可见光遥感图像海面舰船目标检测技术研究
发布时间：2023-03-18 21:35
光学遥感图像海面舰船目标检测无论是在民用还是军事方面都具有十分重要的意义。在民用方面能够用于海运交通,渔业管理,辅助遇难船只海洋救援等。在军事方面能够用于监视敌方重点港口的海域舰船部署与动态,评估战时海上打击效果等。然而,由于遥感图像拍摄幅度大,距离远,成像环境复杂,给目标检测带来一定的困难。首先,舰船检测易受云雾,海岛,海杂波等复杂背景的干扰,导致检测正确率低,虚警率高。其次,舰船目标尺寸多变,朝向不固定,带有尾迹,与背景具有较低的对比度。为了提高舰船检测的效率和精度,本文围绕候选区域提取,图像分割,特征提取等技术,采取由粗到细的检测机制设计了一系列快速有效的遥感图像舰船检测算法:1)为了能够在大幅海面上快速搜索到感兴趣区域,引入了视觉显著性算法来达到初步筛选出疑似目标区域的目的。当前存在的显著性算法多是针对自然图像设计的,无法完全适用于遥感图像。本文根据自然场景和人造目标在局部统计特征方面的差异,设计了适用于遥感图像海面背景的视觉显著性算法,采用多尺度特征和多层元胞自动机融合等技术来解决目标尺寸多变的问题。该算法能够在一定程度上抑制云雾,海杂波,海岛等自然背景的干扰,增强了目标整体...
【文章页数】：141 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 可见光遥感图像舰船目标检测研究现状
1.2.1 遥感数据源介绍
1.2.2 舰船目标检测研究现状
1.3 舰船目标检测困难点
1.3.1 环境干扰
1.3.2 目标本身因素
1.3.3 其他困难点
1.4 本文主要研究内容及章节安排
1.4.1 本文主要研究内容
1.4.2 章节安排
1.4.3 论文组织架构
第2章 可见光遥感图像舰船目标检测关键技术
2.1 引言
2.2 视觉显著性模型
2.2.1 常用显著性算法
2.2.2 显著性模型小结
2.3 边缘检测模型
2.3.1 常用边缘检测算法
2.3.2 边缘检测小结
2.4 舰船目标主方向提取模型
2.4.1 常用舰船目标主轴方向提取算法
2.4.2 主方向提取小结
2.5 基于手工特征提取和分类器设计的舰船确认方法
2.5.1 常用特征提取算法
2.5.2 常用分类器模型
2.6 卷积神经网络
2.6.1 CNN基本组件
2.6.2 基于CNN的图像分类经典结构
2.7 本章小结
第3章 基于统计特征显著性的疑似舰船区域的检测
3.1 引言
3.2 显著图构建
3.3 显著图融合
3.4 基于阈值分割的候选区域提取
3.5 实验结果与分析
3.5.1 数据集介绍
3.5.2 显著图主观比较
3.5.3 显著图客观比较
3.5.4 不同显著性模型运行时间比较
3.6 本章小结
第4章 基于边缘和纹理联合特征的虚警鉴别技术
4.1 引言
4.2 基于径向梯度的形状特征提取
4.3 基于区域协方差的纹理特征提取
4.4 候选区域分类器介绍
4.5 实验结果与分析
4.6 整体算法性能
4.7 本章小结
第5章 基于多尺度分析和Fourier Hog特征的舰船检测方法
5.1 引言
5.2 基于steerable pyramid显著图构建
5.3 基于图分割的候选区域提取过程
5.4 基于旋转不变的舰船目标特征描述方法
5.4.1 基于Fourier级数的主方向提取
5.4.2 基于Fourier Hog特征的舰船目标确认算法
5.5 实验结果与分析
5.5.1 数据集介绍
5.5.2 显著图主观和客观比较
5.5.3 虚警鉴别结果
5.5.4 整体算法性能
5.6 本章小结
第6章 基于深度学习的舰船目标检测方法研究
6.1 基于深度学习的目标检测发展概述
6.1.1 两步检测器
6.1.2 单步检测器
6.2 基于卷积神经网络的舰船目标检测
6.2.1 网络架构
6.2.2 损失函数
6.2.3 非极大值抑制
6.2.4 数据集聚类结果
6.2.5 实验结果
6.3 本章小结
第7章 总结与展望
7.1 全文工作总结
7.2 论文创新点概述
7.3 研究展望
参考文献
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
本文编号：3763911
【文章页数】：141 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 可见光遥感图像舰船目标检测研究现状
1.2.1 遥感数据源介绍
1.2.2 舰船目标检测研究现状
1.3 舰船目标检测困难点
1.3.1 环境干扰
1.3.2 目标本身因素
1.3.3 其他困难点
1.4 本文主要研究内容及章节安排
1.4.1 本文主要研究内容
1.4.2 章节安排
1.4.3 论文组织架构
第2章 可见光遥感图像舰船目标检测关键技术
2.1 引言
2.2 视觉显著性模型
2.2.1 常用显著性算法
2.2.2 显著性模型小结
2.3 边缘检测模型
2.3.1 常用边缘检测算法
2.3.2 边缘检测小结
2.4 舰船目标主方向提取模型
2.4.1 常用舰船目标主轴方向提取算法
2.4.2 主方向提取小结
2.5 基于手工特征提取和分类器设计的舰船确认方法
2.5.1 常用特征提取算法
2.5.2 常用分类器模型
2.6 卷积神经网络
2.6.1 CNN基本组件
2.6.2 基于CNN的图像分类经典结构
2.7 本章小结
第3章 基于统计特征显著性的疑似舰船区域的检测
3.1 引言
3.2 显著图构建
3.3 显著图融合
3.4 基于阈值分割的候选区域提取
3.5 实验结果与分析
3.5.1 数据集介绍
3.5.2 显著图主观比较
3.5.3 显著图客观比较
3.5.4 不同显著性模型运行时间比较
3.6 本章小结
第4章 基于边缘和纹理联合特征的虚警鉴别技术
4.1 引言
4.2 基于径向梯度的形状特征提取
4.3 基于区域协方差的纹理特征提取
4.4 候选区域分类器介绍
4.5 实验结果与分析
4.6 整体算法性能
4.7 本章小结
第5章 基于多尺度分析和Fourier Hog特征的舰船检测方法
5.1 引言
5.2 基于steerable pyramid显著图构建
5.3 基于图分割的候选区域提取过程
5.4 基于旋转不变的舰船目标特征描述方法
5.4.1 基于Fourier级数的主方向提取
5.4.2 基于Fourier Hog特征的舰船目标确认算法
5.5 实验结果与分析
5.5.1 数据集介绍
5.5.2 显著图主观和客观比较
5.5.3 虚警鉴别结果
5.5.4 整体算法性能
5.6 本章小结
第6章 基于深度学习的舰船目标检测方法研究
6.1 基于深度学习的目标检测发展概述
6.1.1 两步检测器
6.1.2 单步检测器
6.2 基于卷积神经网络的舰船目标检测
6.2.1 网络架构
6.2.2 损失函数
6.2.3 非极大值抑制
6.2.4 数据集聚类结果
6.2.5 实验结果
6.3 本章小结
第7章 总结与展望
7.1 全文工作总结
7.2 论文创新点概述
7.3 研究展望
参考文献
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
本文编号：3763911
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3763911.html