高分辨率可見光遙感圖像豐富多樣的地物信息推動了遙感圖像目標檢測技術(shù)的發(fā)展。作為海上交通、海洋資源探測的重要載體,海面船舶目標的快速準確檢測在軍民領(lǐng)域具有重要意義。為滿足船舶檢測不斷提高的精度需求,當前檢測方法已逐漸從傳統(tǒng)的視覺顯著性閾值分割過渡到以深度學(xué)習(xí)為代表的數(shù)據(jù)驅(qū)動檢測方法。為滿足在存儲、能耗等資源受限的移動端實時處理應(yīng)用需求,輕量級深度學(xué)習(xí)模型由于能夠大幅減少計算量被逐漸應(yīng)用于船舶檢測任務(wù)中。其中,稀疏Mobile Net V2是課題組經(jīng)過前期實驗與研究積累的面向遙感在軌處理的方法,能夠有效實現(xiàn)平靜海面下船舶快速高精度檢測,然而,由于其訓(xùn)練集中缺乏船舶目標和正負樣本類不平衡的問題,導(dǎo)致檢測模型在復(fù)雜的云干擾場景下易陷入過擬合。數(shù)據(jù)增強是一種對有限訓(xùn)練數(shù)據(jù)通過某種變換得到更多數(shù)據(jù)的技術(shù),可以從原始數(shù)據(jù)角度出發(fā)在一定程度上解決船舶目標檢測的過擬合問題。本文提出一種樣本空間與特征空間聯(lián)合的數(shù)據(jù)增強方法（Space Association Data Augmentation,SADA）,通過從樣本數(shù)據(jù)變換和特征空間擬合的角度豐富數(shù)據(jù)集,實現(xiàn)對船舶圖像的增強與補充,具體研究內(nèi)容如下:（1... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同分辨率的

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-6-（3）多方向問題：地面拍攝的常規(guī)圖像中的目標，如行人、車輛等基本都是直立狀態(tài)。而遙感圖像采用俯視拍攝，目標方向呈隨機360°分布，對應(yīng)的目標檢測方法需要對方向具有魯棒性[91-93]。（4）背景復(fù)雜度高：遙感圖像通常幅寬較大，成像范圍較廣，所覆蓋的地面背景區(qū)域更為復(fù)雜多變[94]。（5）干擾因素多變：由于遙感衛(wèi)星搭載的相機在拍攝時易受天氣、光照、拍攝角度等因素影響，可能導(dǎo)致部分圖像中存在陰影、云層和薄霧等干擾[95]。（a）行人（b）車輛（c）交通標志圖1-3自然場景下的目標圖像（a）船舶（b）飛機（c）車輛圖1-4遙感場景下的目標圖像以上特點導(dǎo)致可見光遙感圖像的目標檢測存在極大的挑戰(zhàn)。船舶、飛機目標不同于建筑等人造目標，其尺寸較小，只有足夠的分辨率才能對其檢測提供足夠的信息[2]。對于本文研究的高分辨率遙感船舶圖像，除了滿足遙感圖像所具備的基本特點外，還具有如下五點特殊性：（1）小目標問題。受人造船舶自身尺寸及衛(wèi)星分辨率發(fā)展限制，遙感拍攝的船很多都是小目標（幾十個甚至幾個像素），目標所包含信息量和特征較少。（2）移動特性。不同于地標建筑、島嶼等目標在地理空間位置上保持較長時間靜止不動，船舶目標的航行速度會對成像結(jié)果造成較大影響。（3）高類內(nèi)差。本文中的類內(nèi)差是指同類中不同船舶間的差異。圖1-5展示了幾種不同的船舶目標。根據(jù)不同的用途，不同船舶在形狀、紋理結(jié)構(gòu)、速度、方向、角度等方面差別較大，導(dǎo)致其在圖像中的特征差異較大[96]。高類內(nèi)差使得檢測算法難以從可見光遙感船舶目標圖像中學(xué)習(xí)魯棒性強且有判別力的特征[9]。（4）低類間差。本文中的類間差是指船舶圖像與海面、云霧圖像間的差異。由于海域環(huán)境的特殊性，船舶目標極易受?

