| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及研究的目的和意义 | 第8-9页 |
| 1.2 深度学习在遥感影像目标检测中的研究现状 | 第9-10页 |
| 1.3 深度学习在自然图像目标检测中的研究现状 | 第10-13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 第2章 基于深度学习的目标检测算法原理 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 卷积神经网络 | 第15-21页 |
| 2.2.1 后向传播算法 | 第15-19页 |
| 2.2.2 ZFNet | 第19-21页 |
| 2.3 基于深度学习的目标检测算法 | 第21-27页 |
| 2.3.1 RCNN | 第22-23页 |
| 2.3.2 SPPNet | 第23-24页 |
| 2.3.3 FastRCNN | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于FasterRCNN的遥感影像目标检测 | 第28-51页 |
| 3.1 引言 | 第28页 |
| 3.2 FasterRCNN算法原理 | 第28-34页 |
| 3.2.1 RPN | 第28-31页 |
| 3.2.2 FastRCNN | 第31-32页 |
| 3.2.3 基本算法 | 第32-34页 |
| 3.2.4 FasterRCNN的训练与测试 | 第34页 |
| 3.3 遥感影像与自然图像的性质分析 | 第34-36页 |
| 3.4 基于DOTA数据集的算法验证 | 第36-50页 |
| 3.4.1 DOTA数据集 | 第36-37页 |
| 3.4.2 网络训练 | 第37-41页 |
| 3.4.3 算法性能分析 | 第41-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于DS理论的多源遥感影像融合算法 | 第51-81页 |
| 4.1 引言 | 第51页 |
| 4.2 高分二号影像预处理 | 第51-59页 |
| 4.2.1 几何校正 | 第51-54页 |
| 4.2.2 多光谱影像与全色影像融合 | 第54-59页 |
| 4.3 预选区域生成 | 第59-71页 |
| 4.3.1 影像配准 | 第59-62页 |
| 4.3.2 水陆分离 | 第62-71页 |
| 4.4 基于DS证据理论的特征级融合 | 第71-80页 |
| 4.4.1 特征提取 | 第71-73页 |
| 4.4.2 DS证据理论 | 第73-80页 |
| 4.5 本章小结 | 第80-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第87-89页 |
| 致谢 | 第89页 |