基于CNN的SAR舰船检测及其在移动终端的应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 选题背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 SAR图像舰船检测 | 第13-14页 |
| 1.2.2 基于卷积神经网络的目标检测 | 第14-15页 |
| 1.2.3 面向移动终端的地图加载展示 | 第15页 |
| 1.3 论文的主要工作 | 第15-17页 |
| 2 相关技术介绍 | 第17-29页 |
| 2.1 显著性目标检测算法 | 第17-20页 |
| 2.1.1 Itti算法 | 第17-18页 |
| 2.1.2 SR算法 | 第18-20页 |
| 2.2 卷积神经网络 | 第20-25页 |
| 2.2.1 基于卷积神经网络的特征提取 | 第20-21页 |
| 2.2.2 基于RCNN的物体检测 | 第21-25页 |
| 2.3 移动终端的瓦片加载展示 | 第25-28页 |
| 2.3.1 瓦片金字塔模型 | 第25-27页 |
| 2.3.2 移动终端图层展示算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于显著性与CNN的SAR图像舰船检测 | 第29-45页 |
| 3.1 CNN模型设计 | 第29-32页 |
| 3.1.1 网络结构设计 | 第29-31页 |
| 3.1.2 CNN舰船目标训练 | 第31-32页 |
| 3.2 舰船特征提取与检测算法 | 第32-37页 |
| 3.2.1 显著性区域提取 | 第33-36页 |
| 3.2.2 舰船目标检测 | 第36-37页 |
| 3.3 实验与分析 | 第37-44页 |
| 3.3.1 实验数据 | 第37-38页 |
| 3.3.2 训练数据集构建 | 第38-39页 |
| 3.3.3 实验结果与分析 | 第39-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 移动终端的SAR图像瓦片快速加载展示 | 第45-51页 |
| 4.1 SAR图像瓦片数据的加载展示算法 | 第45-48页 |
| 4.1.1 按需动态计算待加载瓦片范围 | 第45-47页 |
| 4.1.2 循环加载展示 | 第47页 |
| 4.1.3 执行缓存策略 | 第47-48页 |
| 4.1.4 延后删除策略 | 第48页 |
| 4.2 实验与分析 | 第48-50页 |
| 4.2.1 实验数据 | 第48-49页 |
| 4.2.2 瓦片加载效率结果与分析 | 第49页 |
| 4.2.3 瓦片加载内存消耗结果与分析 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 移动终端的SAR图像舰船检测应用实现 | 第51-59页 |
| 5.1 总体系统结构 | 第51-52页 |
| 5.2 SAR图像舰船检测模块 | 第52-54页 |
| 5.2.1 SAR图像舰船检测流程设计 | 第52-53页 |
| 5.2.2 SAR图像舰船检测流程实现 | 第53-54页 |
| 5.3 移动终端展示模块 | 第54-57页 |
| 5.3.1 移动终端展示流程设计 | 第54-55页 |
| 5.3.2 移动终端展示流程实现 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表论文及参加项目 | 第67-68页 |