較蛭侍猓旱孛媾納愕某９嬙枷裰械哪勘輳?縲腥恕⒊盜鏡然?徑際?直立狀態(tài)。而遙感圖像采用俯視拍攝，目標方向呈隨機360°分布，對應(yīng)的目標檢測方法需要對方向具有魯棒性[91-93]。（4）背景復(fù)雜度高：遙感圖像通常幅寬較大，成像范圍較廣，所覆蓋的地面背景區(qū)域更為復(fù)雜多變[94]。（5）干擾因素多變：由于遙感衛(wèi)星搭載的相機在拍攝時易受天氣、光照、拍攝角度等因素影響，可能導(dǎo)致部分圖像中存在陰影、云層和薄霧等干擾[95]。（a）行人（b）車輛（c）交通標志圖1-3自然場景下的目標圖像（a）船舶（b）飛機（c）車輛圖1-4遙感場景下的目標圖像以上特點導(dǎo)致可見光遙感圖像的目標檢測存在極大的挑戰(zhàn)。船舶、飛機目標不同于建筑等人造目標，其尺寸較小，只有足夠的分辨率才能對其檢測提供足夠的信息[2]。對于本文研究的高分辨率遙感船舶圖像，除了滿足遙感圖像所具備的基本特點外，還具有如下五點特殊性：（1）小目標問題。受人造船舶自身尺寸及衛(wèi)星分辨率發(fā)展限制，遙感拍攝的船很多都是小目標（幾十個甚至幾個像素），目標所包含信息量和特征較少。（2）移動特性。不同于地標建筑、島嶼等目標在地理空間位置上保持較長時間靜止不動，船舶目標的航行速度會對成像結(jié)果造成較大影響。（3）高類內(nèi)差。本文中的類內(nèi)差是指同類中不同船舶間的差異。圖1-5展示了幾種不同的船舶目標。根據(jù)不同的用途，不同船舶在形狀、紋理結(jié)構(gòu)、速度、方向、角度等方面差別較大，導(dǎo)致其在圖像中的特征差異較大[96]。高類內(nèi)差使得檢測算法難以從可見光遙感船舶目標圖像中學(xué)習(xí)魯棒性強且有判別力的特征[9]。（4）低類間差。本文中的類間差是指船舶圖像與海面、云霧圖像間的差異。由于海域環(huán)境的特殊性，船舶目標極易受云層遮擋等外界因素影響，前景與背景邊界模糊，

【參考文獻】：
期刊論文
[1]深度學(xué)習(xí)的遙感影像艦船目標檢測[J]. 趙江洪,張曉光,楊璐,馬思宇,王殷瑞,董巖,孫銘悅,陳朝陽.  測繪科學(xué). 2020(03)
[2]基于生成式對抗網(wǎng)絡(luò)的合成孔徑雷達艦船數(shù)據(jù)增廣在改進單次多盒檢測器中的應(yīng)用[J]. 楊龍,蘇娟,李響.  兵工學(xué)報. 2019(12)
[3]星載高分辨頻率步進SAR成像技術(shù)[J]. 龍騰,丁澤剛,肖楓,王巖,李喆.  雷達學(xué)報. 2019(06)
[4]可見光遙感圖像海面目標檢測技術(shù)綜述[J]. 劉俊琦,李智,張學(xué)陽.  計算機科學(xué). 2020(03)
[5]基于生成對抗網(wǎng)絡(luò)的數(shù)據(jù)增強方法[J]. 張曉峰,吳剛.  計算機系統(tǒng)應(yīng)用. 2019(10)
[6]基于深度神經(jīng)網(wǎng)絡(luò)剪枝的兩階段遙感圖像目標檢測[J]. 王生生,王萌,王光耀.  東北大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[7]變分自編碼器模型綜述[J]. 翟正利,梁振明,周煒,孫霞.  計算機工程與應(yīng)用. 2019(03)
[8]基于優(yōu)化分類的數(shù)據(jù)增廣方法[J]. 蔣夢瑩,林小竹,柯巖.  計算機工程與設(shè)計. 2018(11)
[9]基于約束EGO的對地觀測衛(wèi)星多學(xué)科設(shè)計優(yōu)化[J]. 龍騰,劉建,陳余軍,史人赫,袁斌,劉莉.  機械工程學(xué)報. 2018(10)
[10]深度學(xué)習(xí)的研究進展與發(fā)展[J]. 史加榮,馬媛媛.  計算機工程與應(yīng)用. 2018(10)

