大面幅光学遥感影像飞行器目标快速检测

CIOMP OpenIR

	大面幅光学遥感影像飞行器目标快速检测
	张作省
学位类型	硕士
导师	杨程亮
	2018
学位授予单位	中国科学院大学(中国科学院长春光学精密机械与物理研究所)
学位授予地点	中国科学院大学(中国科学院长春光学精密机械与物理研究所)
学位名称	硕士
关键词	遥感影像遥感视频目标识别机场检测飞行器检测深度学习 YOLO 残差网络
摘要	随着高分辨率光学卫星的高速发展,遥感影像分辨率显著提升、光学卫星数量快速增加、卫星重访周期极大缩短等因素使得高分辨率影像数据急剧增加。海量基于对地观测卫星的高分辨率光学遥感影像数据被应用于以军事安全和民用服务为主的不同研究领域中,其中飞行器的自动检测与识别一直以来均是航天领域的热点研究内容和重要组成部分,在侦察、预警等军事国防领域均有重要作用及战略需求。传统的目标检测技术的时效性很难适应海量的高分辨率遥感影像数据,其所依赖的特征表达均为人工设计,非常耗时且强烈依赖于专业知识和数据本身特征。此外,在遥感影像中,由于目标距离较远、在视场中的所占比例小,此类方法对于小目标的检测依然乏力。而且,由于光照、成像角度及天气存在多时相性,少量甚至缺失的边缘和纹理信息会对目标的检测和识别带来极大的困难和挑战。卷积神经网络技术在图像的深层次的特征提取方面有着传统方法无可比拟的先天优势,随着深度学习相关理论与技术的不断发展,目标检测和识别相关算法得到了飞速发展,推动了计算机视觉领域应用性能的极大提升,为遥感数据的解译提供了新的思路和广阔的应用空间。为此,本论文主要围绕在保证检测速度的前提下对大面幅的高分辨率光学遥感影像中飞行器目标实现高准确率的检测和识别进行研究。主要工作体现如下:1.遥感影像增强及去雾为了减轻成像时相机的物理环境及光照因素对影像质量的影响,依次研究了遥感影像降噪、光照均匀化处理等图像增强算法。此外,对地观测卫星在成像时由于地球气候及天气的多时相性因素带来的烟雾会造成待检测目标细节信息缺失,基于暗通道去雾算法对原始有雾影像进行去雾处理。2.遥感影像机场检测算法研究为缩小检测视野、锁定检测范围、减少目标检索的计算复杂度,对影像中机场区域进行识别和标定。采用霍夫直线检测方法并通过构建卷积分类网络检测提取机场跑道以定位机场区域,为后续飞行器识别奠定基础。3.大面幅遥感影像飞机快速检测算法研究为了对大面幅遥感视频影像进行快速飞机目标检测,在综合考虑检测速度和检测精度两方面因素的前提下,提出基于You Only Live Once(YOLO)的大面幅遥感影像快速目标检测算法。与原始的YOLO和YOLOv2版本相比,改进的算法在保证检测速度的条件下,具有更大的检测视野和检测精度。
文献类型	学位论文
条目标识符	http://ir.ciomp.ac.cn/handle/181722/61567
专题	中国科学院长春光学精密机械与物理研究所
推荐引用方式 GB/T 7714	张作省. 大面幅光学遥感影像飞行器目标快速检测[D]. 中国科学院大学(中国科学院长春光学精密机械与物理研究所). 中国科学院大学(中国科学院长春光学精密机械与物理研究所),2018.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
大面幅光学遥感影像飞行器目标快速检测.c（6113KB）	学位论文		开放获取	CC BY-NC-SA	请求全文