大规模遥感船舶影像数据库整理与实验分析

发布时间：2020-06-11 06:49

【摘要】：如今目标检测是模式识别领域重要的研究课题,遥感图像革新效率高、观测对地面积大、收集渠道丰富等特点,使越来越多的领域如军事、气象、渔业、航海等都涉及到了对遥感图像的应用。遥感影像数据增长速度之迅速,使如今还比较落后的遥感图像处理方法与应用的措施之间呈现出很大的矛盾性,导致遥感图像实际应用的研究迟迟不能做出突破。这些年来,虽然国内外对遥感船舶图像目标检测关注颇多,并在理论和技术上都取得了相当的突破和进展,但事实上由于一些遥感图像分辨率不高,且目前还没有特定船舶类别的公开的遥感影像数据集,导致了算法的检测结果不理想,为检测技术的改进和发展造成了很大的阻碍。因此,在现有的四种深度学习算法的基础上,本文旨在建立一个大规模遥感船舶影像数据库,设计出一套完整的基于深度学习的船舶检测系统,并用四种算法进行对比实验。本文主要的研究内容和成果介绍如下:(1)提出了一种建立大规模遥感船舶影像数据库的方法,详细设计了高分辨率遥感图像的收集、整理、标注、规范及类别划分,通过对数据进行三种增强处理扩充了样本集,建立了遥感图像数据库YNU-SRSID。数据库的遥感图像分辨率高达0.23m,目标纹理更加清晰,能提供更丰富的细节信息。(2)在船舶的目标检测方面,使用了四种深度学习算法CNN、RCNN、Fast RCNN和Faster RCNN,对检测结果进行比对分析。这四种算法检测精度分别为:89.66%、90.39%、91.86%和93.44%。接着对具体类别的船舶检测情况进行了统计,分别为船体粘连情况、复杂环境下的港口情况、不含复杂环境的海域情况、小型船情况和大型船情况,对应的检测率分别为89.68%、86.45%、93.99%、89.45%、95.42%。检测结果表明了此次遥感图像船舶目标检测系统基本达到了要求,自建的遥感影像数据库的样本可以完成检测任务,效果也基本达到了预期。
【图文】：

显著性检测示例图

RPN示例
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.13;TP751

【参考文献】

相关期刊论文 前4条

1 任德智;潘刚;葛立雯;;基于TitanImage软件的QuickBird影像融合[J];东北林业大学学报;2013年03期

2 杨艺;韩崇昭;韩德强;;一种多源遥感图像分割的融合新策略[J];西安交通大学学报;2010年06期

3 余静,游志胜;自动目标识别与跟踪技术研究综述[J];计算机应用研究;2005年01期

4 席学强,王润生;一个针对遥感图像特定目标的自动识别系统[J];遥感技术与应用;2000年03期

相关博士学位论文 前1条

1 韩现伟;大幅面可见光遥感图像典型目标识别关键技术研究[D];哈尔滨工业大学;2013年

相关硕士学位论文 前1条

1 刘健;基于深度学习的溯源视频目标检测与识别[D];东南大学;2016年

，

本文编号：2707533