| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 论文研究的背景和意义 | 第10-11页 |
| 1.2 舰船检测的国内外研究现状 | 第11-18页 |
| 1.2.1 研究现状 | 第11-15页 |
| 1.2.2 舰船检测遇到的问题和挑战 | 第15-17页 |
| 1.2.3 本文研究目标 | 第17-18页 |
| 1.3 论文结构安排 | 第18-20页 |
| 2 光学遥感图像舰船检测预备知识 | 第20-36页 |
| 2.1 基于点特征的光学遥感图像匹配算法 | 第20-31页 |
| 2.1.1 SIFT算法介绍 | 第20-27页 |
| 2.1.2 Harris算法介绍 | 第27-29页 |
| 2.1.3 图像配准变换模型 | 第29-30页 |
| 2.1.4 图像配准评价标准 | 第30-31页 |
| 2.2 卷积神经网络 | 第31-34页 |
| 2.2.1 卷积神经网络的一般模型 | 第31-34页 |
| 2.2.2 训练过程 | 第34页 |
| 2.3 本章小结 | 第34-36页 |
| 3 基于F-B模板的光学遥感图像高精度港口分割 | 第36-59页 |
| 3.1 高斯加权均值比率特征检测器 | 第36-38页 |
| 3.2 基于混合特征光学遥感图像配准 | 第38-41页 |
| 3.2.1 算法思路 | 第38-39页 |
| 3.2.2 极坐标梯度方向比例描述子 | 第39-40页 |
| 3.2.3 总体算法流程 | 第40-41页 |
| 3.3 基于F-B模板的高精度港口分割提取 | 第41-47页 |
| 3.3.1 港口分割难点 | 第41-42页 |
| 3.3.2 F及B模板的构建及优势 | 第42-44页 |
| 3.3.3 港口分割算法流程 | 第44-47页 |
| 3.4 实验与分析 | 第47-57页 |
| 3.4.1 基于混合特征的光学遥感图像配准 | 第47-51页 |
| 3.4.2 基于F-B模板的光学遥感图像高精度港口分割提取 | 第51-57页 |
| 3.5 本章小结 | 第57-59页 |
| 4 基于卷积神经网络的光学遥感港口图像舰船检测 | 第59-74页 |
| 4.1 算法思路 | 第59-60页 |
| 4.2 网络模型 | 第60-64页 |
| 4.2.1 网络结构 | 第60-61页 |
| 4.2.2 损失目标函数 | 第61页 |
| 4.2.3 网络训练与检测 | 第61-64页 |
| 4.3 实验与分析 | 第64-72页 |
| 4.3.1 实验数据 | 第64-66页 |
| 4.3.2 评价指标 | 第66页 |
| 4.3.3 网络参数学习 | 第66-68页 |
| 4.3.4 网络模型评估分析 | 第68-70页 |
| 4.3.5 对比实验结果分析 | 第70-72页 |
| 4.4 本章小结 | 第72-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表论文及科研成果 | 第81-82页 |
| 致谢 | 第82-83页 |