机载平台上对地目标检测算法研究

发布时间：2020-05-14 17:36

【摘要】：机载平台上的目标检测一直以来都是军事领域的重要研究内容,是机载光电预警、机载光电侦查的重要组成部分。搭载在机载平台上的目标检测算法大多是传统的目标检测算法,一般由区域选择、特征提取、分类回归等部分组成,比如经典的基于目标模板匹配的策略,具有算法实现简单、检测速度快、检测效果良好等优点,但是需要一定的先验知识,并且极易出现一旦某帧检测失败后,其更新模板易受到背景污染的情况,因此需要较为复杂的模板更新策略,然而航空光电成像环境复杂,天气的变化、光照亮度的变化以及机身抖动都会对目标成像质量造成影响,同时由于机载平台本身的快速运动或者目标自身的快速运动使成像目标易发生形变,传统的算法不能获得较好的鲁棒性。因此本文研究了基于深度学习的航空对地目标检测。相较于传统的特征提取方式比如Harr、Sift、Hog等特征,深度特征的优势在于不易受物体形变、光照变化、背景干扰等变化因素的影响,但是复杂度增加了很多,需要强大的计算力支持。而航拍目标检测既需要较好的检测准确率,也需要较高的检测速度,因此本文的主要工作集中在如下方面:(1)为了应对复杂的环境变化,本文采取了一系列的数据预处理措施,包括常见的旋转、剪裁、亮度、噪声等变化的数据扩充策略,以增强模型的鲁棒性。由于是针对机载平台上的目标检测,时常面对云雾及恶劣天气的干扰,因此专门进行了去雾算法的研究,减轻天气环境因素对成像质量的影响,降低成像过程中信息的丢失,增强算法的稳定性。(2)为提高航拍小目标的检测精度,本文提出了一种多层特征融合进行目标检测的方法。其中浅层特征提取的是目标的边缘、轮廓信息,有利于实现目标准确定位。而深层特征提取的是目标的语义、环境信息,有利于实现目标的精确识别。因此充分利用目标的深浅层特征可以更好的获取更多的目标信息,弥补了YOLO算法对于小目标检测的不足,并且在最终输出目标时引入改进的非极大值策略以改善目标重叠的影响,使检测精度在自制数据集上达到了0.63mAP。(3)为减低模型存储需求,提高检测速度,本文将奇异值分解策略应用于特征图,其中浅层特征图压缩效果达到80%以上,深层特征图压缩效果达到30%以上,同时整个模型的检测速度可以达到18fps。
【图文】：

在图像进入网络之前需要进行去雾处理，以去除天气的影响。图2.1 是本文的数据预处理流程。图 2. 1 数据预处理流程图Figure2.1 Data preprocessing flow chart2.1.1 仿射变换仿射变换是针对图像中像素的位置关系，，通过一定的函数映射关系可以使图像像素的空间位置改变，这种映射关系包括线性映射和非线性映射，使之呈现出

图 2. 3 彩色图像的直方图均衡化Figure2.3 Histogram equalization of color images图像的灰度变换总的来说有三个作用。首先，最明显的变化是可以改变图像直方图分布，使像素分布更加均匀，避免了像素过度集中的情况；其次，直方分布的变化带来的是对比度的改善，有助于显示图像细节部分；最后是可以进特征筛选，有选择性的突出或者抑制图像中某部分。由于航拍图片有可能会出亮度较暗，且动态范围较低的情况，通过直方图均衡化后可以显著改善图像的均亮度及对比度。.1.3 噪声影响由于卷积网络强大的学习能力，容易导致其过分的重视不必要的特征，出现重的过度拟合现象，经常发生在神经网络试图学习高频特征（非常频繁出现的
【学位授予单位】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V243;TP391.41