博士論文
[1]大幅寬光學(xué)遙感圖像目標檢測技術(shù)研究[D]. 聶婷.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所) 2019
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的光學(xué)遙感目標檢測技術(shù)研究[D]. 丁鵬.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所) 2019
[3]空間光學(xué)遙感影像的實時清晰度提升技術(shù)研究[D]. 邵帥.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所) 2019
[4]可見光遙感圖像海面目標自動檢測關(guān)鍵技術(shù)研究[D]. 徐芳.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所) 2018
[5]高分辨率光學(xué)遙感圖像中典型人造目標檢測技術(shù)研究[D]. 王慧利.中國科學(xué)院長春光學(xué)精密機械與物理研究所 2017
[6]圖像客觀質(zhì)量評價算法及其應(yīng)用研究[D]. 張薇.中國礦業(yè)大學(xué) 2016
[7]基于遷移學(xué)習(xí)與深度卷積特征的圖像標注方法研究[D]. 宋光慧.浙江大學(xué) 2017
[8]引入上下文信息的可見光遙感圖像目標檢測與識別方法研究[D]. 郭軍.國防科學(xué)技術(shù)大學(xué) 2014
[9]航天光學(xué)遙感器圖像終端像質(zhì)評價方法研究[D]. 顧營迎.中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所） 2013
[10]遙感圖像的目標檢測方法研究[D]. 劉德連.西安電子科技大學(xué) 2008

碩士論文
[1]基于生成式對抗網(wǎng)絡(luò)的數(shù)據(jù)增強方法研究[D]. 王海文.南京郵電大學(xué) 2019
[2]基于深度學(xué)習(xí)的盲圖像質(zhì)量評價算法研究[D]. 吳鑫.西安理工大學(xué) 2019
[3]基于生成對抗網(wǎng)絡(luò)的雷達圖像增強技術(shù)研究[D]. 米野.北京郵電大學(xué) 2019
[4]基于深度學(xué)習(xí)的光學(xué)遙感影像信息提取技術(shù)研究[D]. 張曉男.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所) 2019
[5]基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標檢測算法研究[D]. 周天怡.哈爾濱工業(yè)大學(xué) 2019
[6]基于深度學(xué)習(xí)的生成式模型研究[D]. 檀婧.北京郵電大學(xué) 2019
[7]深度對抗式數(shù)據(jù)增強技術(shù)在小規(guī)模數(shù)據(jù)集上的應(yīng)用研究[D]. 張曉峰.中國科學(xué)技術(shù)大學(xué) 2019
[8]基于深度學(xué)習(xí)的遙感圖像目標檢測研究[D]. 李星悅.中國科學(xué)技術(shù)大學(xué) 2019
[9]對抗學(xué)習(xí)在神經(jīng)網(wǎng)絡(luò)模型優(yōu)化中的研究[D]. 曹譽仁.電子科技大學(xué) 2019
[10]大面幅光學(xué)遙感影像飛行器目標快速檢測[D]. 張作省.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所) 2018



本文編號：3498469