基于扩展字典稀疏表示分类的遥感目标识别

发布时间：2018-08-23 11:52

【摘要】：针对遥感图像视觉对比度差、分辨率低及目标含有不同角度旋转的情况,在稀疏表示分类识别的基础上,提出一种基于扩展字典稀疏表示的遥感目标识别方法。首先将训练样本和待测样本进行二进小波变换增强,提取增强图像的SIFT特征构成特征字典,并将原始的训练字典改为训练-特征扩展字典进行稀疏表示,从而使字典更加具有判别能力,提高识别率。同时,分析了SIFT特征经随机投影后对识别率的影响。实验表明,该方法对遥感图像目标识别具有较好的鲁棒性。
[Abstract]:Aiming at the situation of poor visual contrast, low resolution and different angle rotation of remote sensing image, a remote sensing target recognition method based on sparse representation is proposed based on sparse representation classification. Firstly, the training sample and the sample to be tested are enhanced by binary wavelet transform, and the SIFT features of the enhanced image are extracted to form a feature dictionary, and the original training dictionary is changed into a training feature expanded dictionary to be sparse represented. Thus, the dictionary has more discriminant ability and higher recognition rate. At the same time, the influence of SIFT features on the recognition rate by random projection is analyzed. Experiments show that the method is robust to target recognition in remote sensing images.
【作者单位】： 长沙理工大学计算机与通信工程学院;
【基金】：国防973基金(613XXX0301)
【分类号】：TP751

【相似文献】

相关期刊论文 前9条

1 何同弟;李见为;;基于自适应稀疏表示的高光谱遥感图像分类[J];系统工程与电子技术;2013年09期

2 金炜;符冉迪;叶明;;过完备字典稀疏表示的云图超分辨率算法[J];遥感学报;2012年02期

3 宋相法;焦李成;;基于稀疏表示及光谱信息的高光谱遥感图像分类[J];电子与信息学报;2012年02期

4 刘建军;吴泽彬;韦志辉;肖亮;孙乐;;基于空间相关性约束稀疏表示的高光谱图像分类[J];电子与信息学报;2012年11期

5 秦振涛;杨武年;潘佩芬;;基于稀疏表示和自适应字典学习的“高分一号”遥感图像去噪[J];光电工程;2013年09期

6 殷飞;焦李成;;基于旋转扩展和稀疏表示的鲁棒遥感图像目标识别[J];模式识别与人工智能;2012年01期

7 赵春晖;李晓慧;朱海峰;;空间4-邻域稀疏表示的高光谱图像目标检测[J];哈尔滨工程大学学报;2013年09期

8 ;北方工业大学学报第25卷2013年总目次[J];北方工业大学学报;2013年04期

9 王雷;金炜;何艳;;采用冗余字典稀疏表达的红外与水汽云图融合[J];宁波大学学报(理工版);2014年03期

相关会议论文 前1条

1 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

相关博士学位论文 前3条

1 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

2 黎胜亮;压缩感知遥感视频成像理论与方法研究[D];国防科学技术大学;2014年

3 李涛;遥感影像稀疏表示中的字典学习算法及其应用[D];华中科技大学;2015年

相关硕士学位论文 前9条

1 程丹丹;基于自适应稀疏表示的振动信号压缩采样研究与应用[D];宁波大学;2015年

2 查方兴;基于稀疏表示和空间约束的高光谱遥感图像分类方法研究[D];西安电子科技大学;2014年

3 周千琪;基于稀疏表示和半监督主动学习的小样本高光谱数据分类问题研究[D];北方民族大学;2016年

4 刘佳彬;基于稀疏表示的高光谱图像分类和异常检测研究[D];北京化工大学;2016年

5 云智强;高光谱遥感图像的稀疏表示分类方法研究[D];西安电子科技大学;2015年

6 郝晓婷;基于学习字典稀疏表示的遥感图像分类算法研究与应用[D];北方民族大学;2014年

7 付欢;高光谱图像的稀疏表示和压缩算法研究[D];河北大学;2014年

8 王莎;自适应优化稀疏表示的遥感图像压缩重构研究[D];浙江大学;2014年

9 步晓亮;基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究[D];上海交通大学;2012年

，

本文编号：2199006