基于深度学习的遥感图像舰船目标检测与分类识别
发布时间：2022-12-24 12:28
舰船是一种重要的军事和民用目标,研究基于遥感图像的海面舰船目标检测与识别具有重要理论意义和应用参考价值。对于军事侦察和打击舰船目标任务而言,目标识别可以划分为三个层次:第一层次区别军舰民船,即检测和识别出是军舰还是民船,第二层次区别开军舰和民船中具体类别,即检测出军舰是航母、驱逐舰、还是护卫舰等,民船是货船、游轮、还是油轮等,第三层次分析军舰的具体型号。卷积神经网络（CNN）被广泛用于自然图像目标识别领域,近年来也不断被用于遥感图像领域,基于深度学习的目标识别是解决舰船目标检测与分类识别的前沿技术。针对遥感舰船目标识别任务,论文重点开展了第一层次海面背景下军舰与民船检测与分类识别方法研究,主要工作如下:（1）我国高分系列卫星图像分辨率已达1米,可以用于制作军舰和民船识别任务的样本。论文选用的目标类型如下:军舰（包括航母、护卫舰、驱逐舰、远洋舰）,民船（包括游轮、渔船、货船、油船）;为解决标注样本稀缺问题,采用数据增广方法,构建了一个包含6180张图像的数据集;（2）为了构建新的舰船目标分类识别模型,首先利用构建的数据集对两种典型的目标识别算法Faster RCNN和SSD进行了比较实验...
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 论文的研究背景及意义
1.2 舰船目标检测与识别研究现状
1.3 深度学习目标识别的方法与进展
1.4 本文主要研究内容
1.5 本文组织结构
2 遥感舰船目标数据集构建
2.1 遥感舰船数据集获取
2.2 数据增广
2.3 数据集舰船目标标注
2.4 数据集舰船目标特性分析
2.5 本章小结
3 深度学习舰船目标识别方法比较研究
3.1 引言
3.2 目标检测与识别结果衡量标准
3.3 SSD遥感海面舰船目标识别算法
3.4 FASTER RCNN遥感海面舰船目标识别算法
3.5 Faster RCNN 和 SSD 舰船目标识别算法性能对比分析
3.6 本章小结
4 基于RETINANET算法和聚类的遥感海面舰船目标识别
4.1 引言
4.2 特征金字塔网络
4.3 损失函数选择
4.4 基于聚类的先验框设计
4.5 参数初始化以及训练细节
4.6 训练结果分析
4.7 三种算法性能的综合分析
4.8 本章小结
5 总结与展望
5.1 全文工作总结
5.2 研究工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]光学遥感图像中复杂海背景下的舰船检测[J]. 王慧利,朱明,蔺春波,陈典兵,杨航. 光学精密工程. 2018(03)
[2]基于人工智能的图像识别技术探讨[J]. 宋炯,柏松平,王燕华. 科技传播. 2018(01)
[3]基于多尺度多特征视觉显著性的海面舰船检测[J]. 丁鹏,张叶,贾平,常旭岭. 光学精密工程. 2017(09)
[4]基于区域卷积神经网络的行人检测[J]. 李海龙,吴震东,章坚武. 通信技术. 2017(04)
[5]图像目标类别检测综述[J]. 蔡强,刘亚奇,曹健,毛典辉,牛群. 计算机科学与探索. 2015(03)
[6]SAR图像舰船尾迹检测及其真假判别方法[J]. 陈振林,邹焕新,周石琳,王国宏. 现代雷达. 2010(01)
[7]复杂背景下边缘提取与目标识别方法研究[J]. 林玉池,崔彦平,黄银国. 光学精密工程. 2006(03)
博士论文
[1]基于特征共享的高效物体检测[D]. 任少卿.中国科学技术大学 2016
硕士论文
[1]高分辨率遥感图像深度学习舰船检测技术研究[D]. 王腾飞.哈尔滨工业大学 2017
[2]基于深度学习的舰船目标检测研究[D]. 王冰.厦门大学 2017
[3]基于多物理场特征的舰船目标识别技术研究[D]. 赵琪.哈尔滨工业大学 2017
[4]基于卷积神经网络的行人检测方法研究[D]. 刘键.哈尔滨工业大学 2017
[5]面向深度学习扩展算法的编译优化方法[D]. 杨卫.吉林大学 2017
