1. 研究目的与意义(文献综述)
1.1 设计背景、目的及意义
遥感图像技术自发展以来, 无论在民用领域还是军事领域都扮演着极其重要的角色,有着极高的应用价值。在民用领域,遥感图像被广泛用于国土规划、农业生产、天气预报、交通导航,为国民生产活动提供重要信息指导。在军事领域,由于遥感技术可以在不直接接触物体的情况下获取目标信息,且观察范围广、观察周期短,因此被广泛用于战略侦察、地形勘探、海洋监测等方面。[1]
随着遥感技术的发展,遥感图像的质量和数量大大提高,现在我们可以方便地获取具有高分辨率的城市遥感图像[2]。这些遥感图像提高了我们理解图像内容的机会,例如用来做地面目标的定位。
遥感图像目标识别已被广泛研究,许多研究主要使用人工提取图像特征进行目标识别的方法。比如局部二值模式(lbp)、梯度方向直方图(hog)[3]、gabor等特征[4],然后将这些特征以特征向量的形式输入到一个传统的分类器比如 svm、adaboost、决策树等进行分类,在目标检测任务中取得了很好的效果,比如飞机检测等。但是这种方法在人工特征提取方面、鲁棒性方面、位移、旋转等影响方面往往表现欠佳[5]。
2. 研究的基本内容与方案
2.1 研究的基本内容
本毕业设计(论文)以城市航空遥感图像的地面目标检测与定位为研究方向,主要任务有:
1) 熟悉目标检测与定位的基本原理,掌握简单的图像处理和深度学习技术。
2)选择合适的数据集,对数据集进行标注和预处理。
3. 研究计划与安排
第1-4周:查阅文献,了解题目背景及现状,学习基本理论,撰写开题报告。
第5-6周:学习深度学习知识和各种位置表示方法,安装linux操作系统,在该操作系统下配置实验所需的环境,并对环境进行测试。
第7-8周:数据集的标注和预处理,学习tensorflow和matlab的使用。
4. 参考文献(12篇以上)
[1]shen, x., bao, w. the remote sensing image matching algorithmbased on the normalized cross-correlation and sift. j indian soc remote sens42, 417–422 (2014).
[2]sedaghata , ebadi h . remote sensing image matching based on adaptive binning siftdescriptor[j]. ieee transactions on geoscience and remote sensing, 2015,53(10):5283-5293.
[3]张楚金,王耀南,卢笑,王珂娜,王国峰.基于假设验证和改进hog特征的前车检测算法[j].电子测量与仪器学报,2015,29(02):165-171.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。