| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 目标识别国内外研究现状 | 第14-18页 |
| 1.3.1 目标识别的发展 | 第14-16页 |
| 1.3.2 卷积神经网络在目标识别中的研究现状 | 第16-18页 |
| 1.4 本文的主要研究内容 | 第18-19页 |
| 1.5 本文的结构安排 | 第19-21页 |
| 第2章 卷积神经网络 | 第21-29页 |
| 2.1 卷积神经网络的基本结构 | 第21-24页 |
| 2.1.1 卷积层 | 第21-22页 |
| 2.1.2 池化层 | 第22-23页 |
| 2.1.3 激活函数 | 第23-24页 |
| 2.1.4 全连接层与输出层 | 第24页 |
| 2.2 卷积神经网络的主要特点 | 第24-26页 |
| 2.2.1 稀疏连接 | 第24-25页 |
| 2.2.2 权值共享 | 第25-26页 |
| 2.2.3 降采样 | 第26页 |
| 2.3 Caffe简介 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于卷积神经网络特征的遥感影像场景分类研究 | 第29-51页 |
| 3.1 高分辨率遥感影像场景分类整体框架 | 第29-40页 |
| 3.1.1 采用词袋模型提取遥感影像特征 | 第30-34页 |
| 3.1.2 采用卷积神经网络提取遥感影像特征 | 第34-37页 |
| 3.1.3 基于支持向量机的遥感影像场景分类 | 第37-39页 |
| 3.1.4 遥感影像场景分类评价指标 | 第39-40页 |
| 3.2 高分辨率遥感影像场景分类 | 第40-50页 |
| 3.2.1 遥感影像场景数据集 | 第40-42页 |
| 3.2.2 遥感影像场景分类过程 | 第42-43页 |
| 3.2.3 结果与分析 | 第43-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第4章 高分辨率遥感影像单类目标识别研究 | 第51-59页 |
| 4.1 高分辨率遥感影像单类目标识别难点分析 | 第51-52页 |
| 4.2 一种由粗到精的遥感影像单类目标识别方法 | 第52-54页 |
| 4.2.1 基于级联AdaBoost的遥感目标粗识别 | 第52-53页 |
| 4.2.2 基于卷积神经网络的遥感目标精细识别 | 第53-54页 |
| 4.3 飞机目标识别 | 第54-58页 |
| 4.3.1 遥感飞机数据集 | 第54-55页 |
| 4.3.2 遥感飞机目标识别过程 | 第55-56页 |
| 4.3.3 结果与分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 高分辨率遥感影像多类目标识别研究 | 第59-67页 |
| 5.1 Faster R-CNN算法 | 第59-61页 |
| 5.1.1 区域生成网络 | 第60-61页 |
| 5.1.2 区域生成与目标识别网络共享特征 | 第61页 |
| 5.2 基于Faster R-CNN的多类遥感目标识别算法 | 第61-62页 |
| 5.3 高分辨率遥感影像多类目标识别实验 | 第62-66页 |
| 5.3.1 多类人工目标数据集 | 第62-64页 |
| 5.3.2 多类人工目标识别过程 | 第64-65页 |
| 5.3.3 结果与分析 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第77页 |
