小目标检测算法在低光照环境的应用研究.docxVIP

小目标检测算法在低光照环境的应用研究

目录

一、内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.3研究内容与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.4研究方法与技术路线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

二、低光照环境下小目标检测相关理论．．．．．．．．．．．．．．．．．．．．．．．．．8

2.1小目标检测基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

2.1.1小目标特征分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

2.1.2小目标检测方法分类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

2.2低光照环境成像特性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

2.2.1光照不足对图像的影响．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

2.2.2低光照图像噪声分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

2.3小目标检测算法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

2.3.1传统小目标检测算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

2.3.2基于深度学习的小目标检测算法．．．．．．．．．．．．．．．．．．．．．．．．24

三、基于深度学习的小目标检测算法．．．．．．．．．．．．．．．．．．．．．．．．．．26

3.1卷积神经网络基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

3.1.1卷积神经网络结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

3.1.2卷积神经网络训练方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

3.2常用小目标检测网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

3.2.1RCNN系列算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

3.2.2YOLO系列算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

3.3针对低光照环境的小目标检测算法改进．．．．．．．．．．．．．．．．．．．．38

3.3.1增强特征提取能力．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

3.3.2降低图像噪声影响．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

3.3.3提高检测精度．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

四、实验设计与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

4.1实验数据集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

4.1.1数据集描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

4.1.2数据预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

4.2实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

4.2.1硬件环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

4.2.2软件环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54

4.2.3对比算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54

4.3实验结果与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55

4.3.1不同算法在低光照环境下的性能比较．．．．．．．．．．．．．．．．．．．．59

4.3.2改进算法的性能提升分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．61

4.3.3算法鲁棒性分析．．．．．．．．．．．．．．．．．．．．．．