| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 航拍图像场景解析的研究背景及意义 | 第16-17页 |
| 1.2 研究现状 | 第17-19页 |
| 1.2.1 航拍图像增强预处理方法研究现状 | 第17页 |
| 1.2.2 航拍图像中的目标检测研究现状 | 第17-19页 |
| 1.3 论文概况 | 第19-22页 |
| 第二章 航拍图像增强预处理方法研究 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 基于暗影通道的图像去雾算法 | 第22-25页 |
| 2.3 基于导向滤波的快速图像去雾算法 | 第25-29页 |
| 2.3.1 算法原理 | 第25页 |
| 2.3.2 计算大气幕函数 | 第25-26页 |
| 2.3.3 导向滤波原理 | 第26-27页 |
| 2.3.4 计算残差图像及复原图像 | 第27-29页 |
| 2.4 实验结果分析 | 第29-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于预分割的深度卷积神经网络航拍图像目标检测 | 第34-56页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关理论背景 | 第35-41页 |
| 3.2.1 卷积神经网络CNN简介 | 第35-38页 |
| 3.2.2 特征金字塔网络 | 第38-39页 |
| 3.2.3 R-CNN系列网络简介 | 第39-41页 |
| 3.3 Quad-SSD网络模型简介 | 第41-50页 |
| 3.3.1 基于四叉树的预分割算法介绍 | 第41-42页 |
| 3.3.2 多尺度目标检测网络（SSD）介绍 | 第42-45页 |
| 3.3.3 Quad-SSD网络介绍 | 第45-50页 |
| 3.4 实验结果分析 | 第50-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于特征融合的深度学习的航拍图像目标检测 | 第56-70页 |
| 4.1 提高特征图分辨率的方法 | 第56-59页 |
| 4.1.1 残差网络（Residual Network） | 第56-57页 |
| 4.1.2 上采样方法 | 第57-59页 |
| 4.2 特征融合 | 第59-60页 |
| 4.2.1 同层特征图之间的特征融合 | 第59页 |
| 4.2.2 不同层特征图之间的特征融合 | 第59-60页 |
| 4.3 基于特征融合的深度学习的目标检测方法 | 第60-65页 |
| 4.3.1 网络模型结构 | 第60-63页 |
| 4.3.2 网络模型训练 | 第63-65页 |
| 4.4 实验结果分析 | 第65-69页 |
| 4.4.1 Pascal VOC2007数据集实验 | 第65-67页 |
| 4.4.2 航拍图像实验 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-74页 |
| 5.1 研究工作总结 | 第70-71页 |
| 5.2 研究展望 | 第71-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-82页 |
