基于深度學習的多源遙感影像目標檢測技術(shù)的研究.pdf

基于深度學習的多源遙感影像目標檢測技術(shù)的研究.pdf

ID:34561438

大?。?.55 MB

頁數(shù):89頁

時間:2019-03-07

基于深度學習的多源遙感影像目標檢測技術(shù)的研究.pdf_第1頁
基于深度學習的多源遙感影像目標檢測技術(shù)的研究.pdf_第2頁
基于深度學習的多源遙感影像目標檢測技術(shù)的研究.pdf_第3頁
基于深度學習的多源遙感影像目標檢測技術(shù)的研究.pdf_第4頁
基于深度學習的多源遙感影像目標檢測技術(shù)的研究.pdf_第5頁
資源描述:

《基于深度學習的多源遙感影像目標檢測技術(shù)的研究.pdf》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、碩士學位論文基于深度學習的多源遙感影像目標檢測技術(shù)的研究RESEARCHONOBJECTDETECTIONINMULTI-SOURCEREMOTESENSINGIMAGESBASEDONDEEPLEARNINGALGORITHM楊詩寓哈爾濱工業(yè)大學2018年6月國內(nèi)圖書分類號:TN911.73學校代碼:10213國際圖書分類號:621.3密級:公開工學碩士學位論文基于深度學習的多源遙感影像目標檢測技術(shù)的研究碩士研究生:楊詩寓導師:張云副教授申請學位:工學碩士學科:信息與通信工程所在單位:電子與信息工程學院答辯日期:2018年6月授予學位單位:哈爾濱工業(yè)大學C

2、lassifiedIndex:TN911.73U.D.C:621.3DissertationfortheMasterDegreeinEngineeringRESEARCHONOBJECTDETECTIONINMULTI-SOURCEREMOTESENSINGIMAGESBASEDONDEEPLEARNINGALGORITHMCandidate:ShiyuYangSupervisor:AssociateProf.YunZhangAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:Informationa

3、ndCommunicationEngineeringAffiliation:SchoolofElectronicandInformationEngineeringDateofDefence:June,2018Degree-Conferring-Institution:HarbinInstituteofTechnology哈爾濱工業(yè)大學工學碩士學位論文摘要遙感技術(shù)是通過非接觸的手段,遠距離對目標進行觀測的技術(shù)?,F(xiàn)代遙感技術(shù)不局限于傳統(tǒng)的光學遙感,SAR、多/高光譜、紅外、激光等傳感器系統(tǒng)搭載衛(wèi)星以各自的優(yōu)勢實現(xiàn)對地觀測。在單一傳感器無法滿足某些應用的要求時,多

4、源遙感圖像融合技術(shù)應運而生。圖像融合可以對多源遙感影像進行信息提取與綜合,取長補短,提高遙感影像解譯精度,擴大遙感影像的應用范圍。隨著成像技術(shù)的發(fā)展,對海量的高分辨率遙感影像的解譯成為近年來遙感領(lǐng)域研究的熱點問題。遙感大數(shù)據(jù)的發(fā)展趨勢使深度學習在遙感目標檢測中的應用成為必然,與傳統(tǒng)圖像處理需要結(jié)合任務本身人工選取圖像特征不同,深度學習網(wǎng)絡(luò)能夠自動提取圖像中最有利于實現(xiàn)目標任務的特征,充分挖掘圖像信息。本文結(jié)合遙感影像的特點,研究深度學習算法在遙感圖像目標檢測中的應用,并結(jié)合多源遙感影像融合的思想,提高遙感目標檢測的準確率,主要工作包括以下幾個方面:首先,分析

5、基于深度學習的目標檢測基本算法原理。首先以ZFNet為例,介紹了卷積神經(jīng)網(wǎng)絡(luò)的組成,推導了卷積神經(jīng)網(wǎng)絡(luò)的后向傳播算法,給出計算流程。然后分析了將卷積神經(jīng)網(wǎng)絡(luò)從圖像分類任務擴展到目標檢測算法思想,回顧FasterRCNN算法流程,目標檢測算法主要指標是為運算的高效性和網(wǎng)絡(luò)結(jié)構(gòu)的統(tǒng)一性。其次,對FasterRCNN的算法原理進行了探討,并基于增強的遙感數(shù)據(jù)集DOTA完成了FasterRCNN網(wǎng)絡(luò)的遷移訓練,實現(xiàn)了遙感影像中飛機目標的檢測和識別。最后結(jié)合遙感影像多方向和多尺度的特性,分析網(wǎng)絡(luò)的目標檢測性能,通過實測數(shù)據(jù)驗證,網(wǎng)絡(luò)對多方向和多尺度目標都具備檢測的魯棒

6、性,隨著目標尺度的減小,網(wǎng)絡(luò)對目標的得分降低。最后,基于高分二號多光譜和Sentinel-1SAR影像數(shù)據(jù),研究基于DS證據(jù)理論的特征級融合算法,通過多源數(shù)據(jù)融合處理提高艦船目標檢測性能。本文給出算法流程,包括影像預處理、影像配準,水陸分離、生成預選區(qū)域以及特征提取和融合,通過實測數(shù)據(jù)分析,融合后的目標檢測性能比單源影像檢測性能有所提高。關(guān)鍵詞:目標檢測;深度學習;特征級融合;多源遙感數(shù)據(jù)-I-哈爾濱工業(yè)大學工學碩士學位論文AbstractRemotesensingistheobservationoffar-awayobjectswithoutmakingp

7、hysicalcontact.ModernRSenjoysaboominimagesofSAR,multi/hyperspectrum,infraredandlaser,whicharespecializedinacertainaspect.Whenonetechniccannotcompletecertaintaskalone,thefusionofseveralofthesetechnicswillbeadoptedalternatively.Fusiontechnologyistoextractandmixinformationfromdifferen

8、tsourcesofimagesandtointer

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。