复杂背景下的光学遥感图像目标检测算法研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 遥感图像目标检测的应用 | 第13-14页 |
| 1.3 遥感图像目标检测的分类 | 第14-17页 |
| 1.3.1 基于红外图像的目标检测方法 | 第14页 |
| 1.3.2 基于SAR图像的目标检测 | 第14-15页 |
| 1.3.3 基于高光谱的目标检测 | 第15页 |
| 1.3.4 基于光学遥感图像的目标检测 | 第15-17页 |
| 1.4 基于光学遥感图像目标检测的研究现状 | 第17-20页 |
| 1.4.1 基于特征判别的方法 | 第17-18页 |
| 1.4.2 基于分类学习的方法 | 第18页 |
| 1.4.3 基于Hough投票的方法 | 第18-19页 |
| 1.4.4 基于目标模型的方法 | 第19-20页 |
| 1.5 遥感目标检测面临的问题与挑战 | 第20-21页 |
| 1.6 本文的主要工作 | 第21-22页 |
| 1.7 论文的组织结构 | 第22-24页 |
| 第2章 光学遥感图像目标检测的基本问题 | 第24-36页 |
| 2.1 光学遥感图像下的目标 | 第24-25页 |
| 2.2 基于光学遥感图像目标检测的关键问题 | 第25-35页 |
| 2.2.1 背景复杂程度的定义与描述 | 第25-26页 |
| 2.2.2 目标颜色纹理干扰问题 | 第26-30页 |
| 2.2.3 旋转变化问题 | 第30-34页 |
| 2.2.4 形似干扰物问题 | 第34-35页 |
| 2.3 小结 | 第35-36页 |
| 第3章 基于几何部件模型的刚性目标检测方法研究 | 第36-61页 |
| 3.1 引言 | 第36-38页 |
| 3.1.1 部件模型简介 | 第36-37页 |
| 3.1.2 刚性目标及其几何外观特性 | 第37-38页 |
| 3.2 几何部件模型 | 第38-45页 |
| 3.2.1 基于轮廓稀疏表示的几何部件选取 | 第38-43页 |
| 3.2.2 有序链式空间结构 | 第43-45页 |
| 3.3 分级检测算法 | 第45页 |
| 3.4 实验结果分析 | 第45-59页 |
| 3.4.1 几何部件选取的性能分析 | 第47-51页 |
| 3.4.2 分级检测算法性能分析 | 第51-54页 |
| 3.4.3 抗颜色纹理干扰仿真实验 | 第54-58页 |
| 3.4.4 在自然图像上的应用 | 第58-59页 |
| 3.5 小结 | 第59-61页 |
| 第4章 基于径向梯度角的目标检测方法研究 | 第61-87页 |
| 4.1 引言 | 第61-62页 |
| 4.2 目标主方向和主方向一致性 | 第62-63页 |
| 4.3 径向梯度角的定义及性质 | 第63-65页 |
| 4.4 基于径向梯度角的目标检测方法 | 第65-70页 |
| 4.4.1 基于径向梯度角的主方向估计 | 第66-69页 |
| 4.4.2 基于主方向一致性的投票 | 第69-70页 |
| 4.5 实验结果分析 | 第70-86页 |
| 4.5.1 算法稳定性讨论 | 第70-74页 |
| 4.5.2 算法适应性讨论 | 第74-80页 |
| 4.5.3 对比实验及性能分析 | 第80-86页 |
| 4.6 小结 | 第86-87页 |
| 第5章 基于加权姿态投票的目标检测方法研究 | 第87-120页 |
| 5.1 引言 | 第87-89页 |
| 5.2 目标姿态及姿态一致性原则 | 第89-90页 |
| 5.3 基于加权姿态投票的目标检测方法 | 第90-100页 |
| 5.3.1 基于RGA的候选姿态估计 | 第91-94页 |
| 5.3.2 加权姿态投票算法 | 第94-100页 |
| 5.4 实验结果分析 | 第100-119页 |
| 5.4.1 算法稳定性分析 | 第100-107页 |
| 5.4.2 算法适应性分析 | 第107-112页 |
| 5.4.3 对比实验及性能分析 | 第112-119页 |
| 5.5 小结 | 第119-120页 |
| 总结与展望 | 第120-123页 |
| 致谢 | 第123-124页 |
| 参考文献 | 第124-135页 |
| 附录A 常用缩写含义 | 第135-136页 |
| 附录B | 第136-139页 |
| 附录C | 第139-140页 |
| 攻读博士学位期间录用、完成的论文及科研成果 | 第140页 |
