Deep learning-based vessel detection from very high and medium resolution optical satellite images as component of maritime surveillance systems Voinov, Sergey , 1989- (VerfasserIn) Bill, Ralf , 1955- (AkademischeR BetreuerIn) Heymann, Frank , 1982- (AkademischeR BetreuerIn) Reinartz, Peter (AkademischeR BetreuerIn) Universität Rostock (Grad-verleihende Institution) Universität Rostock Agrar- und Umweltwissenschaftliche Fakultät (Grad-verleihende Institution) Text theses Text Hochschulschrift 2020 2020 eng electronic resourceremoteComputermedienOnline-Ressource1 Online-Ressource 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).<eng> 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.<ger> vorgelegt von Sergey Voinov GutachterInnen: Ralf Bill (Universität Rostock, Agrar- und Umweltwissenschaftliche Fakultät, Geodäsie und Geoinformatik) ; Frank Heymann (Deutsches Zentrum für Luft- und Raumfahrt (DLR), Institut für Solar-Terrestrische Physik) ; Peter Reinartz (Deutsches Zentrum für Luft- und Raumfahrt (DLR), Institut für Methodik der Fernerkundung, Photogrammetrie und Bildanalyse) Dissertation Universität Rostock 2020 004 550 623.8 620 ZI 9600 74.41 http://purl.uni-rostock.de/rosdok/id00002876 https://doi.org/10.18453/rosdok_id00002876 https://nbn-resolving.org/urn:nbn:de:gbv:28-rosdok_id00002876-8 https://d-nb.info/1293661988/34 Deep learning-based vessel detection from very high and medium resolution optical satellite images as component of maritime surveillance systems--(DE-627)1744154724 urn:nbn:de:gbv:28-rosdok_id00002876-8 doi: 10.18453/rosdok_id00002876 oclc: 1228810251 ppn: (DE-627)1743811403