声明
摘要
第一章 绪论
1.1 研究背景
1.2 论文研究目标
1.3 论文内容安排
第二章 高分辨率光学遥感图像小目标检测概述
2.1 高分辨率光学遥感图像小目标检测国内外研究现状
2.2 高分辨率光学遥感图像车辆检测国内外研究背景及现状
2.3 超像素分割技术介绍
2.4 稀疏表示介绍
2.5 本章小结
第三章 高分辨率光学遥感图像的超像素分割
3.1 算法描述
3.1.1 颜色信息
3.1.2 空间信息
3.1.3 邻域统计概率信息
3.1.4 超像素分割准则
3.2 实验结果与分析
3.2.1 测试数据
3.2.2 分割断裂率定量分析与对比
3.2.3 基于超像素滑动检测的效率分析
3.3 本章小结
第四章 基于面向稀疏表示的样本迭代选择的高分辨率光学遥感图像小目标检测
4.1 算法描述
4.1.1 基于稀疏表示的分类算法
4.1.2 基于HOG的特征提取
4.1.3 基于超像素的训练样本生成及其方向估计
4.1.4 基于稀疏表示的小型完备训练集迭代构造算法
4.1.5 基于稀疏表示和超像素分割的目标检测框架
4.2 实验结果与分析
4.2.1 车辆检测测试数据集
4.2.2 小型完备训练集迭代构造算法效果分析
4.2.3 超像素块大小的敏感性分析
4.2.4 在测试数据集上的测试结果与对比分析
4.3 本章小结
第五章 基于多子字典稀疏表示快速分类的高分辨率光学遥感图像小目标检测
5.1 算法描述
5.1.1 基于多子字典稀疏表示的快速分类算法
5.1.2 多阶特征提取
5.1.3 基于多子字典稀疏表示快速分类算法的小型完备训练集迭代构造算法
5.1.4 基于多阶特征和多子字典稀疏表示快速分类算法的目标检测算法框架
5.2 实验结果与分析
5.2.1 测试数据集
5.2.2 模型训练
5.2.3 基于多子字典稀疏表示分类技术训练样本迭代选择算法的有效性分析
5.2.4 多阶特征的鲁棒性分析
5.2.5 基于多子字典稀疏表示快速分类的效率分析
5.2.6 在多伦多测试集上的实验效果对比与分析
5.2.7 在ORIDS测试集上的实验效果对比与分析
5.3 本章小结
第六章 总结与展望
6.1 本文总结
6.2 本文主要贡献
6.3 未来研究方向
致谢
参考文献
附录:攻读博士学位期间取得的学术成果