[6]高分辨率光学遥感图像舰船检测研究[D]. 刘昱龙.厦门大学 2017
[7]智能监视中目标检测及跟踪算法研究[D]. 侯畅.中国科学技术大学 2017
[8]手势识别关键技术及其在智能实验室中的应用研究[D]. 陈睿敏.中国科学院大学(中国科学院上海技术物理研究所) 2017
[9]复杂场景下基于视频的行人流量统计算法研究[D]. 张惊州.电子科技大学 2014
[10]视频监控中运动物体的检测与跟踪的研究与实现[D]. 李雷明.南京航空航天大学 2008
本文编号：3726139
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 论文的研究背景及意义
1.2 舰船目标检测与识别研究现状
1.3 深度学习目标识别的方法与进展
1.4 本文主要研究内容
1.5 本文组织结构
2 遥感舰船目标数据集构建
2.1 遥感舰船数据集获取
2.2 数据增广
2.3 数据集舰船目标标注
2.4 数据集舰船目标特性分析
2.5 本章小结
3 深度学习舰船目标识别方法比较研究
3.1 引言
3.2 目标检测与识别结果衡量标准
3.3 SSD遥感海面舰船目标识别算法
3.4 FASTER RCNN遥感海面舰船目标识别算法
3.5 Faster RCNN 和 SSD 舰船目标识别算法性能对比分析
3.6 本章小结
4 基于RETINANET算法和聚类的遥感海面舰船目标识别
4.1 引言
4.2 特征金字塔网络
4.3 损失函数选择
4.4 基于聚类的先验框设计
4.5 参数初始化以及训练细节
4.6 训练结果分析
4.7 三种算法性能的综合分析
4.8 本章小结
5 总结与展望
5.1 全文工作总结
5.2 研究工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]光学遥感图像中复杂海背景下的舰船检测[J]. 王慧利,朱明,蔺春波,陈典兵,杨航. 光学精密工程. 2018(03)
[2]基于人工智能的图像识别技术探讨[J]. 宋炯,柏松平,王燕华. 科技传播. 2018(01)
[3]基于多尺度多特征视觉显著性的海面舰船检测[J]. 丁鹏,张叶,贾平,常旭岭. 光学精密工程. 2017(09)
[4]基于区域卷积神经网络的行人检测[J]. 李海龙,吴震东,章坚武. 通信技术. 2017(04)
[5]图像目标类别检测综述[J]. 蔡强,刘亚奇,曹健,毛典辉,牛群. 计算机科学与探索. 2015(03)
[6]SAR图像舰船尾迹检测及其真假判别方法[J]. 陈振林,邹焕新,周石琳,王国宏. 现代雷达. 2010(01)
[7]复杂背景下边缘提取与目标识别方法研究[J]. 林玉池,崔彦平,黄银国. 光学精密工程. 2006(03)
博士论文
[1]基于特征共享的高效物体检测[D]. 任少卿.中国科学技术大学 2016
硕士论文
[1]高分辨率遥感图像深度学习舰船检测技术研究[D]. 王腾飞.哈尔滨工业大学 2017
[2]基于深度学习的舰船目标检测研究[D]. 王冰.厦门大学 2017
[3]基于多物理场特征的舰船目标识别技术研究[D]. 赵琪.哈尔滨工业大学 2017
[4]基于卷积神经网络的行人检测方法研究[D]. 刘键.哈尔滨工业大学 2017
[5]面向深度学习扩展算法的编译优化方法[D]. 杨卫.吉林大学 2017
[6]高分辨率光学遥感图像舰船检测研究[D]. 刘昱龙.厦门大学 2017
[7]智能监视中目标检测及跟踪算法研究[D]. 侯畅.中国科学技术大学 2017
[8]手势识别关键技术及其在智能实验室中的应用研究[D]. 陈睿敏.中国科学院大学(中国科学院上海技术物理研究所) 2017
[9]复杂场景下基于视频的行人流量统计算法研究[D]. 张惊州.电子科技大学 2014
[10]视频监控中运动物体的检测与跟踪的研究与实现[D]. 李雷明.南京航空航天大学 2008
本文编号：3726139
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3726139.html
