原文传递
云干扰下的可见光遥感图像船舶目标在线检测方法研究
| 论文题名： | 云干扰下的可见光遥感图像船舶目标在线检测方法研究 |
| 关键词： | 云干扰;可见光遥感图像;船舶目标;在线检测 |
| 摘要： | 可见光遥感图像凭借其空间分辨率高、成像纹理细节丰富等优点，被广泛应用于目标检测任务中。船舶作为一类重要的海上运输载体，通过可见光遥感图像船舶目标检测方法对其进行在线检测，在海面战场分析、海上救援等高时效性任务领域具有重要的意义。然而，船舶目标检测易受到云层、光照和海浪波纹等因素影响，其中云层对船舶的遮挡和形似干扰对检测精度的影响尤为突出。此外，星载计算平台有限的计算和存储能力对检测方法复杂度的限制，也对在线高精度船舶检测提出了巨大的挑战。鉴于此，本文针对云干扰下的可见光遥感图像船舶目标在线检测方法开展研究工作，重点突破云干扰下的高精度检测方法及在线低复杂度检测方法。首先提出了一种基于子图分类检测框架的轻量化船舶目标检测方法，在此基础上，引入人工设计特征进行云虚警剔除，提升对云干扰场景的适应能力。并采用模型量化方法进行模型压缩，进一步降低方法的复杂度，提升在线目标检测速度。本文具体研究内容如下： （1）针对当前主流船舶目标检测方法中，由于大量预选框生成和检测模型复杂导致的计算复杂度高，难以实现在线检测的问题，提出一种基于稀疏MobileNetV2的子图分类船舶目标检测方法。以子图切割代替预选框生成过程，规避预选框生成算法带来的庞大计算量，并通过模型剪枝及层数裁剪方法，压缩MobileNetV2模型规模。实验表明，该方法相对于其它轻量化检测方法，在保证一定检测精度的同时，可以有效降低计算复杂度，可以提升船舶目标检测速度。 （2）针对云层特征被混淆为船舶特征导致的检测虚警率高的问题，提出一种联合灰度共生矩阵（GrayLevelCo-occurrenceMatrix，GLCM）及局部二进制模式（LocalBinaryPattern，LBP）特征的抗云干扰船舶检测方法。采用GLCM和LBP特征对船舶目标和云虚警图像进行进一步区分，并采用SVM分类器进行云虚警剔除。实验表明，该方法在增加较小计算量的情况下，可显著降低云干扰图像中船舶检测的虚警率，并提升检测精度。 （3）面向在线检测任务对检测方法的快速、低复杂度需求，采用模型量化方法进一步压缩检测模型规模。在对检测方法进行计算模式分析的基础上，将模型参数采用的32位浮点数值映射为8位无符号整型数以实现模型规模压缩。实验表明，该方法在牺牲较小的检测精度的情况下，可以有效缩减参数占用的存储容量，提升在线船舶目标检测速度。 |
| 作者： | 李绍俐 |
| 专业： | 仪器仪表工程 |
| 导师： | 赵光权 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
