本文關(guān)鍵詞：一種飛機(jī)目標(biāo)的遙感識別方法　出處：《測繪通報(bào)》2017年03期 　論文類型：期刊論文

  更多相關(guān)文章： AdaBoost RCNN 飛機(jī)識別 高空間分辨率遙感影像

【摘要】：高空間分辨率遙感影像通常具有數(shù)據(jù)量大、背景復(fù)雜及地物占比較少等特點(diǎn)。如果直接將RCNN模型應(yīng)用于高空間分辨率遙感影像目標(biāo)識別,計(jì)算量大且效率低。級聯(lián)AdaBoost算法識別率高、速度快,但又會(huì)產(chǎn)生較多的虛假目標(biāo)。本文結(jié)合RCNN模型和級聯(lián)AdaBoost算法,提出了一種由粗到精的飛機(jī)目標(biāo)識別方法。首先使用基于HOG特征的級聯(lián)AdaBoost算法快速提取飛機(jī)目標(biāo)候選區(qū)域,然后利用基于卷積神經(jīng)網(wǎng)絡(luò)特征的SVM對飛機(jī)目標(biāo)候選區(qū)域進(jìn)行精細(xì)識別。試驗(yàn)表明,本文提出的方法在保證準(zhǔn)確率的同時(shí),還有效提高了計(jì)算效率。
[Abstract]:High spatial resolution remote sensing image usually has a large amount of data, complex background and object characteristics. If accounted for less directly with the application of RCNN model in high spatial resolution remote sensing image target recognition, a large amount of calculation and low efficiency. The cascade AdaBoost algorithm with high recognition rate, fast speed, but will produce more false targets. In this paper RCNN model and cascade AdaBoost algorithm, proposes a coarse to fine method of airplane recognition. First use of rapid extraction of aircraft target candidate region cascade AdaBoost algorithm based on HOG feature, and then use the neural network based on convolution feature of SVM plane target candidate region for fine recognition. Experiments show that this method is accurate the rate in which at the same time, but also effectively improves the computational efficiency.

【作者單位】： 中國科學(xué)院遙感與數(shù)字地球研究所;中國科學(xué)院大學(xué);
【分類號】：TP751
【正文快照】： 高空間分辨率遙感影像具有豐富的空間信息、地物紋理信息和清晰的幾何結(jié)構(gòu),可用于目標(biāo)的精確識別。遙感識別中的目標(biāo)主要有飛機(jī)、艦船、油罐、樹木等人為和自然要素。飛機(jī)作為一種重要戰(zhàn)略目標(biāo),基于高空間分辨率遙感影像的識別在軍事和民用領(lǐng)域都具有重要意義。國內(nèi)外學(xué)者對飛

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 盧建;辛玉林;陳曾平;;飛機(jī)目標(biāo)紅外成像建模與仿真[J];電子測量技術(shù);2010年07期

2 劉占軍;許家棟;;飛機(jī)目標(biāo)雷達(dá)回波分析[J];彈箭與制導(dǎo)學(xué)報(bào);2006年S3期

3 LarsSvard;Nils-AkeNilsson;孟祥征;;評定雷達(dá)引信用的飛機(jī)目標(biāo)橢圓體模型[J];航空兵器;1987年05期

4 秦宇飛;劉曉山;馮海星;;某型飛機(jī)目標(biāo)易損性分析系統(tǒng)設(shè)計(jì)[J];機(jī)電產(chǎn)品開發(fā)與創(chuàng)新;2010年01期

5 涂建平,彭應(yīng)寧;飛機(jī)目標(biāo)紅外圖像序列雙閾值分割方法[J];兵工學(xué)報(bào);2004年01期

6 李金梁;曾勇虎;周波;付海波;;飛機(jī)目標(biāo)靜態(tài)與動(dòng)態(tài)測量的姿態(tài)一致性[J];北京航空航天大學(xué)學(xué)報(bào);2013年04期

7 LarsSv釨rd ,Nils-，

本文編號：1403825