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

1、基于光學(xué)遙感圖像的飛機(jī)檢測一直是目標(biāo)識別領(lǐng)域的研究熱點，無論是在民用領(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)?，F(xiàn)如今的目標(biāo)識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)善于刻畫問題內(nèi)部的結(jié)構(gòu)，利用更清晰簡明的方式表達(dá)復(fù)雜的特征，故而能夠大大提高目標(biāo)檢測性能。
　　本文將深度學(xué)習(xí)引入飛機(jī)檢測的應(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

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)一步提高檢測算法的性能，最后通過實驗同傳統(tǒng)飛機(jī)檢測算法對比驗證。
　　本文的主要工作包括:
　　首先，針對傳統(tǒng)飛機(jī)檢測方法性能差、準(zhǔn)確率低及泛化能力弱等問題，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，實現(xiàn)對檢測結(jié)果的優(yōu)化。

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