收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的光学遥感影像海上舰船目标检测研究

王浩君  
【摘要】:随着遥感技术的蓬勃发展,光学遥感影像的分辨率逐步提高,对遥感影像上的关键目标进行检测与识别十分具有研究价值和现实意义。舰船是海上最重要的运输载体,也是军事活动中的重点打击目标,对其进行检测与识别在民用和军事领域都有巨大的应用前景。传统的海上舰船目标检测算法在复杂海洋背景下,受限于太阳光照、海面雾气、以及船舶自身的分布状况等海面上的不确定因素的影响,难以满足舰船智能检测的需要。基于深度学习的海上舰船目标检测算法主要依赖于神经网络在大数据特征学习方面具有的独特优势,可以快速有效地从海量数据中以层次学习的方式提取目标的代表性和区别性特征。但是现存的基于深度学习的海上舰船检测的研究仍有许多不足:1)尚未有对舰船进行系统性的分类检测的研究2)训练神经网络模型的数据样本量过少,导致模型鲁棒性较差3)用于舰船检测的神经网络模型尚未达到检测精度与检测速度的平衡,在检测效果上多为高速低精度、高精度低速。针对以上不足,本研究建立了系统的舰船分类的样本库,使用并改进了YOLOv3网络实现了光学遥感图像上的海上舰船目标实时分类检测。本文的主要工作概括如下:(1)建立了高分遥感影像的舰船分类数据集。建立了含有超过14000张遥感图像,合计约2.4万艘的不同类型舰船的海上舰船分类检测数据集。首先依据中华人民共和国海事局《船舶登记工作规程》中的舰船分类规则,结合遥感影像实际情况,建立了基于遥感图像的海上舰船基本分类体系。选出“客船”、“散货船”、“集装箱船”、“液货船”、“工程船”、“驳船”、“拖船”、“游艇”、“军事船只”等九种类型的舰船作为分类体系的组成部分。首先选取高分辨光学遥感图像进行数据预处理,然后根据分类体系对遥感图像上的舰船目标进行标注,并在标注过程中进行数据清洗,剔除噪声数据。其次,针对神经网络的训练特点,对数据集进行格式转换及统一,使其符合深度学习对输入数据格式的要求。(2)搭建了深度学习训练平台。使用在目标检测领域有突出检测效果的YOLOv3、Faster R-CNN神经网络算法对建立的海上舰船数据集进行分类检测,在测试集上对训练完成的神经网络模型进行验证。YOLOv3的检测效果和检测速率要明显优于Faster R-CNN。YOLOv3网络虽然在舰船分类测试集上有较好的总体检测效果,但是对小目标类型舰船的检测结果仍然并不理想。针对此问题设计了基于YOLOv3的改进网络,并同时改进了网络的训练过程。改进的YOLOv3网络将原YOLOv3网络的3个尺度检测增加至为4个,并使用K-means聚类算法对训练样本中的图像目标大小进行聚类分析,以生成舰船分类数据集特有的锚点框参数,将聚类结果直接应用于网络的训练和检测中,以提升网络最终的检测能力。在网络的预训练过程中,通过向网络输入了不同分辨率的遥感舰船图像达到了微调网络的效果。在网络迭代训练过程中,采用了多尺度训练的训练策略,输入随机尺寸的图像,使模型对不同尺寸图像的检测具有鲁棒性。试验表明,基于YOLOv3的改进网络,舰船分类测试集上的准确率和召回率都要优于原YOLOv3网络,尤其是体现在小目标类型舰船的检测上。(3)在Linux平台中搭建了舰船检测系统。设置对比实验,对比了改进YOLOv3网络与YOLOv3、Faster R-CNN、YOLOv2、YOLOv2-tiny、YOLOv3-tiny六种网络在舰船分类测试集的检测效果。其中改进YOLOv3检测效果最佳,召回率达到95.62%,平准确率达到93.89%。根据检测结果,系统地分析了造成各网络检测效果不同的原因,阐明了各网络在检测速率、分类定位上的各自优势。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 齐莉;;云平台和神经网络的舰船目标检测[J];舰船科学技术;2019年12期
2 陈云;;云环境舰船目标检测与跟踪[J];舰船科学技术;2018年12期
3 代威;文贡坚;张星;李智勇;;高光谱图像海上舰船目标检测方法研究[J];重庆理工大学学报(自然科学);2015年11期
4 冷相文;张旭;赵晓哲;;水雷障碍对舰船目标流毁伤概率仿真研究[J];计算机仿真;2011年04期
5 王彦情;马雷;田原;;光学遥感图像舰船目标检测与识别综述[J];自动化学报;2011年09期
6 邢孟道;高悦欣;陈溅来;保铮;;海上舰船目标雷达成像算法[J];科技导报;2017年20期
7 王鹏;吕高杰;龚俊斌;田金文;;一种复杂海天背景下的红外舰船目标自动检测方法[J];武汉大学学报(信息科学版);2011年12期
8 吴超;龚翠玲;宋万杰;吴顺君;;舰船目标实时一维距离像研究[J];现代雷达;2008年07期
9 丛瑜;周伟;于仕财;郭明;;一种对港口影像进行舰船目标提取方法[J];计算机仿真;2014年01期
10 刘松涛;;用盒子维评估红外烟幕对舰船目标的遮蔽效果[J];光电工程;2009年02期
