论文部分内容阅读
随着现代遥感技术的迅速发展,遥感图像己成为一种不可或缺的重要资源,被广泛应用于民用和军用领域中。遥感图像飞机目标识别作为遥感图像解译分析的一个重要研究方向,逐渐受到了国内外学术界和工业界的关注和研究。随着遥感图像空间分辨率不断提高,图像中所包含的信息越来越丰富,利用人工判读来识别飞机目标的方式己无法满足现代社会发展的需求。如何准确、快速地将飞机目标的位置甚至型号信息从遥感图像中获取出来成为目前遥感图像解译工作的重点和难点。近年来,深度学习方法在大数据环境下异军突起,其中以卷积神经网络为代表的方法在诸多领域都取得了相比传统方法革命性的进展。本文以卷积神经网络在计算机视觉领域所取得的成果为基础,主要围绕卷积神经网络在遥感图像飞机目标识别中的应用展开研究,重点关注飞机目标检测和飞机目标型号识别两个方面。本文主要的研究工作及贡献成概括如下:(1)目前,基于卷积神经网络的目标检测方法都需要大量具有人工标注信息的图像来训练,如目标位置标注信息。而在遥感图像中由于飞机目标较小,人工标注的代价过高。本文针对此问题,提出了一种基于弱监督学习的遥感图像飞机目标检测方法。该方法利用卷积神经网络,在训练图像的标签为图中是否包含飞机目标的情况下,实现了对遥感图像飞机目标的检测。实验结果表明,本文提出的方法取得了与使用了目标位置标注信息的方法相当的飞机目标检测率,且虚警率较低。(2)针对传统方法在飞机目标特征表达和识别模型设计的不足,本文将卷积神经网络应用到遥感图像飞机目标型号识别中。然而,目前没有开源的面向遥感图像飞机目标型号识别的数据集可供使用,对于特定型号的飞机目标训练样本不足。为此,本文提出了一种基于迁移学习的遥感图像飞机目标型号识别方法,并建立了一个面向遥感图像飞机目标型号识别的数据集ARSI-11,方法有效利用了卷积神经网络强大的学习和特征表达能力。最后在ARSI-11数据集上进行了详细的实验和分析,验证了本文方法的有效性。