基于多特征融合的光学遥感图像目标分类算法研究

发布时间：2017-10-08 02:09

  本文关键词：基于多特征融合的光学遥感图像目标分类算法研究

  更多相关文章： 光学遥感图像 分层的BoF-SIFT特征 SVM 决策级融合 算法框架

【摘要】：基于光学遥感图像的目标检测与分类识别是图像处理和模式识别领域一个重要的研究热点问题,目前单一目标的分类识别已经取得一定的成果,然而对于现实场景中多目标共存的情况还存在着单一特征表示不充分、特征适应性较差、识别准确性不高等问题,本文针对以上问题提出了一种新的基于多特征的光学遥感图像目标分类算法框架。具体研究内容如下:针对目前特征的表示方法对于目标旋转的适应性较差的问题,提出了一种新的分层BoF-SIFT特征对遥感图像目标进行表示,该特征综合利用了SIFT特征具有的平移、缩放和旋转适应性、BoF特征直观的表示形式以及分层特征对分布信息的细节描述能力,采用SVM识别算法和AdaBoost识别算法对特征的表示能力进行了大量的测试,验证了该特征的有效性。基于单一特征的光学遥感图像多目标分类识别存在准确性差的问题,提出一种新的基于多特征决策级融合的多目标分类识别算法。首先对光学遥感图像目标提取分层的BoF-SIFT特征、改进后的SC形状特征和Hu不变矩特征;其次设计了一种多特征决策级融合的策略实现多目标分类。经多次实验表明该算法对光学遥感图像多目标有较好的分类识别性能。从实际应用角度出发,结合以上研究成果,提出并实现了一个可行的基于遥感图像的多目标分割与识别算法框架,可以实现遥感图像中多目标的自动检测与分类识别,该框架的功能可操作性强,具有一定的实际应用意义。
【关键词】：光学遥感图像 分层的BoF-SIFT特征 SVM 决策级融合 算法框架
【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要6-7
• Abstract7-12
• 第1章 绪论12-17
• 1.1 课题研究意义及应用12-13
• 1.1.1 军事意义12
• 1.1.2 民用价值12-13
• 1.2 研究的难点和挑战13-14
• 1.3 本文主要研究内容及贡献14-16
• 1.3.1 主要研究内容14-15
• 1.3.2 主要贡献15-16
• 1.4 本文的结构安排16-17
• 第2章 目标检测与分类识别方法综述17-25
• 2.1 目标检测17-19
• 2.1.1 边缘检测算子17-18
• 2.1.2 局部边缘特征法18
• 2.1.3 最大的有向边界法18-19
• 2.2 图像分割19-20
• 2.2.1 阈值分割法19
• 2.2.2 模糊差影滤波分割方法19-20
• 2.2.3 局部特征分割法20
• 2.2.4 马尔科夫随机场分割法20
• 2.3 特征提取20-22
• 2.3.1 光谱特征20-21
• 2.3.2 纹理特征21
• 2.3.3 形状特征21
• 2.3.4 结构特征21-22
• 2.4 分类识别22-24
• 2.4.1 神经网络22-23
• 2.4.2 贝叶斯网络23
• 2.4.3 支持向量机23
• 2.4.4 AdaBoost算法23-24
• 2.4.5 模板匹配24
• 2.5 本章小结24-25
• 第3章 基于分层的BOF-SIFT特征的分类识别算法研究25-36
• 3.1 BOF-SIFT特征提取算法25-29
• 3.1.1 SIFT特征提取25-27
• 3.1.2 BoF-SIFT描述子的生成27-28
• 3.1.3 基于空间金字塔的分层特征构建28-29
• 3.2 识别算法29-32
• 3.2.1 支持向量机原理简介29-31
• 3.2.2 基于支持向量机的AdaBoost识别算法31-32
• 3.3 实验测试及算法的有效性分析32-35
• 3.3.1 数据库介绍32-33
• 3.3.2 参数测试33-34
• 3.3.3 最优参数下的识别结果比较34-35
• 3.4 本章小结35-36
• 第4章 基于多特征的决策级融合分类识别算法研究36-46
• 4.1 多特征选取37-40
• 4.1.1 分层的BoF-SIFT特征37-38
• 4.1.2 改进的SC特征38-39
• 4.1.3 Hu不变矩特征39-40
• 4.2 决策级融合40-42
• 4.3 实验结果42-45
• 4.3.1 最优参数下的特征测试结果42-43
• 4.3.2 多特征决策级融合结果43-45
• 4.4 本章小结45-46
• 第5章 基于遥感图像的多目标分割与识别算法框架设计及实现46-52
• 5.1 局部自适应阈值分割算法简介46-48
• 5.2 功能实现48-51
• 5.3 本章小结51-52
• 结论52-54
• 参考文献54-58
• 致谢58-59
• 攻读硕士期间发表（含录用）的学术论文59

