目录介绍
目录
第1章绪论1
1.1研究的背景和意义1
1.2光学遥感图像目标检测的研究现状3
1.2.1基于模型驱动的传统光学遥感图像目标检测3
1.2.2基于数据驱动的机器学习光学遥感图像目标检测9
1.2.3已公开的光学遥感图像目标检测数据集22
1.2.4光学遥感图像目标检测评估指标25
1.3本书研究内容28
1.4本书章节安排30
第2章光学遥感图像目标检测标签问题分析33
2.1光学遥感图像的发展33
2.2光学遥感图像目标的特点35
2.3光学遥感图像目标的标签问题分析37
2.3.1弱标签的定义37
2.3.2标签错误问题分析37
2.3.3标签单一问题分析40
2.3.4标签缺失问题分析50
本章小结52
第3章基于伽马混合模型的光学遥感图像目标清洗和检测53
3.1引言53
3.2基于伽马混合模型的目标清洗模型54
3.2.1伽马混合模型参数估计55
3.2.2隐藏变量参数估计56
3.2.3伽马子分布参数估计57
3.2.4标签错误样本的后验概率估计58
3.3伽马混合目标清洗模型在不同数据上的例证58
3.3.1伽马混合目标清洗模型在二维数据上的例证58
3.3.2伽马混合目标清洗模型在光学遥感图像目标检测上的例证59
3.4实验数据与设置64
3.4.1实验数据集64
3.4.2数据预处理与实验环境66
3.4.3实验设置66
3.5实验结果与性能分析70
3.5.1对比方法描述70
3.5.2NWPU VHR数据集性能分析71
3.5.3TAS航摄车辆数据集的性能分析74
3.5.4敏感性分析76
本章小结77
弱标签光学遥感图像目标检测研究
｜目录｜
第4章基于空频联合的光学遥感图像目标鲁棒特征设计和检测78
4.1引言78
4.2光学遥感图像目标检测子79
4.2.1空频域通道特征80
4.2.2特征学习与精炼84
4.2.3分类器设计85
4.2.4快速特征尺度化检测86
4.3实验数据与设置86
4.3.1实验数据集86
4.3.2数据预处理与实验环境87
4.3.3实验设置87
4.4实验结果与性能分析89
4.4.1分类器的选择89
4.4.2性能分析90
4.4.3敏感性分析92
本章小结96
第5章基于多粒度角度表示方法的遥感图像旋转目标检测98
5.1引言98
5.2基于锚框思想的单阶段旋转目标检测框架98
5.3基于多粒度角度表示方法的旋转框表征100
5.3.1粗粒度角度分类编码分析101
5.3.2细粒度角度回归编码分析102
5.3.3损失函数103
5.4实验数据与设置104
5.4.1实验数据集104
5.4.2实验预处理与实验环境106
5.5实验结果与性能分析107
5.5.1消融分析107
5.5.2对比实验与分析112
本章小结119
第6章基于任务解耦知识蒸馏的遥感图像目标检测120
6.1引言120
6.2无锚范式的遥感图像方向多样性目标基准框架121
6.3任务解耦知识蒸馏约束的方向多样性目标检测123
6.3.1检测头解耦蒸馏124
6.3.2角度纵横比实例离散量化权重127
6.3.3标签分配蒸馏131
6.3.4损失函数132
6.4实验数据与设置133
6.4.1实验数据集133
6.4.2数据预处理与实验环境134
6.5实验结果与性能分析135
6.5.1消融分析135
6.5.2对比实验与分析138
6.5.3多源图像扩展实验与分析 141
本章小结146
第7章多源主动微调网络光学遥感图像目标自动标注和检测147
7.1引言147
7.2多源主动微调网络148
7.2.1车辆样本的迁移学习150
7.2.2基于多源数据的地面物体与地面的分离151
7.2.3主动深度车辆分类154
7.3实验数据与设置155
7.3.1实验数据集155
7.3.2数据预处理与实验环境157
7.3.3实验设置157
7.4实验结果与性能分析159
7.4.1ISPRS Vaihingen数据集性能分析162
7.4.2ISPRS Potsdam数据集性能分析163
7.4.3SAILCS数据集性能分析164
7.4.4消融分析165
7.4.5分辨率分析166
本章小结167
第8章总结及展望169
8.1总结169
8.2展望171
参考文献172