摘要 | 第5-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第11-24页 |
1.1 课题研究的背景及意义 | 第11-12页 |
1.2 卫星遥感技术国内外发展现状 | 第12-16页 |
1.2.1 国外卫星遥感技术发展现状 | 第13-15页 |
1.2.2 国内卫星遥感技术发展现状 | 第15-16页 |
1.3 图像处理与识别技术概述 | 第16-18页 |
1.3.1 图像处理技术 | 第16-17页 |
1.3.2 目标识别技术 | 第17-18页 |
1.4 深度学习技术概述 | 第18-22页 |
1.4.1 人工智能发展概况 | 第18-20页 |
1.4.2 深度学习简介 | 第20-22页 |
1.5 课题主要研究内容及工作安排 | 第22-24页 |
第2章 遥感水面舰船目标识别技术原理 | 第24-34页 |
2.1 前言 | 第24页 |
2.2 卫星遥感检测系统结构及工作原理 | 第24-28页 |
2.2.1 遥感成像原理 | 第24-25页 |
2.2.2 光学遥感成像的主要类别 | 第25-27页 |
2.2.3 卫星遥感系统结构 | 第27-28页 |
2.3 卫星遥感图像特征 | 第28-29页 |
2.4 目前船舶遥感图像目标识别主要方法 | 第29-30页 |
2.5 本文中基于深度学习对船舶遥感图像目标识别方法改进 | 第30-33页 |
2.5.1 传统目标识别方法目前存在的问题 | 第30-31页 |
2.5.2 本文提出的基于深度学习的船舶遥感目标识别方式 | 第31-33页 |
2.6 本章小结 | 第33-34页 |
第3章 遥感图像船舶目标预处理和训练数据集研究 | 第34-61页 |
3.1 前言 | 第34页 |
3.2 遥感船舶图像预处理 | 第34-37页 |
3.2.1 船舶图像目标增强 | 第34-36页 |
3.2.2 遥感图像除噪滤波 | 第36-37页 |
3.3 遥感图像薄云处理方法 | 第37-39页 |
3.4 遥感图像分割方法研究 | 第39-56页 |
3.4.1 图像分割方法概述 | 第40-41页 |
3.4.2 活动轮廓模型图像分割方法原理 | 第41-48页 |
3.4.3 基于区域划分模型遥感图像分割方法设计 | 第48-56页 |
3.5 目标图像识别常用训练数据集 | 第56-58页 |
3.5.1 MNIST数据集 | 第56-57页 |
3.5.2 CIFAR-10 数据集 | 第57-58页 |
3.6 遥感图像船舶目标训练集设计与制作 | 第58-60页 |
3.7 本章小结 | 第60-61页 |
第4章 基于深度学习遥感图像目标识别技术研究 | 第61-82页 |
4.1 前言 | 第61页 |
4.2 基于深度学习的目标识别方法应用研究 | 第61-71页 |
4.2.1 机器学习的目标识别技术综述 | 第61-64页 |
4.2.2 深度学习理论基础 | 第64-71页 |
4.3 卷积神经网络目标识别结构的设计 | 第71-76页 |
4.3.1 卷积神经网络结构设计 | 第71-74页 |
4.3.2 卷积神经网络目标识别实验 | 第74-76页 |
4.4 卷积神经网络遥感船舶目标识别结构的设计 | 第76-80页 |
4.4.1 卷积神经网络结构设计 | 第76-79页 |
4.4.2 卷积神经网络遥感船舶目标识别实验 | 第79-80页 |
4.5 本章小结 | 第80-82页 |
第5章 卷积神经网络基于空间变换模型设计与改进 | 第82-91页 |
5.1 前言 | 第82页 |
5.2 遥感船舶目标数据集在训练时影响识别度的因素 | 第82-83页 |
5.3 基于空间变换理论对卷积神经网络改进设计 | 第83-86页 |
5.3.1 空间定位网络 | 第84页 |
5.3.2 参数化采样网格 | 第84-85页 |
5.3.3 可微图像采样 | 第85-86页 |
5.3.4 空间变换网络 | 第86页 |
5.4 基于空间变换网络识别实验结果及分析 | 第86-90页 |
5.4.1 空间变换网络对MNIST数据集识别实验 | 第86-88页 |
5.4.2 空间变换网络对Cifar-10 数据集识别实验 | 第88-89页 |
5.4.3 空间变换网络对船舶遥感目标数据集识别实验 | 第89-90页 |
5.5 本章小结 | 第90-91页 |
结论 | 第91-93页 |
参考文献 | 第93-97页 |
攻读硕士学位期间发表的论文和取得的科研成果 | 第97-98页 |
致谢 | 第98页 |