基于遥感图像的目标检测方法研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1、课题意义

遥感图像中的目标检测就是在给定的遥感图像中精确找到物体所在的位置，并标注出物体的类别和位置信息，是遥感图像处理的重要任务，一直是一个研究热点。

遥感图像有着与普通图像不同的特点。第一，遥感图像的拍摄高度囊括几百米到近万米的高空，并且所拍摄的地面物体类型不同、大小不一，其中很多目标都是小目标，只占图像的几十个甚至几个像素，导致目标对象的信息量小，使得在普通图像上表现良好的算法用在遥感图像上时效果不佳；第二，遥感图像的拍摄角度大多是高空俯视，目标的方向不确定，目标检测算法需要对方向具有鲁棒性；第三，遥感图像所拍摄的范围比较广，通常覆盖数平方公里，图像中包含各种不同的背景，对目标检测产生较大的干扰。

2. 研究的基本内容和问题

1、研究目标

构造三种目标检测算法的检测模型，对比其在遥感图像上的检测效果，根据各自的优缺点提出进一步的改进方向，以提高目标检测算法对遥感图像中小目标检测的精度和速度。最后搭建web网站进行结果展示。

3. 研究的方法与方案

1、研究方法与技术路线

（1）阅读文献：通过图书馆、互联网电子资源等途径查阅大量相关算法文献，学习深度学习、目标检测有关理论知识，理清fpn、yolov3、refinedet等算法的原理思路，掌握相关算法的实现方法，获取最新目标检测方法的研究信息。

4. 研究创新点

现有的目标检测方法大多是针对通用的目标进行检测，比如经典的单阶段算法YOLO和SSD、两阶段方法Faster-RCNN等，但是针对通用目标进行检测的方法对于图像中的小目标来说检测效果并不理想。而遥感图像的目标很多都是小目标（几十个甚至几个像素），在大范围图像中对小目标进行检测是遥感图像分析的主要问题。

在遥感图像数据集的基础上对目标尤其是小目标的检测方法进行探究。对比了三种不同的在小目标检测上进行过优化的算法，同时分析各自的优缺点和改进思路并提出进一步的改进方向。

5. 研究计划与进展

2020.01.06-2020.01.31：收集资料，查阅相关资料进行学习

2020.02.01-2020.02.13：准备数据集

2020.02.14-2020.03.06：实现所选的目标检测算法