11 李长军;陈学佺;丁治国;;一种港口区域舰船目标变化检测新方法[J];计算机工程;2006年14期
12 种劲松,朱敏慧;合成孔径雷达图像舰船目标检测与分析[J];现代雷达;2003年08期
13 魏建荣;;背景纹理模型在海面舰船目标检测中的应用研究[J];舰船科学技术;2017年20期
14 程红;刘思彤;孙文邦;杨帅;;遥感图像中舰船目标的快速精细检测[J];光电工程;2016年04期
15 李军;;光学遥感图像在舰船目标检测中的应用分析[J];舰船电子工程;2016年10期
16 曹冰;;基于图像融合与处理技术的舰船目标检测[J];舰船科学技术;2015年05期
中国重要会议论文全文数据库 前10条
1 王童;童创明;李西敏;陈彬;;海面舰船目标二次散射成像研究[A];2017年全国微波毫米波会议论文集(上册二)[C];2017年
2 王世岭;张大发;马鹏宝;;宽幅海洋舰船目标成像问题研究[A];2019年全国工业流体力学会议摘要集[C];2019年
3 王卫华;何艳;牛照东;陈曾平;;基于兴趣区分割的红外舰船目标实时检测算法[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
4 何友金;李凯永;任建广;;一种改进的基于递归门限分析的红外舰船目标图像分割方法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年
5 姚力波;刘勇;吴昱舟;熊伟;周智敏;;基于高分四号卫星的舰船目标跟踪[A];第四届高分辨率对地观测学术年会论文集[C];2017年
6 艾淑芳;张国华;;海面杂波背景下红外图像中舰船目标的检测[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年
7 陈彬;王成安;王富强;谭建宇;;海面背景下舰船目标红外辐射特性分析[A];高等教育学会工程热物理专业委员会第二十一届全国学术会议论文集——传热传质学专辑[C];2015年
8 马兰;陈筱勇;吴群;;基于小波包和高阶统计量的热红外舰船目标检测改进算法[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
9 陈彬;王成安;王富强;谭建宇;;海面背景下舰船目标红外辐射特性分析[A];高等学校工程热物理第二十届全国学术会议论文集——传热传质学专辑[C];2014年
10 吴楠;冯传收;王海婴;;采用高频法软件包计算舰船目标的RCS[A];第六届全国电磁兼容性学术会议2004EMC论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 李笋;高分辨率光学遥感图像舰船目标检测关键技术研究[D];北京理工大学;2017年
2 安彧;海战场舰船目标检测与识别研究[D];哈尔滨工程大学;2015年
3 段崇雯;基于SAR成像的海面舰船目标特征参数估计[D];国防科学技术大学;2013年
4 邢相薇;HRWS SAR图像舰船目标监视关键技术研究[D];国防科学技术大学;2014年
5 张晖;舰船目标多手段数据融合探测方法研究[D];内蒙古大学;2016年
6 王健;高频地波雷达舰船目标跟踪关键技术研究[D];哈尔滨工业大学;2008年
7 桂阳;基于机载视觉的无人机自主着舰引导关键技术研究[D];国防科学技术大学;2013年
8 种劲松;合成孔径雷达图像舰船目标检测算法与应用研究[D];中国科学院研究生院(电子学研究所);2002年
9 雷琳;多源遥感图像舰船目标特征提取与融合技术研究[D];国防科学技术大学;2008年
10 郭伟娅;基于光学遥感图像的舰船目标识别研究[D];哈尔滨工程大学;2015年
中国硕士学位论文全文数据库 前10条
1 王浩君;基于深度学习的光学遥感影像海上舰船目标检测研究[D];杭州师范大学;2019年
2 王昌安;遥感影像中的近岸舰船目标检测和细粒度识别方法研究[D];华中科技大学;2019年
3 胡珍;起伏海面下舰船目标的声散射特性研究[D];上海交通大学;2018年
4 陈雪飞;复杂运动舰船目标三维InISAR成像算法研究[D];哈尔滨工业大学;2019年
5 王冰;基于深度学习的舰船目标检测研究[D];厦门大学;2017年
6 李庆峰;可见光遥感图像舰船目标检测技术研究[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);2019年
7 尹莹莹;高分辨率光学遥感影像舰船目标检测与识别算法研究[D];上海交通大学;2017年
8 任笑圆;知识辅助的可见光遥感图像靠岸舰船目标检测方法研究[D];国防科学技术大学;2016年
9 邓婉霞;基于卫星图像信息与电子信息的舰船目标关联[D];国防科学技术大学;2016年
10 王海波;基于星载简缩极化SAR的海上舰船目标检测方法研究[D];国防科学技术大学;2016年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978