基于卷积神经网络的光学遥感影像船只目标检测技术研究
发布时间：2023-01-15 09:53
现代遥感技术兴起于20世纪60年代,至今在农业生产指导、土地资源利用监测、城市规划和军事侦查等领域始终发挥着重要的作用。经过多年的发展,光学遥感卫星呈现出大幅宽,高分辨率的技术发展趋势,单颗卫星获取影像数据的能力越来越强,并且随着卫星制造技术的不断进步,卫星的制造成本不断降低,越来越多的光学遥感卫星入轨并提供数据服务,每天都有TB量级的影像数据下传至地面端,如何高效、自动化地从海量的影像数据中提取有用的信息就成为了遥感信息应用的关键。船只是国际货物运输和军事力量投射的主要载体,通过光学卫星遥感平台对船只目标进行检测在民用领域可以满足海上交通管控,走私稽查和辅助海上救援等工作的需要;在军事领域则能监视敌方的兵力部署与动态,提高己方的态势感知能力,为决策制定提供重要依据。因此,如何从海量的光学遥感影像中准确、高效地检测船只目标,已成为亟需解决的问题。近年来,卷积神经网络在计算机视觉领域的得到了广泛的应用。卷积神经网络以数据为驱动,能够自动地提取图像中的高层语义特征,具有很强的特征描述与辨别能力。船只作为运动目标,其存在的场景具有不确定性。远海场景中,水体背景单调,船只目标分布范围广且稀疏;...
【文章页数】：131 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 可见光遥感影像船只检测方法研究现状
1.2.1 由粗到精的船只检测方法的研究现状
1.2.2 基于深度学习技术的船只检测方法的研究现状
1.3 光学遥感影像船只检测面临的问题和挑战
1.4 本文主要研究内容
1.5 本文组织结构
第2章 相关理论基础
2.1 引言
2.2 前馈神经网络
2.3 卷积神经网络
2.3.1 卷积运算
2.3.2 卷积层的实现方法
2.3.3 池化层
2.4 基于卷积神经网络的图像分类网络
2.5 基于卷积神经网络的目标检测方法
2.5.1 SSD目标检测算法
2.5.2 YOLOv2目标检测算法
2.6 数据集介绍
2.7 精度评价指标介绍
2.8 本章小结
第3章 组合视觉显著模型与分类卷积神经网络的远海船只检测方法
3.1 引言
3.2 算法流程
3.3 基于视觉显著模型的候选目标提取
3.3.1 相位谱四元数傅里叶变换模型
3.3.2 目标切片提取
3.4 基于分类卷积神经网络的目标鉴别
3.4.1 船只判别网络构建
3.4.2 核旋转卷积
3.4.3 改进的船只判别网络
3.5 实验结果与分析
3.5.1 候选目标提取结果
3.5.2 分类网络精度比较
3.5.3 算法整体性能比较
3.6 本章小结
第4章 基于锚点框求精的港口船只检测方法
4.1 引言
4.2 网络结构
4.2.1 锚点框精调分支
4.2.2 目标检测分支
4.2.3 感受野扩增模块
4.3 应用细节
4.3.1 角度相关IoU
4.3.2 锚点框设置
4.3.3 锚点框匹配策略
4.3.4 损失函数定义
4.3.5 预测结果后处理
4.4 实验结果与讨论
4.4.1 数据集预处理
4.4.2 训练集数据扩增
4.4.3 训练配置
4.4.4 消融分析
4.4.5 对比实验
4.5 本章小结
第5章 基于目标中心区域预测的港口船只检测方法
5.1 引言
5.2 中心区域预测网络
5.3 网络配置
5.3.1 标注信息编码
5.3.1.1 预测特征图分配
5.3.1.2 中心区域定义
5.3.1.3 中心区域点偏移量编码
5.3.1.4 边界框回归目标编码
5.3.2 损失函数定义
5.3.3 网络预测结果解码
5.4 旋转ROI卷积
5.4.1 问题描述
5.4.2 旋转ROI卷积
5.4.3 旋转ROI卷积的实现方法
5.4.4 改进的头部检测网络
5.5 实验结果与讨论
5.5.1 消融分析
5.5.1.1 与Center Net的比较
5.5.1.2 检测头结构对性能的影响
5.5.1.3 RRCN卷积核尺寸对性能的影响
