現(xiàn)代遙感技術(shù)興起于20世紀(jì)60年代,至今在農(nóng)業(yè)生產(chǎn)指導(dǎo)、土地資源利用監(jiān)測(cè)、城市規(guī)劃和軍事偵查等領(lǐng)域始終發(fā)揮著重要的作用。經(jīng)過(guò)多年的發(fā)展,光學(xué)遙感衛(wèi)星呈現(xiàn)出大幅寬,高分辨率的技術(shù)發(fā)展趨勢(shì),單顆衛(wèi)星獲取影像數(shù)據(jù)的能力越來(lái)越強(qiáng),并且隨著衛(wèi)星制造技術(shù)的不斷進(jìn)步,衛(wèi)星的制造成本不斷降低,越來(lái)越多的光學(xué)遙感衛(wèi)星入軌并提供數(shù)據(jù)服務(wù),每天都有TB量級(jí)的影像數(shù)據(jù)下傳至地面端,如何高效、自動(dòng)化地從海量的影像數(shù)據(jù)中提取有用的信息就成為了遙感信息應(yīng)用的關(guān)鍵。船只是國(guó)際貨物運(yùn)輸和軍事力量投射的主要載體,通過(guò)光學(xué)衛(wèi)星遙感平臺(tái)對(duì)船只目標(biāo)進(jìn)行檢測(cè)在民用領(lǐng)域可以滿足海上交通管控,走私稽查和輔助海上救援等工作的需要;在軍事領(lǐng)域則能監(jiān)視敵方的兵力部署與動(dòng)態(tài),提高己方的態(tài)勢(shì)感知能力,為決策制定提供重要依據(jù)。因此,如何從海量的光學(xué)遙感影像中準(zhǔn)確、高效地檢測(cè)船只目標(biāo),已成為亟需解決的問(wèn)題。近年來(lái),卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺(jué)領(lǐng)域的得到了廣泛的應(yīng)用。卷積神經(jīng)網(wǎng)絡(luò)以數(shù)據(jù)為驅(qū)動(dòng),能夠自動(dòng)地提取圖像中的高層語(yǔ)義特征,具有很強(qiáng)的特征描述與辨別能力。船只作為運(yùn)動(dòng)目標(biāo),其存在的場(chǎng)景具有不確定性。遠(yuǎn)海場(chǎng)景中,水體背景單調(diào),船只目標(biāo)分布范圍廣且稀疏;... 

【文章頁(yè)數(shù)】：131 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 可見(jiàn)光遙感影像船只檢測(cè)方法研究現(xiàn)狀
        1.2.1 由粗到精的船只檢測(cè)方法的研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)技術(shù)的船只檢測(cè)方法的研究現(xiàn)狀
    1.3 光學(xué)遙感影像船只檢測(cè)面臨的問(wèn)題和挑戰(zhàn)
    1.4 本文主要研究?jī)?nèi)容
    1.5 本文組織結(jié)構(gòu)
第2章 相關(guān)理論基礎(chǔ)
    2.1 引言
    2.2 前饋神經(jīng)網(wǎng)絡(luò)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積運(yùn)算
        2.3.2 卷積層的實(shí)現(xiàn)方法
        2.3.3 池化層
    2.4 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類網(wǎng)絡(luò)
    2.5 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法
        2.5.1 SSD目標(biāo)檢測(cè)算法
        2.5.2 YOLOv2目標(biāo)檢測(cè)算法
    2.6 數(shù)據(jù)集介紹
    2.7 精度評(píng)價(jià)指標(biāo)介紹
    2.8 本章小結(jié)
第3章 組合視覺(jué)顯著模型與分類卷積神經(jīng)網(wǎng)絡(luò)的遠(yuǎn)海船只檢測(cè)方法
    3.1 引言
    3.2 算法流程
    3.3 基于視覺(jué)顯著模型的候選目標(biāo)提取
        3.3.1 相位譜四元數(shù)傅里葉變換模型
        3.3.2 目標(biāo)切片提取
    3.4 基于分類卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)鑒別
        3.4.1 船只判別網(wǎng)絡(luò)構(gòu)建
        3.4.2 核旋轉(zhuǎn)卷積
        3.4.3 改進(jìn)的船只判別網(wǎng)絡(luò)
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 候選目標(biāo)提取結(jié)果
        3.5.2 分類網(wǎng)絡(luò)精度比較
        3.5.3 算法整體性能比較
    3.6 本章小結(jié)
第4章 基于錨點(diǎn)框求精的港口船只檢測(cè)方法
    4.1 引言
    4.2 網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 錨點(diǎn)框精調(diào)分支
        4.2.2 目標(biāo)檢測(cè)分支
        4.2.3 感受野擴(kuò)增模塊
    4.3 應(yīng)用細(xì)節(jié)
        4.3.1 角度相關(guān)IoU
        4.3.2 錨點(diǎn)框設(shè)置
        4.3.3 錨點(diǎn)框匹配策略
        4.3.4 損失函數(shù)定義
        4.3.5 預(yù)測(cè)結(jié)果后處理
    4.4 實(shí)驗(yàn)結(jié)果與討論
        4.4.1 數(shù)據(jù)集預(yù)處理
        4.4.2 訓(xùn)練集數(shù)據(jù)擴(kuò)增
        4.4.3 訓(xùn)練配置
        4.4.4 消融分析
        4.4.5 對(duì)比實(shí)驗(yàn)
    4.5 本章小結(jié)
第5章 基于目標(biāo)中心區(qū)域預(yù)測(cè)的港口船只檢測(cè)方法
    5.1 引言
    5.2 中心區(qū)域預(yù)測(cè)網(wǎng)絡(luò)
    5.3 網(wǎng)絡(luò)配置
        5.3.1 標(biāo)注信息編碼
            5.3.1.1 預(yù)測(cè)特征圖分配
            5.3.1.2 中心區(qū)域定義
            5.3.1.3 中心區(qū)域點(diǎn)偏移量編碼
            5.3.1.4 邊界框回歸目標(biāo)編碼
        5.3.2 損失函數(shù)定義
        5.3.3 網(wǎng)絡(luò)預(yù)測(cè)結(jié)果解碼
    5.4 旋轉(zhuǎn)ROI卷積
        5.4.1 問(wèn)題描述
        5.4.2 旋轉(zhuǎn)ROI卷積
        5.4.3 旋轉(zhuǎn)ROI卷積的實(shí)現(xiàn)方法
        5.4.4 改進(jìn)的頭部檢測(cè)網(wǎng)絡(luò)
    5.5 實(shí)驗(yàn)結(jié)果與討論
        5.5.1 消融分析
            5.5.1.1 與Center Net的比較
            5.5.1.2 檢測(cè)頭結(jié)構(gòu)對(duì)性能的影響
            5.5.1.3 RRCN卷積核尺寸對(duì)性能的影響
            5.5.1.4 中心區(qū)域面積占比對(duì)性能的影響
        5.5.2 對(duì)比實(shí)驗(yàn)
        5.5.3 與其他先進(jìn)方法的比較
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 論文主要?jiǎng)?chuàng)新點(diǎn)
    6.3 研究展望
參考文獻(xiàn)
附錄 英文縮略詞列表
致謝
作者簡(jiǎn)歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]高分辨率遙感圖像投影分析的靠岸艦船檢測(cè)[J]. 張磊,洪星,王岳環(huán),周斌.  中國(guó)圖象圖形學(xué)報(bào). 2018(09)



本文編號(hào)：3730918