【相似文献】

相关期刊论文 前10条

1 舒朗;郭春生;;基于回归与深度强化学习的目标检测算法[J];软件导刊;2018年12期

2 王钤;张穗华;雷丝雨;邓博文;;一种基于数据聚类的目标检测算法[J];机电产品开发与创新;2016年06期

3 孙林;鲍金河;刘一超;;高光谱图像目标检测算法分析[J];测绘科学;2012年01期

4 张桂林，熊艳，曹伟，李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报;1994年05期

5 许云;李彬;;基于背景遗传模型的运动目标检测算法[J];自动化技术与应用;2017年03期

6 杜佳;宋春林;;一种改进的毫米波雷达多目标检测算法[J];通信技术;2015年07期

7 诸葛霞;向健勇;;基于分形特征的目标检测算法概述及仿真[J];红外技术;2006年10期

8 方路平;何杭江;周国民;;目标检测算法研究综述[J];计算机工程与应用;2018年13期

9 尚海林;;复杂场景下弱小目标检测算法的FPGA实现[J];航空兵器;2007年04期

10 詹炜;Inomjon Ramatov;崔万新;喻晶精;;基于候选区域的深度学习目标检测算法综述[J];长江大学学报(自然科学版);2019年05期

相关会议论文 前10条

1 何元磊;李红军;周陆军;李旭渊;顾立林;尼涛;;基于端元丰度量化的高光谱图像目标检测算法[A];国家安全地球物理丛书（十一）——地球物理应用前沿[C];2015年

2 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

3 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

4 许俊平;张启衡;张耀;王华闯;;基于人眼视觉特性的小目标检测算法[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

5 王艺婷;黄世奇;刘代志;王红霞;;高光谱图像目标检测算法性能研究[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

6 张国华;;一种基于导引头稳定平台结构的目标检测算法[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

7 郑伟成;李学伟;刘宏哲;;基于深度学习的目标检测算法综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年

8 刘昊;赵龙;;基于改进混合高斯模型的运动目标检测算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

9 刘峰;奚晓梁;沈同圣;;基于最大值投影的空间小目标检测算法[A];第二届空间目标与碎片监测、清理技术及应用学术研讨会论文集[C];2015年

10 邓宇;陈孝威;;综合利用时空信息的运动目标检测算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

相关博士学位论文 前10条

1 曾冬冬;视频监控中的前景目标检测算法研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

2 张丽丽;基于空谱联合特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2018年

3 赵红燕;被动多基站雷达目标检测算法研究[D];西安电子科技大学;2017年

4 郭小路;多通道雷达干扰抑制与目标检测算法研究[D];西安电子科技大学;2017年

5 李健;星载宽幅SAR及目标检测算法研究[D];西安电子科技大学;2018年

6 潘雪莉;机载环视SAR海面特性和舰船目标检测算法研究[D];西安电子科技大学;2018年

7 陈宇环;联合时空特征的视觉显著目标检测算法研究[D];深圳大学;2018年

8 王志虎;基于显著性的运动目标检测算法研究[D];国防科学技术大学;2015年

9 郭明玮;基于视觉记忆的目标检测算法：一个特征学习与特征联想的过程[D];中国科学技术大学;2014年

10 王俊强;图像中人体目标检测算法研究[D];北京邮电大学;2012年

相关硕士学位论文 前10条

1 侯明利;远程塔台运动目标检测算法研究[D];中国民用航空飞行学院;2019年

2 阮激扬;基于YOLO的目标检测算法设计与实现[D];北京邮电大学;2019年

3 郭帅;基于视觉计算的图像目标检测与分析[D];北京邮电大学;2019年

4 王颖;基于深度学习的卫星图像船只目标检测算法研究[D];北京邮电大学;2019年

5 王世豪;基于卷积神经网络的目标检测算法其增量学习研究[D];浙江大学;2019年

6 邵宇辉;基于背景建模的微小运动目标检测算法研究[D];西安理工大学;2019年

7 陈建促;基于视频的野生动物目标检测算法研究[D];重庆理工大学;2019年

8 梁华;机载平台上对地目标检测算法研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

9 韩志华;基于统计特征与桥梁方法的小目标检测算法研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

10 王悦;用于建筑工地安全生产监控的目标检测算法研究[D];深圳大学;2018年

本文编号：2663700