基于深度學(xué)習(xí)的光學(xué)遙感圖像飛機(jī)檢測(cè).pdf

1、基于光學(xué)遙感圖像的飛機(jī)檢測(cè)一直是目標(biāo)識(shí)別領(lǐng)域的研究熱點(diǎn)，無(wú)論是在民用領(lǐng)域還是軍用領(lǐng)域，飛機(jī)都是一種十分重要的戰(zhàn)略目標(biāo)。現(xiàn)如今的目標(biāo)識(shí)別方法大部分都需要人工提取樣本特征，然后選擇適當(dāng)?shù)姆诸惼鬟M(jìn)行訓(xùn)練。不僅提取過(guò)程繁瑣，且結(jié)果不一定盡如人意。而深度網(wǎng)絡(luò)善于刻畫問(wèn)題內(nèi)部的結(jié)構(gòu)，利用更清晰簡(jiǎn)明的方式表達(dá)復(fù)雜的特征，故而能夠大大提高目標(biāo)檢測(cè)性能。
　　本文將深度學(xué)習(xí)引入飛機(jī)檢測(cè)的應(yīng)用當(dāng)中，構(gòu)建了基于深度信念網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)兩種飛機(jī)檢測(cè)

2、結(jié)構(gòu)模型，借助優(yōu)化圖像預(yù)處理、訓(xùn)練樣本獲取和改進(jìn)訓(xùn)練結(jié)構(gòu)等方式，進(jìn)一步提高檢測(cè)算法的性能，最后通過(guò)實(shí)驗(yàn)同傳統(tǒng)飛機(jī)檢測(cè)算法對(duì)比驗(yàn)證。
　　本文的主要工作包括:
　　首先，針對(duì)傳統(tǒng)飛機(jī)檢測(cè)方法性能差、準(zhǔn)確率低及泛化能力弱等問(wèn)題，提出了一種基于深度信念網(wǎng)絡(luò)的光學(xué)遙感圖像飛機(jī)檢測(cè)方法。為了合理表達(dá)輸入飛機(jī)樣本的結(jié)構(gòu)特征，將二值單元替換成高斯單元作為層級(jí)網(wǎng)絡(luò)的激活函數(shù)。隨后，利用非極大值抑制算法去除多余標(biāo)記，實(shí)現(xiàn)對(duì)檢測(cè)結(jié)果的優(yōu)化。

3、r>　　其次，針對(duì)訓(xùn)練正樣本飛機(jī)朝向多樣性的問(wèn)題，利用多方向旋轉(zhuǎn)擴(kuò)展的方式，豐富各個(gè)方向的樣本特征。借助k-means聚類算法，均勻選取不同場(chǎng)景類別的負(fù)樣本，進(jìn)一步完善訓(xùn)練樣本信息。同時(shí)，利用超像素分割方法對(duì)待檢測(cè)圖像進(jìn)行預(yù)處理，盡可能保留圖像中物體的邊緣信息。
　　最后，針對(duì)基于深度信念網(wǎng)絡(luò)的飛機(jī)檢測(cè)方法訓(xùn)練過(guò)程復(fù)雜、檢測(cè)率不夠高等問(wèn)題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的光學(xué)遙感圖像飛機(jī)檢測(cè)方法。在典型的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)LeNet-5