| 摘要 | 第10-11页 |
| Abstract | 第11页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 课题研究背景 | 第12-14页 |
| 1.1.1 光学遥感图像处理的研究背景和意义 | 第12-13页 |
| 1.1.2 光学遥感图像中目标识别的研究背景和意义 | 第13页 |
| 1.1.3 卷积神经网络的研究背景和意义 | 第13-14页 |
| 1.2 课题研究现状 | 第14-18页 |
| 1.2.1 光学遥感图像关键目标检测识别的研究现状 | 第14-15页 |
| 1.2.2 卷积神经网络在目标检测识别领域的研究现状 | 第15-17页 |
| 1.2.3 光学遥感图像中机场目标检测识别的研究现状 | 第17-18页 |
| 1.3 课题研究内容 | 第18-20页 |
| 1.4 论文结构 | 第20-21页 |
| 第二章 基于多浅层特征的机场目标识别算法 | 第21-39页 |
| 2.1 候选窗口提取方法 | 第21-27页 |
| 2.1.1 滑窗 | 第22页 |
| 2.1.2 选择性搜索(SelectiveSearch) | 第22-25页 |
| 2.1.3 BING | 第25-27页 |
| 2.1.4 MultiBoxDetector | 第27页 |
| 2.2 机场目标的浅层特征 | 第27-32页 |
| 2.2.1 直观性视觉特征 | 第28-30页 |
| 2.2.2 复杂的手工特征 | 第30-32页 |
| 2.3 特征分类方法 | 第32-34页 |
| 2.3.1 支持向量机(SVM) | 第32-33页 |
| 2.3.2 多层判别回归(HDR) | 第33-34页 |
| 2.3.3 K最近邻分类(KNN) | 第34页 |
| 2.4 基于纹理和SIFT特征融合的机场识别方法 | 第34-35页 |
| 2.5 实验结果及分析 | 第35-38页 |
| 2.5.1 候选窗口提取方法对比 | 第35-36页 |
| 2.5.2 线段提取方法对比 | 第36页 |
| 2.5.3 显著性特征图提取与分析 | 第36-37页 |
| 2.5.4 算法识别结果分析 | 第37-38页 |
| 2.6 本章总结 | 第38-39页 |
| 第三章 基于卷积神经网络的机场目标识别算法 | 第39-55页 |
| 3.1 卷积神经网络及相关目标识别框架 | 第39-47页 |
| 3.1.1 卷积神经网络 | 第39-43页 |
| 3.1.2 R-CNN | 第43-44页 |
| 3.1.3 FastR-CNN | 第44-46页 |
| 3.1.4 FasterR-CNN | 第46-47页 |
| 3.2 基于FasterR-CNN的机场目标识别算法 | 第47-50页 |
| 3.2.1 训练数据集准备 | 第48页 |
| 3.2.2 目标尺度和窗口比例的优化 | 第48-49页 |
| 3.2.3 卷积神经网络的迁移学习 | 第49-50页 |
| 3.3 实验结果及分析 | 第50-54页 |
| 3.3.1 实验环境 | 第50页 |
| 3.3.2 不同训练数据集迁移网络性能分析 | 第50-51页 |
| 3.3.3 不同网络结构的迁移网络性能分析 | 第51-52页 |
| 3.3.4 不同目标识别框架的机场识别结果对比 | 第52页 |
| 3.3.5 不同图像尺度、窗口比例的机场识别结果对比 | 第52-54页 |
| 3.4 本章总结 | 第54-55页 |
| 第四章 基于先验知识和迁移网络特征的机场目标识别算法 | 第55-70页 |
| 4.1 基于先验知识的候选窗口提取方法 | 第55-59页 |
| 4.1.1 LSD线段检测和连接 | 第56-58页 |
| 4.1.2 线段分组和窗口提取 | 第58页 |
| 4.1.3 窗口打分和筛选 | 第58-59页 |
| 4.2 预训练模型的迁移和识别 | 第59-63页 |
| 4.2.1 数据集准备 | 第60页 |
| 4.2.2 卷积神经网络迁移及识别 | 第60-62页 |
| 4.2.3 选择和合并策略 | 第62-63页 |
| 4.3 机场识别算法的性能研究 | 第63-68页 |
| 4.3.1 实验环境 | 第63-64页 |
| 4.3.2 候选窗口算法对比 | 第64-65页 |
| 4.3.3 网络输入的拉伸对识别的影响 | 第65页 |
| 4.3.4 网络识别方式的对比：单变换与多变换 | 第65页 |
| 4.3.5 网络结构调整对网络性能的影响 | 第65-67页 |
| 4.3.6 实验结果分析 | 第67-68页 |
| 4.4 本章总结 | 第68-70页 |
| 第五章 总结和展望 | 第70-72页 |
| 5.1 本文主要研究成果 | 第70-71页 |
| 5.2 研究展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 作者在学期间取得的学术成果 | 第78页 |
