基于高分辨率光学遥感影像的特定目标检测算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 基于自然图像的目标检测 | 第10-11页 |
| 1.2.2 基于遥感影像的目标检测 | 第11-12页 |
| 1.2.3 现有研究的不足之处 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 目标检测相关工作与技术 | 第16-26页 |
| 2.1 候选区域提取算法简介 | 第16-19页 |
| 2.1.1 Selective Search算法 | 第17页 |
| 2.1.2 BING算法 | 第17-19页 |
| 2.2 特征提取算法 | 第19-23页 |
| 2.2.1 浅层特征提取算法 | 第19-21页 |
| 2.2.2 基于深度学习的特征提取 | 第21-23页 |
| 2.3 判别算法 | 第23-25页 |
| 2.3.1 支持向量机 | 第23-25页 |
| 2.3.2 Adaboost算法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 尺度可扩展的候选区域提取算法 | 第26-36页 |
| 3.1 集成多弱特征评分的BING算法改进 | 第26-29页 |
| 3.2 实验过程与结果分析 | 第29-35页 |
| 3.2.1 数据集介绍 | 第29-30页 |
| 3.2.2 实验环境与评价指标 | 第30-31页 |
| 3.2.3 实验设计与结果分析 | 第31-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 融合上下文场景特征的深层特征提取与判别 | 第36-55页 |
| 4.1 深层特征提取与上下文场景特征融合 | 第36-39页 |
| 4.2 卷积神经网络的训练与迁移学习 | 第39-43页 |
| 4.2.1 卷积神经网络的训练过程 | 第39-40页 |
| 4.2.2 迁移学习 | 第40-43页 |
| 4.3 分类器的训练与难分负样本挖掘 | 第43-44页 |
| 4.4 目标检测过程 | 第44页 |
| 4.5 实验过程与结果分析 | 第44-54页 |
| 4.5.1 数据集介绍 | 第44-46页 |
| 4.5.2 实验环境与评价指标 | 第46-47页 |
| 4.5.3 实验设计与结果分析 | 第47-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61页 |
