隨著遙感技術(shù)的發(fā)展和遙感平臺(tái)的增加,出現(xiàn)了海量遙感圖像數(shù)據(jù),這些數(shù)據(jù)中包含著大量高價(jià)值信息。遙感圖像目標(biāo)檢測(cè)是對(duì)遙感圖像信息進(jìn)行加工和利用的有效手段之一,在眾多遙感應(yīng)用領(lǐng)域中都發(fā)揮著巨大的作用,也是遙感圖像處理領(lǐng)域的一個(gè)研究熱點(diǎn)。隨著學(xué)術(shù)界對(duì)深度學(xué)習(xí)研究的深入,卷積神經(jīng)網(wǎng)絡(luò)成為計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)重要的工具。相比于依托于手工特征設(shè)計(jì)的傳統(tǒng)目標(biāo)檢測(cè)算法,基于卷積神經(jīng)網(wǎng)絡(luò)的方法具有更強(qiáng)的特征提取能力和泛化能力,這些方法也在普通自然圖像目標(biāo)檢測(cè)任務(wù)中展現(xiàn)出了優(yōu)越的性能。然而,遙感圖像和普通自然圖像存在許多差異,對(duì)遙感圖像進(jìn)行快速準(zhǔn)確的目標(biāo)檢測(cè)依然面臨著許多挑戰(zhàn)。其中,遙感圖像多尺度目標(biāo)檢測(cè)長(zhǎng)期以來(lái)一直是遙感圖像處理領(lǐng)域的一個(gè)難題。本文在現(xiàn)有方法和理論的基礎(chǔ)上,圍繞遙感圖像多尺度目標(biāo)檢測(cè)問(wèn)題展開研究,從卷積神經(jīng)網(wǎng)絡(luò)多尺度特征提取和多尺度目標(biāo)檢測(cè)算法中的錨點(diǎn)（Anchor）機(jī)制兩個(gè)方向進(jìn)行探索,實(shí)現(xiàn)了良好的遙感圖像多尺度目標(biāo)檢測(cè)效果。本文的主要研究工作如下:（1）本文從卷積神經(jīng)網(wǎng)絡(luò)特征提取過(guò)程展開研究,針對(duì)卷積神經(jīng)網(wǎng)絡(luò)的層次性原理,設(shè)計(jì)了一種能實(shí)現(xiàn)多尺度特征的融合并提取的主干神經(jīng)網(wǎng)絡(luò)MF-Dens... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

遙感圖像目標(biāo)檢測(cè)示意圖

圖2.1 LeNet 網(wǎng)絡(luò)結(jié)構(gòu)現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)的雛形可以追溯到 1980 年，Kunihiko Fukushima 等人通過(guò)模生物視覺(jué)系統(tǒng)提出了一種用于處理手寫字符識(shí)別等模式識(shí)別任務(wù)的多層人工神經(jīng)絡(luò)[18]，這個(gè)網(wǎng)絡(luò)也被認(rèn)為是現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)的前身。1998 年 LeCun 等人提出了種用于手寫體數(shù)字識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)，LeNet[17]。如圖 2.1 所示[17]，LeNet 是一個(gè)

AlexNet結(jié)構(gòu)示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征融合的遙感圖像河流目標(biāo)檢測(cè)算法[J]. 于曉升,吳成東,陳東岳,田子恒.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(11)
[2]可見光遙感圖像中艦船目標(biāo)檢測(cè)方法[J]. 趙英海,吳秀清,聞凌云,徐守時(shí).  光電工程. 2008(08)

博士論文
[1]面向圖像分類和識(shí)別的視覺(jué)特征表達(dá)與學(xué)習(xí)的研究[D]. 楊釗.華南理工大學(xué) 2014

碩士論文
[1]中低分辨率光學(xué)遙感圖像艦船目標(biāo)檢測(cè)算法研究[D]. 李文武.國(guó)防科學(xué)技術(shù)大學(xué) 2008
[2]基于地物波譜數(shù)據(jù)庫(kù)的分類識(shí)別研究[D]. 阮建武.吉林大學(xué) 2004



本文編號(hào)：3360694