基于快速视网膜局部特征的遥感图像目标识别

发布时间：2021-10-17 09:09

　　针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法（AGAST-Difference）和快速视网膜关键点描述算法（FREAK）相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法（AGAST）中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。 

【文章来源】：仪器仪表学报. 2016,37(04)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
1引言
2基于尺度空间的AGAST特征检测方法
    2. 1尺度空间理论
    2. 2 AGAST特征检测算法
    2. 3基于尺度空间的AGAST-Difference算法
3 FREAK特征描述
4特征匹配及识别
5实验分析
    5. 1 AGAST-Difference特征检测子的性能分析
    5. 2遥感图像飞机目标识别
    5. 3算法的时间复杂度比较
6结论


【参考文献】：
期刊论文
[1]改进的基于局部联合特征的运动目标检测方法[J]. 王顺飞,闫钧华,王志刚.  仪器仪表学报. 2015(10)
[2]基于FREAK特征的快速景象匹配[J]. 王灿进,孙涛,陈娟.  电子测量与仪器学报. 2015(02)
[3]卫星装配中基于强区分性描述子的识别方法[J]. 白丰,张明路,张小俊.  仪器仪表学报. 2014(12)
[4]高光谱图像异常目标检测研究进展[J]. 赵春晖,李晓慧,王玉磊.  电子测量与仪器学报. 2014(08)
[5]基于局部多特征的机场跑道检测算法[J]. 闫钧华,许俊峰,艾淑芳,李大雷,王志刚.  仪器仪表学报. 2014(08)



本文编号：3441507