基于深度学习的高分辨率遥感影像目标检测方法研究

基于深度学习的高分辨率遥感影像目标检测方法研究

ID:37031025

大小:3.19 MB

页数:67页

时间:2019-05-15

基于深度学习的高分辨率遥感影像目标检测方法研究_第1页
基于深度学习的高分辨率遥感影像目标检测方法研究_第2页
基于深度学习的高分辨率遥感影像目标检测方法研究_第3页
基于深度学习的高分辨率遥感影像目标检测方法研究_第4页
基于深度学习的高分辨率遥感影像目标检测方法研究_第5页
资源描述:

《基于深度学习的高分辨率遥感影像目标检测方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文基于深度学习的高分辨率遥感影像目标检测方法研究作者姓名:刘鹏指导教师:葛小青高级工程师李宇助理研究员中国科学院遥感与数字地球研究所学位类别:工学硕士学科专业:信号与信息处理培养单位:中国科学院遥感与数字地球研究所2018年6月ResearchonObjectDetectioninHigh-resolutionRemoteSensingImageBasedonDeepLearningAThesisSubmittedtoUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementforthedegre

2、eofMasterofScienceinEngineeringinSignalandInformationProcessingByLiuPengSupervisor:SeniorEngineer:GeXiaoqingResearchAssistant:LiYuInstituteofRemoteSensingandDigitalEarthChineseAcademyofSciencesJune,2018中国科学院大学研究生学位论文原创性声明本人郑重声明:所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果。尽我所知,除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表

3、或撰写过的研究成果。对论文所涉及的研究工作做出贡献的其他个人和集体,均已在文中以明确方式标明或致谢。作者签名:日期:中国科学院大学学位论文使用授权说明本人完全了解并同意遵守中国科学院有关保存和使用学位论文的规定,即中国科学院有权保留送交学位论文的副本,允许该论文被查阅,可以按照学术研究公开原则和保护知识产权的原则公布该论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存、汇编本学位论文。涉密及延迟公开的学位论文在解密或延迟期后适用本声明。作者签名:导师签名:日期:日期:致谢致谢本论文受到了国家自然科学基金(基金编号:61501460)的支持。论文的完成,离不开中国科学院遥感与数字地球研

4、究所卫星地面系统工程部的支持和帮助,在此表示衷心感谢。摘要摘要高分辨率遥感影像目标检测在遥感图像分析解译、高分遥感图像应用等方面扮演重要角色,在军事和民用方面都有很多应用如灾害预测、资源勘查、海事渔业、交通监管等。传统的目标检测方法主要是利用一些传统的手工的特征(如HOG、SIFT、Gabor等)、滑动窗口和分类器实现。传统的手工特征依赖于专业领域知识以及数据本身的特性,并且计算量大,速度慢,适用于特定的、数据量较小的图像数据集。随着遥感影像分辨率不断提升,数据量不断增大,传统的手工特征方法已越来越难以满足遥感影像目标检测的需要,因而需要寻求一种能够从大量图像数据集里快速高效进行目标检测的算

5、法。近年来,深度学习作为一种热门技术,能够自动从图像数据中提取特征,在自然语言处理、语音识别和计算机视觉领域取得了巨大的成功,这为遥感影像目标检测带来了新进展。本文在对遥感图像目标检测和深度学习相关理论进行充分研究的基础上,总结了遥感影像目标检测的主要难点和现有方法存在的问题,重点研究了基于深度卷积神经网络的高分辨率遥感影像的目标检测方法,主要工作如下:(1)针对传统目标检测方法使用滑动窗口产生候选区域,同时使用传统手工特征进行目标检测从而导致检测准确率低、窗口冗余、效率低等问题,本文提出了一种基于卷积神经网络的高分辨率遥感图像目标检测算法。该算法先采用迭代SLIC分割来替代传统滑动窗口方法

6、来获取高质量候选区域,然后使用卷积神经网络对候选区域提取特征来代替传统手工特征,同时利用ROIPooling层来减少计算量。通过实验表明,本文提出的方法取得了较高的召回率以及准确率,同时在效率上也有一定的优势。(2)为了充分利用不同网络结构在提取不同层次的高层语义特征的优势,从而使得基于卷积网络方法在检测时性能进一步提升,本文提出了一种基于集成卷积神经网络的遥感图像目标检测算法。该方法首先选取多个不同结构的卷积神经网络并进行网络结构上的调整改进以适应高分辨率遥感影像目标检测;然后,利用多深度卷积神经网络提取高分辨率遥感图像中不同层次下的语义特征,同时借助多尺度分割获得待检测区域的位置信息;最

7、后,通过位置信息与多层次语义特征相结合,借助训练好的卷积网络模型,得到目标检测结果。I基于深度学习的高分辨率遥感影像目标检测方法研究关键词:高分辨率遥感影像;目标检测;卷积神经网络;图像分割IIAbstractAbstractObjectdetectionofhigh-resolutionremotesensingimagesplaysanimportantroleintheinterpretationand

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。