基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)方法研究

《基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、碩士學(xué)位論文基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)方法研究作者姓名：劉鵬指導(dǎo)教師:葛小青高級(jí)工程師李宇助理研究員中國(guó)科學(xué)院遙感與數(shù)字地球研究所學(xué)位類別:工學(xué)碩士學(xué)科專業(yè):信號(hào)與信息處理培養(yǎng)單位:中國(guó)科學(xué)院遙感與數(shù)字地球研究所2018年6月ResearchonObjectDetectioninHigh-resolutionRemoteSensingImageBasedonDeepLearningAThesisSubmittedtoUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementforthedegre

2、eofMasterofScienceinEngineeringinSignalandInformationProcessingByLiuPengSupervisor:SeniorEngineer:GeXiaoqingResearchAssistant:LiYuInstituteofRemoteSensingandDigitalEarthChineseAcademyofSciencesJune,2018中國(guó)科學(xué)院大學(xué)研究生學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表

3、或撰寫過(guò)的研究成果。對(duì)論文所涉及的研究工作做出貢獻(xiàn)的其他個(gè)人和集體，均已在文中以明確方式標(biāo)明或致謝。作者簽名：日期：中國(guó)科學(xué)院大學(xué)學(xué)位論文使用授權(quán)說(shuō)明本人完全了解并同意遵守中國(guó)科學(xué)院有關(guān)保存和使用學(xué)位論文的規(guī)定，即中國(guó)科學(xué)院有權(quán)保留送交學(xué)位論文的副本，允許該論文被查閱，可以按照學(xué)術(shù)研究公開(kāi)原則和保護(hù)知識(shí)產(chǎn)權(quán)的原則公布該論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存、匯編本學(xué)位論文。涉密及延遲公開(kāi)的學(xué)位論文在解密或延遲期后適用本聲明。作者簽名：導(dǎo)師簽名：日期：日期：致謝致謝本論文受到了國(guó)家自然科學(xué)基金（基金編號(hào)：61501460）的支持。論文的完成，離不開(kāi)中國(guó)科學(xué)院遙感與數(shù)字地球研

4、究所衛(wèi)星地面系統(tǒng)工程部的支持和幫助，在此表示衷心感謝。摘要摘要高分辨率遙感影像目標(biāo)檢測(cè)在遙感圖像分析解譯、高分遙感圖像應(yīng)用等方面扮演重要角色，在軍事和民用方面都有很多應(yīng)用如災(zāi)害預(yù)測(cè)、資源勘查、海事漁業(yè)、交通監(jiān)管等。傳統(tǒng)的目標(biāo)檢測(cè)方法主要是利用一些傳統(tǒng)的手工的特征（如HOG、SIFT、Gabor等）、滑動(dòng)窗口和分類器實(shí)現(xiàn)。傳統(tǒng)的手工特征依賴于專業(yè)領(lǐng)域知識(shí)以及數(shù)據(jù)本身的特性，并且計(jì)算量大，速度慢，適用于特定的、數(shù)據(jù)量較小的圖像數(shù)據(jù)集。隨著遙感影像分辨率不斷提升，數(shù)據(jù)量不斷增大，傳統(tǒng)的手工特征方法已越來(lái)越難以滿足遙感影像目標(biāo)檢測(cè)的需要，因而需要尋求一種能夠從大量圖像數(shù)據(jù)集里快速高效進(jìn)行目標(biāo)檢測(cè)的算

5、法。近年來(lái)，深度學(xué)習(xí)作為一種熱門技術(shù)，能夠自動(dòng)從圖像數(shù)據(jù)中提取特征，在自然語(yǔ)言處理、語(yǔ)音識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域取得了巨大的成功，這為遙感影像目標(biāo)檢測(cè)帶來(lái)了新進(jìn)展。本文在對(duì)遙感圖像目標(biāo)檢測(cè)和深度學(xué)習(xí)相關(guān)理論進(jìn)行充分研究的基礎(chǔ)上，總結(jié)了遙感影像目標(biāo)檢測(cè)的主要難點(diǎn)和現(xiàn)有方法存在的問(wèn)題，重點(diǎn)研究了基于深度卷積神經(jīng)網(wǎng)絡(luò)的高分辨率遙感影像的目標(biāo)檢測(cè)方法，主要工作如下：（1）針對(duì)傳統(tǒng)目標(biāo)檢測(cè)方法使用滑動(dòng)窗口產(chǎn)生候選區(qū)域，同時(shí)使用傳統(tǒng)手工特征進(jìn)行目標(biāo)檢測(cè)從而導(dǎo)致檢測(cè)準(zhǔn)確率低、窗口冗余、效率低等問(wèn)題，本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨率遙感圖像目標(biāo)檢測(cè)算法。該算法先采用迭代SLIC分割來(lái)替代傳統(tǒng)滑動(dòng)窗口方法

6、來(lái)獲取高質(zhì)量候選區(qū)域，然后使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)候選區(qū)域提取特征來(lái)代替?zhèn)鹘y(tǒng)手工特征，同時(shí)利用ROIPooling層來(lái)減少計(jì)算量。通過(guò)實(shí)驗(yàn)表明，本文提出的方法取得了較高的召回率以及準(zhǔn)確率，同時(shí)在效率上也有一定的優(yōu)勢(shì)。（2）為了充分利用不同網(wǎng)絡(luò)結(jié)構(gòu)在提取不同層次的高層語(yǔ)義特征的優(yōu)勢(shì)，從而使得基于卷積網(wǎng)絡(luò)方法在檢測(cè)時(shí)性能進(jìn)一步提升，本文提出了一種基于集成卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像目標(biāo)檢測(cè)算法。該方法首先選取多個(gè)不同結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)并進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)上的調(diào)整改進(jìn)以適應(yīng)高分辨率遙感影像目標(biāo)檢測(cè)；然后，利用多深度卷積神經(jīng)網(wǎng)絡(luò)提取高分辨率遙感圖像中不同層次下的語(yǔ)義特征，同時(shí)借助多尺度分割獲得待檢測(cè)區(qū)域的位置信息；最

7、后，通過(guò)位置信息與多層次語(yǔ)義特征相結(jié)合，借助訓(xùn)練好的卷積網(wǎng)絡(luò)模型，得到目標(biāo)檢測(cè)結(jié)果。I基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)方法研究關(guān)鍵詞：高分辨率遙感影像；目標(biāo)檢測(cè)；卷積神經(jīng)網(wǎng)絡(luò)；圖像分割I(lǐng)IAbstractAbstractObjectdetectionofhigh-resolutionremotesensingimagesplaysanimportantroleintheinterpretationand