论文总字数：19567字

摘 要

随着各门学科的协作发展，计算机硬件水平不断得到加强，高性能计算机成本不断下降，使其性能能满足现在层出不穷的高要求需求。现在，这也使得机器学习部分领域得以广泛在生活中应用，提高了生活与工作效率，节约了人力资源、物力资源的消耗。图像目标识别是机器学习领域研究之一，其可以从图像中自动匹配具有相应特征的目标，建立特征数据集，使识别的效率不断提高。如今图像目标识别已广泛应用在实际，例如指纹识别、人脸识别、车牌号识别、到店顾客分析、医疗诊断等等。在面对海量数据的分类任务时，机器学习较人工识别的优势就体现出来了。本文将对遥感图像中飞机目标的识别进行研究。遥感图像飞机目标检测分为两个部分。一是对图像的特征进行提取，制作特征集。二是通过分类器依据特征集对目标图像进行检测并给出图像中目标物体的位置信息。

本文将对如何自动识别出遥感图像中的飞机目标进行研究，文章采用两种方法对本问题进行了探索 。一是对图像提取HOG特征，该特征的构成是通过一定方法将图像划分成不同区域并计算和统计这些区域的梯度直方图来实现的，采用金字塔多变换来解决尺度变换问题，使用gamma校正来解决光照因素对识别精准度带来的问题。进行多次试验找到最合适的参数来提取目标特征。本文采用SVM分类器对目标进行二分类。二是采用卷积神经网络，对深度学习的理论和训练方式进行研究，制作数据集合训练网络，解决目标识别中因遥感图像的尺度变换，目标旋转和光照等带来的问题。

关键词：飞机检测；HOG；SVM；深度学习

Automatic detection of aircraft target in remote sensing image

Abstract

With the collaborative development of various subject, the computer hardware level has been constantly strengthened, and the cost of high-performance computers has been constantly reduced, so that its performance can meet the increasingly demanding demands. Now, this also makes machine learning part of the field can be widely used in life, improve the life and work efficiency, save the consumption of human resources, material resources. Image target recognition is one of the field of machine learning research, it can automatically from the image matching with corresponding characteristics of target, establish characteristic data set, to constantly improve the recognition efficiency. Now image target recognition has been widely used in practice, such as fingerprint recognition, face recognition, license plate number recognition, to store the customer analysis, medical diagnosis and so on.In the face of massive data classification task, the advantages of machine learning over human recognition are reflected. This article will study at the recognition of aircraft targets in remote sensing images. Remote sensing image aircraft target detection is divided into two parts. One is to extract the features of the image and make the feature set. Secondly, the target image is detected by the classifier according to the feature set and the location information of the target object in the image is given.

This article will study how to automatically identify the aircraft target in the remote sensing image. The article uses two methods to explore this problem .The first method is extract the HOG feature from the image. The composition of this feature is achieved by dividing the image into different regions by a certain method and calculating and counting the gradient histogram of these regions. Pyramid multi-transformation is used to solve the scale transformation problem. Gamma is used to normalize To solve the problem caused by the illumination factor to the recognition accuracy. Conduct multiple experiments to find the most suitable method parameters to extract the target features. This paper uses SVM classifier to classify the target. The second is to use the convolutional neural network to study the theory and training methods of deep learning, make a data set training network, and solve the problems caused by the scale transformation of remote sensing images, target rotation and illumination in target recognition.

Keywords: Aircraft inspection; HOG; SVM; deep learning

目录

摘 要 2

第一章 绪论 6

1.1 研究背景与意义 6

1.2 相关研究现状 6

1.3 主要工作内容 7

1.4 本文组织结构 8

第二章 飞机检测相关技术 9

2.1 飞机检测流程 9

2.2 HOG特征提取算法简介 9

2.3 SVM分类器简介 10

2.4 Faster R-CNN简介 10

2.4 数据集与性能测评标准 10

2.5 本章小结 11

第三章 HOG特征提取算法和SVM分类器 11

3.1 详细介绍HOG特征 11

3.1.1 图像预处理 11

3.1.2 HOG特征提取 12

3.2 详细介绍SVM分类器 13

3.2.1 SVM原理 13

3.2.2分类时遇到的问题 15

第四章 详细介绍Faster R-CNN 16

4.1 VGG16介绍 16

4.2 softmax分类 17

4.3 RPN框架 18

第五章 系统实现和测试 18

5.1开发环境介绍 18

5.2数据集准备 18

5.3 HOG SVM的实现 19

5.3.1为样本加入标签并提取特征 19

5.3.2训练SVM分类器 19

5.3.3测试 19

5.3.4实验结果 19

5.3.5模型及结果分析 22

5.4 基于深度学习的飞机目标检测 22

5.4.1 VOC数据集格式转换 22

5.4.2 配置训练数据 23

5.4.3 运行结果和分析 24

5.4.4 总结分析 25

第六章 小结与展望 26

6.1总结 26

6.2展望 26

致谢 27

参考文献 28

第一章 绪论

1.1 研究背景与意义

视觉是人类获取外部信息的主要途径之一，人类个体从外部世界获取的信息中有80%来自于视觉。随着人类对数学及图像处理知识的理解不断深入，现在的计算机在图像处理方面已经从提供更好的图像视觉深入至如何更好的理解图像包含的信息。得益于电子设备的进步使得很多民用产品具备了更高的性能，计算机视觉科学所扩展的图像处理功能，能够在人们的生活中广泛应用。如人类希望的一样机器学习能够使计算机处理许多繁琐的工作，对输入的信息进行建模来‘理解’含义，然后通过统计学的方法对模型中的数据进行分析输出人类想要得到的有价值信息

机器学习中的目标检测领域在近些年中也是由此广泛应用于人们的生活中。人们可用计算机来提取图像中的数据信息，观察和总结其中的规律，结合数学分析化简这些规律的表示，最后形成一种成熟的算法用来描述某一类别信息的特征。再通过数学知识，更深入的寻找其中的规律和各个规律之间的联系，从而结合计算机技术用这些规律来完成例如目标检测这样的功能。从能够自动识别人脸并美化的自拍软件到汽车的自动驾驶等都是此领域研究的范围。这些应用不但为人们的生活带来更多乐趣也不断的提高着人们的生活效率。

剩余内容已隐藏，请支付后下载全文，论文总字数：19567字