基于深度视觉感知建模的大视场多类遥感目标检测

发布时间：2023-05-31 05:52

　　随着遥感卫星平台的多样化以及图像空、时、谱分辨率的提升,空间遥感探测技术的不断突破。基于遥感图像的大视场目标检测技术在军事、民用领域有着迫切的应用需求,尤其在当前人工智能图像感知技术飞速发展的时代。然而,遥感场景复杂多样、光照变化以及不同天候造成图像的质量不稳定,目标在场景中存在显著的差异、目标之间尺度差异较大等问题。目前主流的遥感图像目标检测方法仍存在一些问题亟待解决。本文在目前深度学习图像解译相关理论的基础上,针对遥感目标检测领域存在的相关难点,提出一种基于深度视觉感知建模的大视场多类遥感目标检测方法,主要研究工作和成果如下:(1)针对的遥感图像大视场场景复杂、虚警干扰因素多的难点,本文提出在目标检测网络中构建语义-视觉特征,表征目标场景的复杂特性。本方法主要利用密集连接卷积模块中层与层之间独特的连接方式,提取丰富的语义特征。基于视觉注意力增强模块在通道和空间维度提取视觉特征;并融合两个维度的特征信息,构建出深层次的结构特征来进行复杂场景的特征表达。通过一系列的对比分析实验,此方法在有效的实现对于遥感目标的辨识。(2)针对遥感目标在同一场景中尺度差异较大、目标占比小而排布密集的难点...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 传统遥感目标检测方法
        1.2.2 基于卷积神经网络的遥感目标检测方法
    1.3 主要研究内容
    1.4 论文组织结构
第二章 深度学习目标检测识别算法分析
    2.1 引言
    2.2 卷积神经网络
    2.3 目标检测
    2.4 目标识别
    2.5 本章小结
第三章 基于语义视觉特征融合的遥感图像目标检测
    3.1 引言
    3.2 算法框架
    3.3 语义-视觉特征构建
        3.3.1 数据增强
        3.3.2 密集连接卷积模块
        3.3.3 视觉注意力增强模块
    3.4 多尺度特征融合
    3.5 实验与结果分析
        3.5.1 实验数据集
        3.5.2 模型训练
        3.5.3 指标评估与结果分析
    3.6 本章小结
第四章 基于轻量级卷积神经网络的虚警剔除方法
    4.1 引言
    4.2 算法框架
    4.3 Peleenet-RS算法设计
        4.3.1 深度可分离卷积
        4.3.2 网络结构
    4.4 实验与结果分析
        4.4.1 虚警和漏检目标分析
        4.4.2 数据集制备
        4.4.3 虚警剔除结果
    4.5 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 研究展望
参考文献
在学期间的研究成果
致谢



本文编号：3825813