论文目录 | |
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景和意义 | 第15-17页 |
| 1.1.1 SAR图像生成的研究背景和意义 | 第15-16页 |
| 1.1.2 光学遥感图像目标检测的研究背景和意义 | 第16-17页 |
| 1.2 研究现状和进展 | 第17-22页 |
| 1.2.1 SAR图像生成的研究现状 | 第17-20页 |
| 1.2.2 光学遥感图像目标检测的研究现状 | 第20-22页 |
| 1.3 本论文工作 | 第22-25页 |
| 第二章 基于素描及结构生成对抗网络的SAR图像样本生成 | 第25-39页 |
| 2.1 引言 | 第25-26页 |
| 2.2 素描图与SAR图像之间的映射 | 第26页 |
| 2.3 模型 | 第26-32页 |
| 2.3.1 几何结构窗约束 | 第27-29页 |
| 2.3.2 素描线约束 | 第29-30页 |
| 2.3.3 对抗约束 | 第30-32页 |
| 2.4 实验结果和分析 | 第32-37页 |
| 2.4.1 实验数据 | 第32-33页 |
| 2.4.2 网络结构 | 第33页 |
| 2.4.3 训练方法 | 第33-34页 |
| 2.4.4 实验结果 | 第34-37页 |
| 2.5 总结 | 第37-39页 |
| 第三章 基于目标粘贴网络的光学遥感图像目标检测样本生成 | 第39-57页 |
| 3.1 引言 | 第39-41页 |
| 3.2 模型 | 第41-46页 |
| 3.2.1 数据集的构建 | 第41-42页 |
| 3.2.2 目标粘贴网络 | 第42-44页 |
| 3.2.3 基于Ada IN的噪声注入 | 第44页 |
| 3.2.4 目标随机采样判别器 | 第44-45页 |
| 3.2.5 损失函数 | 第45-46页 |
| 3.3 实验结果和分析 | 第46-55页 |
| 3.3.1 实验方法 | 第46-48页 |
| 3.3.2 DOTA光学遥感图像数据集实验结果 | 第48-51页 |
| 3.3.3 人工背景与真实背景的交替训练 | 第51页 |
| 3.3.4 参数分析 | 第51-53页 |
| 3.3.5 应用:机场中飞机目标的修改 | 第53-55页 |
| 3.4 讨论和总结 | 第55-57页 |
| 第四章 基于区域卷积神经网络的光学遥感图像目标检测 | 第57-75页 |
| 4.1 引言 | 第57-58页 |
| 4.2 模型 | 第58-65页 |
| 4.2.1 区域卷积神经网络概览 | 第58-60页 |
| 4.2.2 Do G脊波基函数卷积模块 | 第60-62页 |
| 4.2.3 区域卷积 | 第62-63页 |
| 4.2.4 区域卷积和Do G脊波基函数卷积模块的反向传播 | 第63-65页 |
| 4.3 实验结果和分析 | 第61-74页 |
| 4.3.1 实验方法 | 第65页 |
| 4.3.2 光学遥感图像目标检测 | 第65-69页 |
| 4.3.3 自然图像目标检测 | 第69-70页 |
| 4.3.4 大场景光学遥感图像目标检测的性能提升方案 | 第70-71页 |
| 4.3.5 Do G脊波滤波器和区域卷积的有效性分析 | 第71-72页 |
| 4.3.6 使用目标粘贴网络作为数据增强的有效性分析 | 第72-73页 |
| 4.3.7 参数分析 | 第73-74页 |
| 4.4 讨论和总结 | 第74-75页 |
| 第五章 总结与展望 | 第71-77页 |
| 5.1 本文工作总结 | 第71-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