【相似文献】

中国期刊全文数据库 前10条

1 ;美国小型光学遥感卫星的新进展[J];国际太空;1996年09期

2 王斌永;海洋和水环境航空光学遥感系统[J];红外;2002年10期

3 郭今昌;;商用高分辨率光学遥感卫星及平台技术分析[J];航天器工程;2009年02期

4 吴桂英;超高分辨率成像光谱仪在陆地和机载光学遥感中的应用[J];光机电信息;1995年12期

5 牛铮;光学遥感大气订正总体思路与最新进展[J];遥感技术与应用;1998年01期

6 马文坡;;卫星光学遥感系统优化设计与像质评价探讨[J];航天返回与遥感;2007年04期

7 高昆;刘迎辉;倪国强;张彦;;光学遥感图像星上实时处理技术的研究[J];航天返回与遥感;2008年01期

8 周峰;郑国宪;苏云;;国外深空探测光学遥感载荷发展现状与启示[J];航天返回与遥感;2012年01期

9 徐茂松;李坤;谢酬;朱松;罗洪章;张风丽;王雪军;夏忠胜;党永峰;;极化雷达与光学遥感森林雪灾破坏协同监测[J];南京林业大学学报(自然科学版);2014年04期

10 高立宁;毕福昆;龙腾;杨健;;一种光学遥感图像海面舰船检测算法[J];清华大学学报(自然科学版);2011年01期

中国重要会议论文全文数据库 前6条

1 龙超;;美国新一代商用光学遥感卫星及其新技术[A];中国光学学会2011年学术大会摘要集[C];2011年

2 周胜利;马骏;徐鹏;;航天光学遥感系统的图像质量预估[A];第十一届全国光学测试学术讨论会论文（摘要集）[C];2006年

3 张晓辉;韩昌元;;传输型CCD光学遥感相机综合像质评价[A];第十届全国光学测试学术讨论会论文（摘要集）[C];2004年

4 姜伟;黄巧林;;航天光学遥感InGaAs短波红外成像应用技术[A];第二十三届全国空间探测学术交流会论文摘要集[C];2010年

5 郑小兵;张黎明;吴浩宇;章骏平;李双;王骥;;面向光学遥感的先进光谱辐射定标技术[A];第十四届全国遥感技术学术交流会论文选集[C];2003年

6 张佳华;许云;姚凤梅;王培娟;郭文娟;李莉;;植被含水量光学遥感估算方法研究进展[A];遥感定量反演算法研讨会摘要集[C];2010年

中国重要报纸全文数据库 前2条

1 北京空间机电研究所;空间探秘创伟业 自主创新建奇功[N];科技日报;2008年

2 北京空间机电研究所;空间探秘创伟业 自主创新建奇功[N];光明日报;2008年

中国博士学位论文全文数据库 前4条

1 王泽龙;光学遥感压缩成像理论与系统设计[D];国防科学技术大学;2013年

2 黄红莲;光学遥感偏振成像仿真与验证方法研究[D];中国科学技术大学;2015年

3 王臣立;雷达与光学遥感结合在森林净初级生产力研究中应用[D];中国科学院研究生院（遥感应用研究所）;2006年

4 邹乐君;基于光学遥感的海岛识别及算法研究[D];浙江大学;2010年

中国硕士学位论文全文数据库 前6条

1 秦宁丽;基于多特征融合的光学遥感图像目标分类算法研究[D];沈阳航空航天大学;2016年

2 徐琰;利用二元光学技术设计轻量化光学遥感系统[D];国防科学技术大学;2006年

3 李立源;非规则采样光学遥感图像复原方法研究[D];哈尔滨工业大学;2013年

4 金文超;基于复杂背景的光学遥感图像舰船目标检测技术[D];哈尔滨工程大学;2013年

5 李慧娟;光学遥感成像系统MTF在线补偿技术的研究[D];中国科学院研究生院(西安光学精密机械研究所);2012年

6 张文浩;光学遥感图像跑道提取与油罐目标识别技术研究[D];电子科技大学;2010年

，

本文编号：991371