区域卷积神经网络和生成对抗模型在遥感图像解译中的应用

发布时间：2022-02-11 17:28

　　深度神经网络在大数据的滋养下迸发出巨大活力,它在有大量人工标注数据的计算机视觉任务中取得了很大进展。然而,在遥感图像领域,有人工标注的数据极其稀少,如何在少标签的遥感数据中利用深度学习对其解译成为研究的热点。合成孔径雷达SAR图像和光学遥感图像是两种常见的遥感数据,SAR图像的分割过程中存在若干空间上互不连通、大小不同的极不匀质区域,这些极不匀质区域的分割存在样本不平衡问题;另外,光学遥感图像的目标检测由于训练样本数量的限制,部分目标的背景过于单一,训练出的目标检测模型对复杂背景的鲁棒性不佳,在测试集因背景存在差异而产生大量虚警;最后,常见的单阶段光学遥感图像的目标检测模型对全局的形状信息利用不足,使其面临分类精度和定位精度相互制约的困境。针对以上问题,本文将生成对抗网络引入SAR图像极不匀质区域样本的生成任务以及光学遥感图像目标检测样本的生成任务,并将DoG脊波滤波器引入光学遥感图像目标检测任务。主要内容如下:1.针对SAR图像极不匀质区域的样本不平衡问题,提出了一种基于素描及结构生成对抗网络的SAR图像极不匀质区域样本生成方法。本文针对SAR图像的极不匀质区域,构造生成对抗网络GA... 

【文章来源】：西安电子科技大学陕西省211工程院校教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

基于区域卷积神经网络的SSD在IPIU7T02数据集的检测示例


本文编号：3620671