深度神經(jīng)網(wǎng)絡在大數(shù)據(jù)的滋養(yǎng)下迸發(fā)出巨大活力,它在有大量人工標注數(shù)據(jù)的計算機視覺任務中取得了很大進展。然而,在遙感圖像領域,有人工標注的數(shù)據(jù)極其稀少,如何在少標簽的遙感數(shù)據(jù)中利用深度學習對其解譯成為研究的熱點。合成孔徑雷達SAR圖像和光學遙感圖像是兩種常見的遙感數(shù)據(jù),SAR圖像的分割過程中存在若干空間上互不連通、大小不同的極不勻質區(qū)域,這些極不勻質區(qū)域的分割存在樣本不平衡問題;另外,光學遙感圖像的目標檢測由于訓練樣本數(shù)量的限制,部分目標的背景過于單一,訓練出的目標檢測模型對復雜背景的魯棒性不佳,在測試集因背景存在差異而產生大量虛警;最后,常見的單階段光學遙感圖像的目標檢測模型對全局的形狀信息利用不足,使其面臨分類精度和定位精度相互制約的困境。針對以上問題,本文將生成對抗網(wǎng)絡引入SAR圖像極不勻質區(qū)域樣本的生成任務以及光學遙感圖像目標檢測樣本的生成任務,并將DoG脊波濾波器引入光學遙感圖像目標檢測任務。主要內容如下:1.針對SAR圖像極不勻質區(qū)域的樣本不平衡問題,提出了一種基于素描及結構生成對抗網(wǎng)絡的SAR圖像極不勻質區(qū)域樣本生成方法。本文針對SAR圖像的極不勻質區(qū)域,構造生成對抗網(wǎng)絡GA... 

【文章來源】：西安電子科技大學陜西省211工程院校教育部直屬院校

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【部分圖文】：

基于區(qū)域卷積神經(jīng)網(wǎng)絡的SSD在IPIU7T02數(shù)據(jù)集的檢測示例


本文編號：3620671