基于局部不变特征的遥感图像星上目标识别技术研究

发布时间：2018-03-03 04:16

本文选题：遥感图像　切入点：目标识别　出处：《中国科学院长春光学精密机械与物理研究所》2017年博士论文　论文类型：学位论文

【摘要】：随着航天遥感技术的不断发展,遥感图像的分辨率不断提高,高分辨遥感图像越来越广泛的应用于诸多军民领域,尤其在军事领域,基于航天遥感图像的目标识别技术已逐渐成为获取军事情报的重要手段。但目前我国现有遥感卫星的星上处理能力较弱,诸如遥感图像目标识别等工作仍主要在地面进行。卫星数传能力及地面站分布直接导致了图像的获取流程复杂,受卫星轨道及地面站资源分配限制,遥感图像数据从获取到地面站接收的周期大约在1天左右。而星上目标识别技术可以在轨完成遥感图像的判读和解译等功能,并将识别的结果以信息流的方式通过中继卫星或遥测系统及时下传到地面,大幅缩短了情报的获取时间,保障了遥感信息的时效性。本文针对遥感图像的特点及星上处理存在的问题,结合现有目标识别技术的发展趋势,提出基于局部不变特征的遥感图像星上目标识别方法,并对识别方法中所涉及的特征检测、特征描述以及匹配识别等步骤做了深入研究。同时,本文还根据所提算法的特点,设计了星载目标快速识别系统,以期为实际工程应用提供理论依据和参考。为保证目标识别的快速性和准确性,本文首先提出一种基于尺度空间的快速特征点检测算法。该方法通过图像降采样的方式建立尺度空间,并在每一层空间内使用AGAST算法检测特征点。针对尺度空间平滑作用带来的特征点偏移问题,提出一种基于特征点局部重定位的方法,根据特征点局部邻域的结构特征重新确定特征点的位置。实验结果表明,该算法对遥感图像中经常存在的尺度、视角以及光照变换问题具有较强的鲁棒性,且算法耗时较短,特征点定位精度较高。针对遥感图像复杂多变的特点,尤其是光照变化明显的问题,本文提出一种基于特征点强度归一化的FREAK描述算法。首先通过调整FREAK描述符的采样模型,使采样点更加注重边缘、轮廓特征的提取;然后根据采样点的梯度对特征描述符进行主方向估计;最后利用特征点邻域像素强度均值做归一化处理。实验结果表明,该算法在尺度、旋转以及光照变换的条件下,表现效果较好;而在视角变换的条件下,其鲁棒性满足一般处理需求;算法的耗时相对较短,适合应用于遥感图像的快速处理。针对遥感图像数据量大,且星上处理能力较低的特点,本文提出一种适用于遥感图像星上目标匹配识别的改进混合溢出树方法。该方法在特征数据的预处理阶段,采用基于中心点的分割方式,通过舍去边缘稀疏的数据点,进行冗余分割;在特征匹配阶段,使用异或运算度量特征向量间的距离,并改进了SIFT算法的特征匹配策略,利用K邻近特征匹配距离的均值代替次邻近距离;最后利用RANSAC算法剔除误匹配点。实验结果证明,应用本文搜索算法对遥感图像进行目标匹配识别时,其搜索效率更高,处理耗时较短,且匹配的准确率更高。针对遥感卫星成像时太阳高度角较低导致图像出现大量阴影区域,从而带来识别率较低的问题,本文提出了一种基于超像素分割与拼接重建的飞机目标匹配识别方法。首先通过梯度方向直方图估计目标方向,以保证拼接时模板方向与拼接方向一致;然后提出一种改进的SLIC超像素分割算法,采用纹理特征相似性度量代替原算法的颜色空间相似度量,进行超像素分割;再次,通过求取目标模板面积与拼接面积失配率的最小值确定拼接结果;最终通过特征匹配识别目标。实验结果证明,文中方法对目标分割的精度更高,可以有效去除图像中的阴影区域,与未加入超像素分割前的情况相比,识别的准确率得到了提高。在工程应用方面,本文基于FPGA+DSP的组合平台,研制了星载目标快速识别系统。利用Open VPX的总线设计及双DSP并行流水处理的思想,在保证系统通用性及可扩展性的同时,提高算法的处理效率,为星上目标快速识别奠定基础;此外,高速接口的使用也为星上遥感图像大数据量的传输提供了有力的保障。最后,根据遥感卫星下传的原始图像数据,并应用本文所提算法,进行了遥感图像目标识别实验,验证了星上目标识别的可行性。
[Abstract]:......
【学位授予单位】：中国科学院长春光学精密机械与物理研究所
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TP751

【相似文献】