5.5.1.4 中心区域面积占比对性能的影响
5.5.2 对比实验
5.5.3 与其他先进方法的比较
5.6 本章小结
第6章 总结与展望
6.1 全文工作总结
6.2 论文主要创新点
6.3 研究展望
参考文献
附录 英文缩略词列表
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]高分辨率遥感图像投影分析的靠岸舰船检测[J]. 张磊,洪星,王岳环,周斌. 中国图象图形学报. 2018(09)
本文编号：3730918
【文章页数】：131 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 可见光遥感影像船只检测方法研究现状
1.2.1 由粗到精的船只检测方法的研究现状
1.2.2 基于深度学习技术的船只检测方法的研究现状
1.3 光学遥感影像船只检测面临的问题和挑战
1.4 本文主要研究内容
1.5 本文组织结构
第2章 相关理论基础
2.1 引言
2.2 前馈神经网络
2.3 卷积神经网络
2.3.1 卷积运算
2.3.2 卷积层的实现方法
2.3.3 池化层
2.4 基于卷积神经网络的图像分类网络
2.5 基于卷积神经网络的目标检测方法
2.5.1 SSD目标检测算法
2.5.2 YOLOv2目标检测算法
2.6 数据集介绍
2.7 精度评价指标介绍
2.8 本章小结
第3章 组合视觉显著模型与分类卷积神经网络的远海船只检测方法
3.1 引言
3.2 算法流程
3.3 基于视觉显著模型的候选目标提取
3.3.1 相位谱四元数傅里叶变换模型
3.3.2 目标切片提取
3.4 基于分类卷积神经网络的目标鉴别
3.4.1 船只判别网络构建
3.4.2 核旋转卷积
3.4.3 改进的船只判别网络
3.5 实验结果与分析
3.5.1 候选目标提取结果
3.5.2 分类网络精度比较
3.5.3 算法整体性能比较
3.6 本章小结
第4章 基于锚点框求精的港口船只检测方法
4.1 引言
4.2 网络结构
4.2.1 锚点框精调分支
4.2.2 目标检测分支
4.2.3 感受野扩增模块
4.3 应用细节
4.3.1 角度相关IoU
4.3.2 锚点框设置
4.3.3 锚点框匹配策略
4.3.4 损失函数定义
4.3.5 预测结果后处理
4.4 实验结果与讨论
4.4.1 数据集预处理
4.4.2 训练集数据扩增
4.4.3 训练配置
4.4.4 消融分析
4.4.5 对比实验
4.5 本章小结
第5章 基于目标中心区域预测的港口船只检测方法
5.1 引言
5.2 中心区域预测网络
5.3 网络配置
5.3.1 标注信息编码
5.3.1.1 预测特征图分配
5.3.1.2 中心区域定义
5.3.1.3 中心区域点偏移量编码
5.3.1.4 边界框回归目标编码
5.3.2 损失函数定义
5.3.3 网络预测结果解码
5.4 旋转ROI卷积
5.4.1 问题描述
5.4.2 旋转ROI卷积
5.4.3 旋转ROI卷积的实现方法
5.4.4 改进的头部检测网络
5.5 实验结果与讨论
5.5.1 消融分析
5.5.1.1 与Center Net的比较
5.5.1.2 检测头结构对性能的影响
5.5.1.3 RRCN卷积核尺寸对性能的影响
5.5.1.4 中心区域面积占比对性能的影响
5.5.2 对比实验
5.5.3 与其他先进方法的比较
5.6 本章小结
第6章 总结与展望
6.1 全文工作总结
6.2 论文主要创新点
6.3 研究展望
参考文献
附录 英文缩略词列表
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]高分辨率遥感图像投影分析的靠岸舰船检测[J]. 张磊,洪星,王岳环,周斌. 中国图象图形学报. 2018(09)
本文编号：3730918
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3730918.html
