大面幅光学遥感影像飞行器目标快速检测
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 课题研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 存在的问题与难点分析 | 第14-15页 |
| 1.4 本文研究内容及章节安排 | 第15-17页 |
| 第2章 高分辨率遥感影像预处理 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 影像降噪 | 第17-19页 |
| 2.2.1 中值滤波 | 第18页 |
| 2.2.2 高斯滤波 | 第18-19页 |
| 2.3 光照均匀化处理 | 第19-25页 |
| 2.3.1 直方图均衡化 | 第19-21页 |
| 2.3.2 Retinex光照均匀化 | 第21-22页 |
| 2.3.3 同态滤波 | 第22-25页 |
| 2.4 影像去雾 | 第25-28页 |
| 2.4.1 暗通道先验 | 第25-26页 |
| 2.4.2 去雾算法流程 | 第26-28页 |
| 2.5 小结 | 第28-29页 |
| 第3章 深度卷积神经网络 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 深度前馈网络 | 第29-31页 |
| 3.3 卷积神经网络 | 第31-39页 |
| 3.3.1 局部感知 | 第31-33页 |
| 3.3.2 权值共享 | 第33-34页 |
| 3.3.3 池化 | 第34-35页 |
| 3.3.4 CNN物理意义 | 第35-37页 |
| 3.3.5 反向传播算法 | 第37-39页 |
| 3.4 深度学习网络优化 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 联合卷积神经网络的遥感影像机场识别 | 第41-54页 |
| 4.1 引言 | 第41页 |
| 4.2 算法及流程 | 第41-49页 |
| 4.2.1 机场跑道粗提取 | 第42-44页 |
| 4.2.2 构建深度卷积神经网络 | 第44-47页 |
| 4.2.3 深度网络确定机场跑道 | 第47-49页 |
| 4.3 实验及结果分析 | 第49-53页 |
| 4.3.1 训练网络 | 第49-50页 |
| 4.3.2 检测结果及识别实验 | 第50-52页 |
| 4.3.3 结果分析 | 第52-53页 |
| 4.4 小结 | 第53-54页 |
| 第5章 大面幅卫星影像快速目标检测 | 第54-72页 |
| 5.1 引言 | 第54-55页 |
| 5.2 基本原理 | 第55-63页 |
| 5.2.1 网络基础 | 第55-57页 |
| 5.2.2 问题分析 | 第57-59页 |
| 5.2.3 改进结构 | 第59-63页 |
| 5.3 实验准备 | 第63-67页 |
| 5.3.1 数据集 | 第63页 |
| 5.3.2 优化算法 | 第63-65页 |
| 5.3.3 实验条件 | 第65页 |
| 5.3.4 网络训练 | 第65-67页 |
| 5.4 实验分析 | 第67-71页 |
| 5.4.1 模型评价 | 第67-68页 |
| 5.4.2 实验结果 | 第68-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 论文总结 | 第72页 |
| 6.2 本文主要贡献 | 第72-73页 |
| 6.3 研究展望 | 第73-74页 |
| 参考文献 | 第74-86页 |
| 致谢 | 第86-87页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第87页 |
