| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景及意义 | 第16页 |
| 1.2 国内外相关技术研究现状与分析 | 第16-18页 |
| 1.2.1 基于SAR图像的目标检测识别 | 第16-17页 |
| 1.2.2 基于光学遥感图像的目标检测识别 | 第17-18页 |
| 1.3 论文的主要工作及内容安排 | 第18-20页 |
| 第二章 遥感影像目标检测与识别基础 | 第20-30页 |
| 2.1 遥感影像目标检测与识别常用技术与方法 | 第20-22页 |
| 2.1.1 引言 | 第20页 |
| 2.1.2 遥感影像预处理 | 第20-21页 |
| 2.1.3 遥感目标常用特征 | 第21-22页 |
| 2.1.4 遥感目标检测识别常用方法 | 第22页 |
| 2.2 目标区域提议思想与常用方法 | 第22-25页 |
| 2.2.1 目标区域提议原理 | 第22-23页 |
| 2.2.2 二值化赋范梯度特征算法 | 第23-24页 |
| 2.2.3 选择性搜索算法 | 第24-25页 |
| 2.2.4 多尺度组合分组算法 | 第25页 |
| 2.3 深度学习网络模型与平台 | 第25-28页 |
| 2.3.1 卷积神经网络 | 第26页 |
| 2.3.2 深度置信网络 | 第26-27页 |
| 2.3.3 深度学习平台 | 第27-28页 |
| 2.4 目标检测与识别方法评价指标 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于峰值特征和可变形卷积网络的SAR图像目标检测与识别 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 SAR图像峰值特征 | 第30-32页 |
| 3.2.1 峰值特征原理 | 第30-31页 |
| 3.2.2 峰值特征点提取算法步骤 | 第31-32页 |
| 3.3 可变形卷积网络 | 第32-35页 |
| 3.3.1 卷积神经网络 | 第32-33页 |
| 3.3.2 卷积神经网络的局限与消除方法 | 第33-34页 |
| 3.3.3 可变形卷积单元 | 第34页 |
| 3.3.4 可变形卷积网络 | 第34-35页 |
| 3.4 基于峰值特征和可变形卷积网络的SAR图像目标检测与识别 | 第35-42页 |
| 3.4.1 实验数据准备及预处理 | 第35-37页 |
| 3.4.2 基于峰值特征与连通区域标记的SAR图像目标检测 | 第37-39页 |
| 3.4.3 基于可变形卷积网络的SAR图像目标识别 | 第39-42页 |
| 3.5 实验结果与分析 | 第42-46页 |
| 3.5.1 实验参数设置 | 第42页 |
| 3.5.2 实验结果与分析 | 第42-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 基于改进帧差法与YOLO深度网络的遥感影像目标检测 | 第48-64页 |
| 4.1 引言 | 第48页 |
| 4.2 帧间差分法 | 第48-50页 |
| 4.2.1 帧间差分法原理 | 第48-49页 |
| 4.2.2 改进帧间差分法步骤 | 第49-50页 |
| 4.3 YOLO深度网络 | 第50-53页 |
| 4.3.1 YOLO网络的思想与原理 | 第50-51页 |
| 4.3.2 YOLO网络损失函数的设计 | 第51-52页 |
| 4.3.3 YOLO网络的优势 | 第52-53页 |
| 4.4 基于改进帧差法和YOLO深度网络的遥感影像目标检测 | 第53-59页 |
| 4.4.1 实验数据准备及预处理 | 第53-55页 |
| 4.4.2 基于改进帧差法的遥感影像运动目标检测 | 第55-56页 |
| 4.4.3 基于高分辨YOLO深度网络的遥感影像目标检测 | 第56-59页 |
| 4.5 实验结果与分析 | 第59-62页 |
| 4.5.1 实验参数设置 | 第59页 |
| 4.5.2 实验结果与分析 | 第59-62页 |
| 4.6 本章小结 | 第62-64页 |
| 第五章 基于结构化边缘检测目标区域提议的遥感图像目标检测 | 第64-74页 |
| 5.1 引言 | 第64页 |
| 5.2 基于结构化边缘检测的目标区域提议算法 | 第64-67页 |
| 5.2.1 结构化森林快速边缘检测 | 第64-66页 |
| 5.2.2 基于边缘检测的目标区域提议 | 第66-67页 |
| 5.3 基于边缘检测目标区域提议的遥感图像目标检测 | 第67-70页 |
| 5.3.1 实验数据准备及预处理 | 第67-68页 |
| 5.3.2 算法流程与具体步骤 | 第68-70页 |
| 5.4 实验结果与分析 | 第70-72页 |
| 5.5 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-87页 |
