基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)

《基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)》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、2017年9月第43卷第9期北京航空航天大學(xué)學(xué)報(bào)JournalofBeijingUniversityofAeronauticsandAstronauticsSeDtemher2017V01．43NO．9http：}}bhxb．buaa．edn．cnjbuaa@buaa．edu．CBDOI：10．13700／j．bh．1001—5965．2016．0755基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)黃潔1’2，姜志國(guó)1’2一，張浩鵬h2，姚遠(yuǎn)1’2(1．-ltZ．航空航天大學(xué)宇航學(xué)院，北京100083；2．北京航空航天大學(xué)數(shù)字媒體北京市重點(diǎn)實(shí)驗(yàn)室，北京100083)摘要：針對(duì)遙感圖像背景復(fù)雜、受

2、環(huán)境因素影響大的問題，提出一種將卷積神經(jīng)網(wǎng)絡(luò)(CNN)與支持向量機(jī)(SVM)相結(jié)合的艦船目標(biāo)檢測(cè)方法，利用卷積神經(jīng)網(wǎng)絡(luò)可自主提取圖像特征并進(jìn)行學(xué)習(xí)的優(yōu)點(diǎn)，避免了復(fù)雜的特征選擇和提取過程，在復(fù)雜海況背景圖像的處理中體現(xiàn)出較優(yōu)的性能；同時(shí)，由于軍艦樣本獲取難度大，應(yīng)用遷移學(xué)習(xí)的概念，利用大量民船樣本輔助軍艦?zāi)繕?biāo)的檢測(cè)，取得較好的效果。通過參數(shù)調(diào)整與實(shí)驗(yàn)驗(yàn)證，此方法在自行建立的測(cè)試集上檢測(cè)率達(dá)到90．59％，對(duì)光照、環(huán)境等外界因素具有一定程度的魯棒性。關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)(CNN)；支持向量機(jī)(SVM)；艦船檢測(cè)；特征提?。贿w移學(xué)習(xí)中圖分類號(hào)：TP391．4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001—5

3、965(2017)09—1841-08目標(biāo)檢測(cè)技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的核心問題之一，遙感圖像中的艦船目標(biāo)檢測(cè)具有重要的應(yīng)用價(jià)值。作為海上運(yùn)輸載體和重要的軍事日標(biāo)，艦船目標(biāo)檢測(cè)一直有著非常重要的意義和價(jià)值?。在軍用領(lǐng)域，了解目標(biāo)艦船的實(shí)時(shí)位置能夠讓我軍對(duì)敵方艦隊(duì)的布局和動(dòng)態(tài)有清晰的認(rèn)知，從而選擇恰當(dāng)?shù)膶?duì)戰(zhàn)策略；在民用領(lǐng)域，實(shí)時(shí)關(guān)注目標(biāo)海域過往船只的位置能夠更好地對(duì)海域進(jìn)行管理，對(duì)海上交通、海域安全、海上救援等均有重要作用。利用遙感圖像進(jìn)行艦船檢測(cè)成為日前目標(biāo)檢測(cè)領(lǐng)域的一大熱點(diǎn)與重點(diǎn)問題，有重要的軍事意義和經(jīng)濟(jì)價(jià)值。在遙感艦船檢測(cè)領(lǐng)域，關(guān)于合成孔徑雷達(dá)圖像的研究和成果較多，隨著航空航天事業(yè)的發(fā)

4、展，各國(guó)爭(zhēng)相發(fā)射高分辨率成像衛(wèi)星，其上搭載的探測(cè)設(shè)備性能也迅速提升，針對(duì)可見光遙感圖像的研究也逐漸發(fā)展起來。目前，世界上已有多種先進(jìn)的高分辨率成像衛(wèi)星，法國(guó)的Helios一2B“太陽神2號(hào)”光學(xué)成像衛(wèi)星，分辨率可達(dá)到0．5m；以色列Ofeq9“地平線9號(hào)”間諜衛(wèi)星，分辨率高于0．5m；中國(guó)的“高分二號(hào)”衛(wèi)星目前也已達(dá)到優(yōu)于1m的可見光圖像分辨率。成像狀況良好的可見光遙感圖像細(xì)節(jié)多、目標(biāo)直觀、分辨率提升空間大，為遙感圖像目標(biāo)檢測(cè)帶來大量的原始數(shù)據(jù)，具有良好的發(fā)展前景。近年來，可見光遙感圖像艦船檢測(cè)技術(shù)逐漸受到研究者的重視?；诨叶冉y(tǒng)計(jì)特性’21的方法是經(jīng)典的艦船檢測(cè)方法，本質(zhì)上都是對(duì)閾值舊

5、。進(jìn)行調(diào)整從而實(shí)現(xiàn)分割，如：大滓閾值法、最大熵閾值法和直方圖閾值法等，但該方法對(duì)海面狀況要求較高，需要海面較為平靜、勻質(zhì)且灰度值整體偏低卜1。目前，國(guó)外已開發(fā)出基于可見光遙感圖像目標(biāo)檢測(cè)的使用系統(tǒng)，如歐盟DECLIMS(Detee—tionandClassificationofMarineTrafficFormspace)項(xiàng)目∞。。文獻(xiàn)：6]提出一種基于顯著性和方向梯度直方圖(HistogramofOrientedGradient，HOG)收稿日期：2016-09-26；錄用El期：2016-12-16；網(wǎng)絡(luò)出版時(shí)間：2017-01一1911：40網(wǎng)絡(luò)出版地址：WWw．cnkinet／k

6、ems／detail／1I．2625V．20170119．1140．003．html基金項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFB0501300，2016YFB0501302)；國(guó)家自然科學(xué)基金(61501009，61371134，61071137)；航天科技創(chuàng)新基金}通訊作者：E—mail：jiangzg@buaa．edu．CII子f用格式：黃潔，姜志國(guó)，殘浩鵬，等基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)fJj．北京航空航天大學(xué)學(xué)報(bào)，2017，43(9)：1841—1848．HUANGJ，JIANGzG，ZHANGHP，eta1．Shipobjectdetectioninremotesens

7、ingimagesusingconvoJutionalneuralnetworksIJ3．JournalofBeijingUniversityofAeronautiesandAstronautics．2017，43(9)：1841．1848(inChinese)1842北京航空航大大學(xué)學(xué)報(bào)2017年特征的非監(jiān)督艦船檢測(cè)方法，利用顯著性方法提取候選區(qū)域并旋轉(zhuǎn)提取HOG特征，利用分類器對(duì)特征進(jìn)行判斷得到檢測(cè)結(jié)果；文獻(xiàn)『7]首先使用壓縮域