)的高分辨率遙感影像目標(biāo)檢測(cè)[J]. 鄧志鵬,孫浩,雷琳,周石琳,鄒煥新.  測(cè)繪學(xué)報(bào). 2018(09)
[2]一種高分辨率遙感圖像視感知目標(biāo)檢測(cè)算法[J]. 李策,張亞超,藍(lán)天,杜少毅.  西安交通大學(xué)學(xué)報(bào). 2018(06)
[3]基于可見(jiàn)光遙感圖像的船只目標(biāo)檢測(cè)識(shí)別方法[J]. 陳亮,王志茹,韓仲,王冠群,周浩天,師皓,胡程,龍騰.  科技導(dǎo)報(bào). 2017(20)



本文編號(hào)：3170648