Deep learning-based vessel detection from very high and medium resolution optical satellite images as component of maritime surveillance systems

Sergey Voinov

doi:10.18453/rosdok_id00002876

Voinov, Sergey

Deep learning-based vessel detection from very high and medium resolution optical satellite images as component of maritime surveillance systems

Rostock : Universität , 2020

https://doi.org/10.18453/rosdok_id00002876

http://purl.uni-rostock.de/rosdok/id00002876

Abstract:

This thesis presents an end-to-end multiclass vessel detection method from optical satellite images. The proposed workflow covers the complete processing chain and involves rapid image enhancement techniques, the fusion with automatic identification system (AIS) data, and the detection algorithm based on convolutional neural networks (CNN). The algorithms presented are implemented in the form of independent software processors and integrated in an automated processing chain as part of the Earth Observation Maritime Surveillance System (EO-MARISS).

Dissertation Open Access

Einrichtung :

Agrar- und Umweltwissenschaftliche Fakultät

Gutachter :

Bill, Ralf

Heymann, Frank

Reinartz, Peter

Sprache(n) :

Englisch

übersetzte Zusammenfassung :

In der vorliegenden Arbeit wird eine Methode zur Detektion von Schiffen unterschiedlicher Klassen in optischen Satellitenbildern vorgestellt. Diese gliedert sich in drei aufeinanderfolgende Funktionen: i) die Bildbearbeitung zur Verbesserung der Bildeigenschaften, ii) die Datenfusion mit den Daten des Automatischen Identifikation Systems (AIS) und iii) dem auf „Convolutional Neural Network“ (CNN) basierenden Detektionsalgorithmus. Die vorgestellten Algorithmen wurden in Form eigenständiger Softwareprozessoren implementiert und als Teil des maritimen Erdbeobachtungssystems integriert.

DDC Klassifikation :

004 Informatik

550 Geowissenschaften

URN :

urn:nbn:de:gbv:28-rosdok_id00002876-8

Persistente URL:

http://purl.uni-rostock.de/rosdok/id00002876

erstellt am:

2021-01-04

zuletzt geändert am:

2021-01-05