基于卷积神经网络的遥感影像飞机检测技术研究

发布时间：2021-04-09 00:27

　　自海湾战争以来,遥感卫星作为重要的军事侦察手段在现代局部战争中发挥重要作用,针对遥感影像的目标检测也成为军事侦察领域研究的热点之一。目前,传统目标检测算法因低时效性、弱泛化性已难以适应高分辨率遥感影像的处理要求,而基于卷积神经网络的目标检测算法在海量数据、超强算力的支撑下,正以优异的性能成为目标检测领域最受关注的研究方向。本文基于卷积神经网络展开遥感影像飞机检测的相关研究,主要内容及创新点如下:（1）制作包含不同型号飞机的MA（Military Aircraft）数据集。结合卷积神经网络运行机制,以影像数据多样、均衡、充足为原则,选取不同时期、不同地区、不同成像条件下拍摄的3288张卫星遥感机场影像,制作完成包含歼击机、运输机、轰炸机、加油机、预警机共5种类型10种型号的飞机数据集。（2）提出基于双阈值采样还原的阴影综合处理算法。认真分析遥感影像飞机阴影的特性,在Lab颜色空间完成飞机阴影的检测,并通过采样非阴影区域的像素以还原阴影区域色调、纹理等特征。经实验对比表明,本文提出的算法能更好的消除飞机阴影,且阴影区域向非阴影区域过度平缓自然。（3）提出基于样本分布的K-Means算法。该... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

输入层示意图

兰州大学硕士学位论文基于卷积神经网络的遥感影像飞机检测技术研究20影像整体泛白。算法的原理如图3-3所示：⊕对数变换估计对数变换对数变换+-S(x,y)s(x,y)L(x,y)l(x,y)r(x,y)R(x,y)图3-3基于Retinex理论的增强算法原理图图3-4三种算法增强效果对比图如图3-4所示，图3-4（a）为原始影像，整体色调偏蓝，对比度和清晰度较低；图3-4（b）为基于RGB颜色空间进行增强后的结果，影像对比度、亮度改善明显，但整体色调较原始影像略有失真；图3-4（c）为基于YUV变换空间进行增强后的结果，影像对比度、亮度有所提高，且色调与原始影像基本保持一致；图3-4（d）为基于多尺度Retinex进行增强后的结果，影像亮度得到提高，且有效缓解原始影像色调失真的问题，但是对比度基本没有变化。根据上述结果可以

兰州大学硕士学位论文基于卷积神经网络的遥感影像飞机检测技术研究23④阴影消除后，对图像整体进行中值滤波，消除图像阴影轮廓边界，并根据图像整体质量进行对比度和亮度增强处理。图3-6阴影消除算法对比图图3-6（a）和（b）为原始影像；图3-6（c）和（d）为本文提出的算法输出的结果，在图中可以看到，阴影区域基本消除，纹理特征得到较好恢复，阴影区与非阴影区没有明显过渡；图3-6（e）和（f）显示为文献[45]所介绍的算法输出的结果，在图中可以看出，算法较好的检测出阴影区域，但处理后阴影区域的纹理特征基本丢失，且阴影区域与非阴影区域色调差异明显，存在清晰的边界。


本文编号：3126555