基于层次视觉计算和表征学习的图像目标检测

发布时间：2023-03-05 19:22

　　随着航空航天和成像技术的快速发展,通过星载、机载、智能设备等获取到的图像数据与日俱增。对于这些海量图像的解译工作更是渗透到军事、民生等各个领域。目标检测作为解译的基础工作之一,无论是在军事打击、目标跟踪、还是畜牧管理等领域都具有重大意义。本文分别从三个方面对目标检测技术进行探索和创新:(1)针对大幅、复杂背景光学遥感图像的飞机目标检测问题,提出基于层次视觉和先验信息的遥感图像弱监督飞机目标检测方法。光学遥感图像具有高分辨率、大幅宽等特点,包含丰富的地物信息。正是如此,为目标检测任务带来巨大挑战。本文以素描图的稀疏表示模型为基础,依据飞机形状的结构先验,通过素描图中线段与线段之间的位置关系,提出基于机翼夹角的潜在飞机素描线段提取方法;利用原始图像灰度图中面上的灰度信息,交互使用素描图和原始图像灰度图,线面结合,对前一步骤结果进一步筛选;构建平行线约束,提取对称机翼;再次利用原始灰度图,通过区域生长实现飞机目标定位。最后与圆周频率滤波飞机目标检测方法进行实验对比,结果表明该弱监督检测方法在大幅、复杂背景下的光学遥感图像飞机目标检测中,具有优越性。(2)提出基于素描图的飞机候选框提取算法,并...

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 目标检测研究现状
        1.2.1 传统的目标检测技术
        1.2.2 基于深度学习的目标检测技术
    1.3 显著性与目标检测
    1.4 层次视觉模型理论基础
        1.4.1 视觉计算理论
        1.4.2 初始素描模型
    1.5 论文的主要内容安排
第二章 基于层次视觉和先验信息的遥感图像弱监督飞机目标检测
    2.1 引言
    2.2 KD-Tree查询算法简介
    2.3 区域生长
    2.4 基于层次视觉和先验信息的遥感图像弱监督飞机目标检测方法
        2.4.1 基于机翼夹角先验的潜在飞机素描线段提取
        2.4.2 线面信息交互的潜在飞机素描线段筛选方法
        2.4.3 基于平行线约束的对称机翼提取方法
        2.4.4 区域生长,边界定位
        2.4.5 实验仿真与分析
    2.5 本章小结
第三章 基于素描图候选框提取算法的Fast R-CNN飞机目标检测
    3.1 引言
    3.2 Fast R-CNN相关算法
        3.2.1 Fast R-CNN整体框架
        3.2.2 Selective Search算法
    3.3 基于素描图的飞机候选框提取方法
        3.3.1 基于机翼前缘约束的潜在成对机翼素描线段提取
        3.3.2 基于不同角度朝向的飞机候选区域构造方法
    3.4 基于素描图提取候选框的Fast R-CNN大场景下飞机目标检测
        3.4.1 针对大场景复杂光学遥感图像的分块策略
    3.5 实验仿真与分析
        3.5.1 基于素描图的候选区域提取方法与其它方法的对比实验
        3.5.2 基于素描图候选框提取算法的Fast R-CNN飞机检测结果
    3.6 本章小结
第四章 基于显著性机制的深度弱监督目标检测修正方法
    4.1 引言
    4.2 显著性相关算法
        4.2.1 Itti视觉显著模型
        4.2.2 Manifold Ranking显著性模型
        4.2.3 残差谱模型
    4.3 显著性方法选取策略
        4.3.1 显著性方法选取算法
        4.3.2 实验仿真分析
    4.4 基于显著性机制的弱监督目标检测修正方法
        4.4.1 对抗性互补学习存在问题分析
        4.4.2 显著性模块引入机制
        4.4.3 实验仿真分析
    4.5 本章小结
第五章 工作总结与展望
    5.1 论文工作总结
    5.2 未来工作展望
参考文献
致谢
作者简介



本文编号：3756781