Titel: |
Deep learning-based vessel detection from very high and medium resolution optical
satellite images as component of maritime surveillance systems |
|
Beteiligte Personen: |
|
Beteiligte Körperschaften: |
Universität Rostock[Grad-verleihende Institution] |
|
38329-6 |
Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät[Grad-verleihende Institution] |
|
10025954-6 |
|
|
Zusammenfassung: |
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).
[Englisch] |
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.
[Deutsch] |
|
Dokumenttyp: |
|
Einrichtung: |
Agrar- und Umweltwissenschaftliche Fakultät |
|
Sprache: |
|
Sachgruppe der DNB: |
004 Informatik |
550 Geowissenschaften |
|
|
Veröffentlichung / Entstehung: |
Rostock
Rostock: Universität Rostock
|
2020
|
|
Verantwortlichkeitsangabe: |
vorgelegt von Sergey Voinov |
|
|
Identifikatoren: |
|
|
Zugang: |
frei zugänglich (Open Access)
|
|
Lizenz/Rechtehinweis: |
|
|
RosDok-ID: |
rosdok_disshab_0000002414 |
erstellt / geändert am: |
04.01.2021 / 08.08.2023
|
Metadaten-Lizenz: |
Die Metadaten zu diesem Dokument sind gemeinfrei (CC0 1.0 Universal Public Domain Dedication). |