原文传递
基于可旋深度网络的宽幅光学影像舰船检测技术
| 论文题名： | 基于可旋深度网络的宽幅光学影像舰船检测技术 |
| 关键词： | 舰船检测;显著性检测;深度学习;场景感知 |
| 摘要： | 我国拥有300多万平方千米的海域国土，舰船检测对海防安全、海洋权益维护具有重要意义。同其他类型的遥感卫星相比，光学遥感卫星成像的信息丰富，便于解译和判读。在此背景下，本文开展宽幅光学遥感影像舰船目标检测方法研究。 光学遥感图像的成像特性给舰船检测带来诸多挑战：1）许多光学遥感影像的成像亮度范围窄，其中舰船目标与海洋背景对比度低，导致弱小舰船容易被复杂海洋背景淹没；2）舰船检测易受云雾，海杂波，海岛等复杂背景的干扰，造成虚警和漏检；3）由于遥感图像采用俯视角度成像，舰船目标呈现出尺度多变性和旋转多变性，导致检测难度大。针对以上挑战，本文研究工作如下： （一）改进了弱小舰船样本数据增广方法 针对光学遥感影像弱小目标样本的训练数据匮乏的问题，本文提出了弱小舰船目标数据仿真增广方法，该方法基于真实舰船采样样本，通过在背景图片的限制区域外仿真、随机粘贴弱小舰船贴片来增广弱小舰船样本数量。实验表明，本方法仿真的舰船样本结构纹理的保真度高外轮廓与背景融合度好。同时本方法可以有效增加弱小舰船样本数据量，为后续的检测识别算法奠定数据基础。 （二）提出了基于显著性与可旋网络的高分光学影像舰船检测方法 针对舰船目标呈现出旋转多变性以及其特征易受复杂背景干扰的问题，本文首先提出一种多尺度显著性特征融合模块，该模块融合多个尺度的显著性图和卷积神经网络特征图，抑制云雾等因素的干扰。然后，基于RetinaNet本文设计了单级可旋检测网络，该网络的位置回归分支使用多向建议旋转框提取旋转目标特征。实验证明该网络可以有效增强舰船显著性特征，改善高分辨率影像中舰船检测效果。 （三）提出了基于量化增强和场景感知的弱小舰船目标检测方法 针对弱小目标与背景的对比度低导致虚警和漏检的问题，本文改进了图像预处理阶段的量化方法来增强弱小舰船的特征；针对海洋场景种类复杂的问题，本文使用场景分类模块进行辅助训练，通过场景信息指导网络训练；最后结合可旋深度网络，本文设计了可旋的场景均衡损失函数。实验结果表明，该方法显著提升了光学遥感图像的弱小舰船检测性能，检测精度优于其他先进的检测器。 |
| 作者： | 殷若婷 |
| 专业： | 计算机科学与技术 |
| 导师： | 徐其志 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京化工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
