隨著合成孔徑雷達(Synthetic Aperture Radar,SAR)成像技術(shù)的迅速發(fā)展,SAR圖像的分辨率越來越高,數(shù)據(jù)量也越來越大。面對海量的SAR圖像數(shù)據(jù),如何快速準確地檢測出圖像中的目標一直是SAR圖像解譯中的熱點問題,具有非常重要的研究價值。近年來,卷積神經(jīng)網(wǎng)絡(luò)憑借其強大的特征學(xué)習(xí)能力,在圖像識別、目標檢測等領(lǐng)域取得了一系列突破性進展。最近,基于卷積神經(jīng)網(wǎng)絡(luò)的單次多框檢測器(Single Shot multibox Detector,SSD)算法在自然圖像目標檢測中表現(xiàn)出良好的性能,受到了科研人員的廣泛關(guān)注。本論文針對SSD在SAR圖像目標檢測中的應(yīng)用展開研究,論文的主要工作如下:1、針對復(fù)雜場景下的SAR圖像車輛目標檢測任務(wù),在第三章,我們提出了基于SSD的SAR目標檢測算法。相比于光學(xué)圖像而言,SAR圖像的數(shù)據(jù)量比較缺乏。為了解決將SSD應(yīng)用于SAR目標檢測中面臨的訓(xùn)練樣本不足的問題,我們采用數(shù)據(jù)擴充和遷移學(xué)習(xí)的策略。對于數(shù)據(jù)擴充,第一種方法是采用加噪、濾波和翻轉(zhuǎn)這些操作對MiniSAR目標檢測數(shù)據(jù)集中原始的訓(xùn)練圖像進行處理,生成新的訓(xùn)練樣本;第二種方法是對MSTA...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 卷積神經(jīng)網(wǎng)絡(luò)的研究背景
    1.2 SAR圖像目標檢測的研究背景
    1.3 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于目標檢測的研究現(xiàn)狀
    1.4 實驗數(shù)據(jù)介紹及論文內(nèi)容安排
        1.4.1 Mini SAR實測數(shù)據(jù)集
        1.4.2 MSTAR實測數(shù)據(jù)集
        1.4.3 論文內(nèi)容章節(jié)安排
第二章 SSD卷積神經(jīng)網(wǎng)絡(luò)
    2.1 引言
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的基本特點
    2.3 SSD卷積神經(jīng)網(wǎng)絡(luò)模型
        2.3.1 卷積層
        2.3.2 激活函數(shù)層
        2.3.3 池化層
        2.3.4 卷積預(yù)測器
        2.3.5 損失函數(shù)
    2.4 本章小結(jié)
第三章 基于SSD的SAR圖像目標檢測算法
    3.1 引言
    3.2 算法思路介紹
    3.3 網(wǎng)絡(luò)結(jié)構(gòu)框架
        3.3.1 子孔徑生成模塊
        3.3.2 數(shù)據(jù)擴充模塊
        3.3.3 SSD網(wǎng)絡(luò)模塊
    3.4 實驗結(jié)果
        3.4.1 性能評價指標
        3.4.2 數(shù)據(jù)擴充和遷移學(xué)習(xí)對檢測性能的影響
        3.4.3 與其他方法比較
    3.5 本章小結(jié)
第四章 基于雙流SSD的SAR目標檢測與識別一體化算法
    4.1 引言
    4.2 算法思路介紹
    4.3 數(shù)據(jù)合成
    4.4 網(wǎng)絡(luò)結(jié)構(gòu)框架
        4.4.1 數(shù)據(jù)擴充模塊
        4.4.2 顯著圖生成模塊
        4.4.3 雙流SSD網(wǎng)絡(luò)模塊
    4.5 實驗結(jié)果
        4.5.1 性能評價指標
        4.5.2 數(shù)據(jù)擴充和遷移學(xué)習(xí)對雙流SSD模型性能的影響
        4.5.3 與其他方法比較
    4.6 本章小結(jié)
第五章 結(jié)束語
    5.1 本文工作總結(jié)
    5.2 工作展望
參考文獻
致謝
作者簡介



本文編號：3754754