声明
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.3 本文的主要贡献与创新
1.4 论文结构安排
第二章 基于迁移学习的卷积神经网络
2.1 图像分类
2.1.1 图像分割方法
2.1.2 图像提取方法
2.1.3 图像分类方法
2.2 神经网络
2.2.1 人工神经网络
2.2.2 卷积神经网络
2.3 迁移学习
2.3.1 迁移学习概述
2.3.2 迁移学习分类
2.3.3 迁移学习与深度学习
2.4 本章小结
第三章 HSI色彩空间下的图像增强算法
3.1 Retinex图像增强算法概述
3.1.1 Retinex理论分析
3.1.2 Retinex算法分析
3.1.3 Retinex算法分类
3.1.4 Retinex算法不足
3.2 色彩空间的转换
3.2.1 RGB色彩空间
3.2.2 HSV色彩空间
3.2.3 HSI色彩空间
3.3 HSI色彩空间下的图像增强算法
3.3.1 预处理
3.3.2 改进的多尺度Retinex算法
3.3.3 局部对比度自适应调整
3.3.4 饱和度分量处理
3.3.5 算法实现步骤
3.4 实验结果及数据分析
3.4.1 低照度图像实验结果
3.4.2 非均匀光照图像实验结果
3.4.3 偏色图像实验结果
3.5 航拍图像实验结果及数据分析
3.6 本章小结
第四章 基于迁移学习的深度学习模型
4.1 深度学习与迁移学习
4.1.1 深度模型迁移学习
4.1.2 受限玻尔兹曼机
4.2 迁移学习混合模型结构
4.3 迁移学习混合模型训练过程
4.3.1 预训练卷积神经网络模型
4.3.2模型迁移学习
4.3.3 算法流程表
4.4 实验结果及数据分析
4.4.1 实验环境
4.4.2 NWPU-RESISC45数据集实验结果
4.5 本章小结
第五章 无人机航拍场景识别系统的设计与实现
5.1 无人机航拍场景识别系统需求分析
5.2 无人机航拍场景识别系统概述
5.3 图像采集终端
5.3.1 图像采集终端框架
5.3.2 数据传输
5.4 基于迁移学习的服务端
5.4.1 识别服务端框架
5.4.2 离线模型训练流程图
5.5 离线模型训练对比实验
5.5.1 实验数据
5.5.2 实验评价标准
5.5.3 HSI色彩空间下的图像增强技术
5.5.4 卷积神经网络与迁移学习实验对比
5.6 航拍场景识别系统测试
5.6.1 系统模块功能测试
5.6.2 系统准确率性能测试
5.7 本章小结
第六章 总结与展望
6.1 文章总结
6.2 研究期望
致 谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;