| 论文创新点 | 第5-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 1 绪论 | 第13-35页 |
| 1.1 选题的背景及意义 | 第13-18页 |
| 1.2 遥感图像特定目标检测研究现状 | 第18-21页 |
| 1.2.1 有监督目标检测算法 | 第19页 |
| 1.2.2 半监督目标检测算法 | 第19-20页 |
| 1.2.3 基于图像分割的目标检测算法 | 第20-21页 |
| 1.3 以车辆为例的特定目标检测研究 | 第21-30页 |
| 1.3.1 遥感车辆检测研究的背景和意义 | 第21-25页 |
| 1.3.2 遥感车辆检测研究现状 | 第25-30页 |
| 1.4 本文的课题来源及章节安排 | 第30-35页 |
| 2 基于置信度联合校准的候选目标快速提取算法 | 第35-67页 |
| 2.1 引言 | 第35-37页 |
| 2.2 候选目标检测算法研究现状 | 第37-40页 |
| 2.2.1 显著性检测算法 | 第37-38页 |
| 2.2.2 图像分割算法 | 第38-39页 |
| 2.2.3 穷举搜索算法 | 第39-40页 |
| 2.2.4 目标建议窗口算法 | 第40页 |
| 2.3 基于多阈值最大梯度范数的候选目标提取 | 第40-47页 |
| 2.3.1 多阈值最大梯度范数 | 第40-42页 |
| 2.3.2 归一化梯度范数 | 第42-43页 |
| 2.3.3 NG梯度范数学习一般目标模型 | 第43-47页 |
| 2.4 基于二值化梯度范数的快速候选目标提取 | 第47-49页 |
| 2.5 置信度联合目标边界校准算法 | 第49-50页 |
| 2.6 算法流程 | 第50-53页 |
| 2.7 实验分析 | 第53-65页 |
| 2.7.1 实验数据库 | 第53-56页 |
| 2.7.2 实验参数与结果分析 | 第56-65页 |
| 2.8 本章总结 | 第65-67页 |
| 3 基于多阂值最大梯度范数预处理的遥感特定目标检测 | 第67-89页 |
| 3.1 引言 | 第67页 |
| 3.2 多阈值最大梯度范数预处理 | 第67-69页 |
| 3.3 深度卷积神经网络 | 第69-75页 |
| 3.3.1 度卷积神经网络结构 | 第70-71页 |
| 3.3.2 卷积层 | 第71-73页 |
| 3.3.3 下采样层(池化层) | 第73-74页 |
| 3.3.4 局部响应标准化层 | 第74页 |
| 3.3.5 Dropout | 第74-75页 |
| 3.4 Caffe深度卷积神经网络程序框架 | 第75-78页 |
| 3.4.1 Caffe的特点 | 第75-76页 |
| 3.4.2 Caffe与已有的卷积神经网络框架对比 | 第76-77页 |
| 3.4.3 Caffe的结构 | 第77-78页 |
| 3.5 实验分析 | 第78-88页 |
| 3.5.1 实验数据库和性能评价指标 | 第78-79页 |
| 3.5.2 实验参数与结果分析 | 第79-88页 |
| 3.6 本章总结 | 第88-89页 |
| 4 基于多项式池化金字塔的遥感特定目标检测 | 第89-111页 |
| 4.1 引言 | 第89-90页 |
| 4.2 预训练与微调Fine-tuning | 第90-91页 |
| 4.2.1 有监督预训练 | 第90页 |
| 4.2.2 网络微调 | 第90-91页 |
| 4.3 单一尺度多项式池化层 | 第91-92页 |
| 4.4 多项式池化金字塔模型 | 第92-94页 |
| 4.4.1 卷积层和特征映射 | 第92-93页 |
| 4.4.2 基于多项式分布的空间金字塔池化层 | 第93-94页 |
| 4.5 多尺度特定目标检测 | 第94-96页 |
| 4.5.1 单一尺寸训练 | 第95页 |
| 4.5.2 多尺度训练 | 第95-96页 |
| 4.6 基于SVM的数据挖掘 | 第96-98页 |
| 4.7 实验分析 | 第98-109页 |
| 4.7.1 实验数据库和性能评价指标 | 第98-99页 |
| 4.7.2 实验参数与结果分析 | 第99-109页 |
| 4.8 本章总结 | 第109-111页 |
| 5 基于多核DSP的特定目标在线检测算法 | 第111-129页 |
| 5.1 引言 | 第111-112页 |
| 5.2 多核DSP平台架构 | 第112-118页 |
| 5.2.1 TMS320C6678介绍 | 第112-114页 |
| 5.2.2 TeraNet总线 | 第114-116页 |
| 5.2.3 多核共享存储管理器 | 第116-117页 |
| 5.2.4 多核导航器 | 第117页 |
| 5.2.5 SRIO | 第117页 |
| 5.2.6 Hyperlink | 第117页 |
| 5.2.7 其他资源 | 第117-118页 |
| 5.3 多核并行编程模型 | 第118-121页 |
| 5.3.1 OpenMP并行编程模型 | 第118-119页 |
| 5.3.2 基于内核定制的编程模型 | 第119-121页 |
| 5.4 基于置信度联合校准的候选目标在线提取算法并行划分方案 | 第121-122页 |
| 5.5 基于多项式池化金字塔网络的在线算法并行划分方案 | 第122-123页 |
| 5.6 实验分析 | 第123-128页 |
| 5.6.1 TMS320C6678开发平台 | 第123-124页 |
| 5.6.2 并行算法性能的评价标准 | 第124-125页 |
| 5.6.3 实验结果分析 | 第125-128页 |
| 5.7 本章总结 | 第128-129页 |
| 6 总结与展望 | 第129-133页 |
| 6.1 全文总结 | 第129-130页 |
| 6.2 展望 | 第130-133页 |
| 参考文献 | 第133-147页 |
| 攻博期间发表的科研成果目录 | 第147-149页 |
| 致谢 | 第149页 |
