基于深度学习的海面船舶目标检测

《基于深度学习的海面船舶目标检测》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、分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）基于深度学习的海面船舶目标检测硕士研究生：吴科君指导教师：蔡成涛副教授企业导师：王元龙高级工程师工程领域：控制科学与工程论文主审人：哈尔滨工程大学2018年5月分类号：密级：UDC：编号：专业硕士学位论文（工程硕士）基于深度学习的海面船舶目标检测硕士研究生：吴科君指导教师：蔡成涛副教授学位级别：工程硕士工程领域：控制科学与工程所在单位：自动化学院论文提交日期：2018年04月论文答辩日期：2018年06月学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:AD

2、issertationfortheProfessionalDegreeofMaster（MasterofEngineering）ShipTargetDetectionontheSeaSurfaceBasedonDeepLearningCandidate:WuKejunSupervisor:AssociateProf.CaiChengtaoAcademicDegreeAppliedfor:MasterofEngineeringEngineeringField:ControlScienceandEngineeringDateofSubmi

3、ssion:Apr,2018DateofOralExamination:Jun,2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：

4、年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨

5、工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日基于深度学习的海面船舶目标检测摘要我国海岸线绵长，海洋资源十分丰富，长期以来遭受了海域周边国家的觊觎及域外大国重返亚太战略的挑战，海域非法侵犯、船只对峙等小规模摩擦时有发生，国家海洋安全的重要性达到前所未有的新高度。对侵犯我国海洋权益的违法船舶，需做到快速发现、及时取证、实时预警，受光照、雾气、船舶分布状况以及目标距离等海面不确定因素的影响，海洋背景下船舶检测需兼顾效率以及可靠性。结合深度学习在大数据特征学习方面的优势，提出了基于深度学习的船舶目标快速

6、检测方法。本文首先介绍了大气散射物理模型，对海洋背景下的船舶图像进行去雾预处理，针对暗通道去雾算法处理速度慢以及天空区域效果不佳的缺点，提出对原图利用降采样方式减少透射率的计算量，设置全球大气光的最大阈值参数，避免了图像部分区域因大气光值过高而产生的色斑效应。设计图像去雾对比实验，将改进暗通道去雾算法于原算法以及一些常规去雾算法进行对比；设计基于深度学习以及颜色直方图的图像去雾质量评估系统，由实验及评估结果可知改进暗通道去雾算法去雾效果较好。继而选取基于回归思想的YOLO网络进行实时的船舶目标检测，将目标定位和目标识别合二为一，并根据

7、船舶目标外形狭长的特征，设计改进YOLO网络，保持网络的横向检测密度不变，增加纵向检测密度。将图像划分为714×的网格，每个格子给出个3候选边框，包括一个横向候选边框以及两个纵向候选边框。设计对比实验，采用改进网络、原网络以及FasterR-CNN分别对红外、海面雾气、海面弱光以及油画船只进行检测，实验结果表明改进YOLO网络模型具有更强的泛化能力。然后选取MaskR-CNN网络进行图像实例分割，采用RoIAlign层解决了目标定位不准确的问题。针对MaskR-CNN网络图像实例分割速度较慢的问题，提出改进加速的RoIAlign，对双

8、线性插值算法进行优化，包括池化过程中特征图与目标图像中心点对齐，以及将浮点数的乘除运算转换为移位运算，减少了计算量和资源占用。设计对比实验，将改进网络与原网络、MNC网络以及FCIS网络进行对比，实验结果表明在分割速度和