隨著遙感信息技術(shù)和視覺智能技術(shù)的不斷發(fā)展,遙感目標(biāo)檢測技術(shù)持續(xù)在諸多領(lǐng)域提供服務(wù)。國內(nèi)外的研究學(xué)者進(jìn)行了大量基于傳統(tǒng)特征提取方法和深度學(xué)習(xí)的遙感目標(biāo)檢測方法的研究。然而現(xiàn)有的目標(biāo)檢測方法仍存在以下不足:（1）傳統(tǒng)目標(biāo)檢測方法的特征表征能力較淺,且候選區(qū)域生成算法計(jì)算性能較低。（2）現(xiàn)有的深度學(xué)習(xí)檢測算法泛化能力較弱,僅適用于特定的目標(biāo)類型,難以解決光學(xué)遙感影像中存在的目標(biāo)尺度不一、稠密聚集等挑戰(zhàn)。因此目前的光學(xué)遙感影像目標(biāo)檢測算法仍有廣闊的發(fā)展空間,研究更高效的檢測算法具有重要的學(xué)術(shù)和應(yīng)用價(jià)值。本文分析了當(dāng)前目標(biāo)檢測方法與理論的不足,研究了任意角度遙感目標(biāo)的檢測技術(shù),設(shè)計(jì)了適用于多種尺度和稠密度的遙感目標(biāo)檢測網(wǎng)絡(luò),實(shí)驗(yàn)了多種方法來增強(qiáng)檢測網(wǎng)絡(luò)的空間變換能力。具體工作內(nèi)容如下:（1）針對光學(xué)遙感影像稠密目標(biāo)檢測中存在的錯(cuò)檢漏檢較多的難點(diǎn),通過對稠密目標(biāo)特征的分析,設(shè)計(jì)了聯(lián)合分支四邊框檢測框架RA-CNN,由并列的垂直框和任意四邊框分支共同參與網(wǎng)絡(luò)權(quán)重的優(yōu)化。設(shè)計(jì)了候選區(qū)域的自適應(yīng)ROI特征提取方法,在背景噪聲抑制與空間信息保留之間取得平衡,并通過全局大卷積模塊實(shí)現(xiàn)了對ROI上下文信息的獲... 

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

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

光學(xué)遙感影像類別差異綜上所述，遙感目標(biāo)檢測技術(shù)在不斷地快速發(fā)展，持續(xù)為人類的諸多方面進(jìn)行服

圖2.1 目標(biāo)檢測的基本流程于深度學(xué)習(xí)的目標(biāo)檢測算法遙感圖像目標(biāo)檢測中常使用的機(jī)器學(xué)習(xí)方法通過串聯(lián)特征提取與分類流水線，兩個(gè)部分獨(dú)自處理。而基于深度學(xué)習(xí)的目標(biāo)檢測算法能夠?qū)⒋蛲ǎ梢詫?shí)現(xiàn)端到端地訓(xùn)練。深度學(xué)習(xí)目標(biāo)檢測網(wǎng)絡(luò)的設(shè)計(jì)與傳統(tǒng)目類似，即首先在給定的圖像上產(chǎn)生一些候選的區(qū)域，然后對這些候選區(qū)征，最后根據(jù)特征進(jìn)行分類。與手工特征不同的是深度學(xué)習(xí)的特征通過學(xué)習(xí)。由于深度學(xué)習(xí)強(qiáng)大的特征表示能力，使得目標(biāo)的分類可以采用輕x 分類器進(jìn)行分類。2.1 經(jīng)典分類網(wǎng)絡(luò). VGG

Residualblock結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]一種高分辨率遙感圖像艦船檢測方法研究[J]. 孫皓,孫顯,王宏琦.  測繪科學(xué). 2013(05)



本文編號：3475839