基于深度学习的遥感影像车辆目标检测方法研究

发布时间：2024-02-03 20:11

　　计算机视觉结合卫星遥感技术在智能交通领域具有广阔的应用前景。与传统的交通目标监控设备相比,基于卫星遥感影像的目标检测方法具有一次投入持久应用、不破坏路面、不影响地面交通、覆盖区域大、获取的交通信息量丰富等诸多优点,为交通管理与交通流动态监测提供了新数据、新方法源。论文围绕高分辨率卫星遥感影像道路分割、高分辨率视频卫星遥感影像中弱小车辆目标检测与跟踪问题展开研究。针对遥感影像道路分割问题,首先对比分析了PSPNet、DeepLabv3、DeepLabv3+、DenseASPP以及U-Net五种基于深度学习的图像分割网络,然后将这几种分割网络应用于遥感影像道路分割任务中,并对其性能进行多方面的评价和分析。最后基于U-Net网络的缺陷,以及大范围遥感场景中道路多样性的特点,提出一种能够有效提取遥感影像道路区域且结构更为简单的改进U-Net结构。改进的U-Net网络在遥感影像道路分割任务中具有较好的表现。针对视频卫星遥感影像中少纹理特征的弱小运动车辆目标检测与跟踪问题,提出道路分割及道路上车辆检测与跟踪两步方案。首先通过改进的U-Net网络提取遥感影像中的道路区域,后续仅在道路区域检测车辆目标...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图4-22VOC2007基于不同超分辨方法的小目标检测结果

基于深度卷积网络和多任务学习模型的遥感影像和车辆检测研究57LR/SSDLR/FPNBicubic/FASR++EDSR/FASR++CycSR/FASR++CycDet/FASR++图4-21VOC检测结果示例（超分辨技术/检测模型）图4-22VOC2007基于不同超分辨方法的....

本文编号：3894609