基于卷积神经网络的光学遥感图像目标检测技术研究

发布时间：2022-02-18 16:56

　　遥感技术是在没有任何物理接触情况下获取有关对象数据或信息的一项技术。遥感技术被广泛应用于军事侦察、环境改善、社会稳定等诸多领域。近年来,随着航天航空事业的快速发展,能获取到的遥感卫星图像成指数级爆炸式增长,如何能快速从海量数据中解译到重要有效的信息,变得尤为关键。而目前光学遥感图像目标检测仍处于依靠人工经验判读向计算机自动化判读的过渡阶段,存在效率低、实时性差、智能化低、成本高等问题,导致海量数据资源的利用率低。传统的遥感图像目标检测算法可分为区域选择、人工特征提取和分类器三个步骤。但基于滑动窗口区域选择的策略没有针对性,存在候选区域冗余过高、时间复杂度高的问题,且人工设计特征的选择有限、泛化能力低,不适用海量数据。本文为解决以上问题,确立了基于卷积神经网络的方法去提升光学遥感图像目标检测准确率的研究目标。具体针对光学遥感图像中目标占比小且密集、目标与背景难以区分的问题,本文基于Faster RCNN提出了一个改进的二阶段目标检测模型,主要对模型的特征提取网络进行了改进。首先为提取更深层的高层语义特征并避免梯度消失的问题,且保持一定的速度,本文采用了小型残差网络ResNet50代替VG... 

【文章来源】：哈尔滨工业大学黑龙江省211工程院校985工程院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状
        1.2.1 遥感图像目标检测研究现状
        1.2.2 基于卷积神经网络的目标检测研究现状
    1.3 论文的主要研究内容
    1.4 论文结构安排
第2章 卷积神经网络理论与目标检测模型
    2.1 引言
    2.2 卷积神经网络理论
        2.2.1 卷积神经网络基本组件
        2.2.2 卷积神经网络计算过程
    2.3 基于卷积神经网络的目标检测模型
        2.3.1 一阶段目标检测模型
        2.3.2 二阶段目标检测模型
    2.4 本章小结
第3章 改进的二阶段目标检测模型
    3.1 引言
    3.2 模型改进整体方案
    3.3 Faster RCNN目标检测模型
        3.3.1 特征提取网络
        3.3.2 区域建议网络
        3.3.3 分类和位置回归网络
    3.4 改进的目标检测模型
        3.4.1 融合ResNet的改进模型
        3.4.2 基于FPN的ResNet的改进模型
        3.4.3 基于FPN的ResNet-DCN改进模型
    3.5 本章小结
第4章 改进模型实验及结果分析
    4.1 引言
    4.2 数据集选择
    4.3 数据集增广及划分
    4.4 迁移学习和训练方法
    4.5 评价指标
    4.6 实验结果及分析
        4.6.1 基于FPN的改进模型的验证
        4.6.2 基于DCN改进模型的验证
        4.6.3 基于级联网络改进模型的验证
        4.6.4 实验总结
    4.7 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3631201