發(fā)布時間：2021-10-17 09:09

　　針對目前航天遙感圖像信息復(fù)雜、數(shù)據(jù)量大,導(dǎo)致目標(biāo)識別中特征檢測準(zhǔn)確度低、特征匹配識別時間長的問題,提出了一種基于差分加速分割角點檢測算法（AGAST-Difference）和快速視網(wǎng)膜關(guān)鍵點描述算法（FREAK）相結(jié)合的目標(biāo)識別方法。在特征檢測階段,建立AGAST-Difference特征檢測算子,將尺度空間理論融合到加速分割角點檢測算法（AGAST）中,生成具有強仿射不變性的特征點;再利用簡化的FREAK采樣模型描述局部特征,并構(gòu)建二進(jìn)制特征向量,通過計算向量間的漢明距離,完成特征匹配及目標(biāo)的快速識別;最后選用美國Quick Bird衛(wèi)星的遙感圖片進(jìn)行驗證,實驗結(jié)果表明,所提特征檢測算子仿射不變性能較強,不僅提高了檢測的可重復(fù)率,而且特征描述符區(qū)分性較強,平均匹配正確率提高了9.91%,識別用時僅為35 ms。該方法識別效率高、速度快,能夠滿足遙感圖像實時識別的需求。 

【文章來源】：儀器儀表學(xué)報. 2016,37(04)北大核心EICSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1引言
2基于尺度空間的AGAST特征檢測方法
    2. 1尺度空間理論
    2. 2 AGAST特征檢測算法
    2. 3基于尺度空間的AGAST-Difference算法
3 FREAK特征描述
4特征匹配及識別
5實驗分析
    5. 1 AGAST-Difference特征檢測子的性能分析
    5. 2遙感圖像飛機目標(biāo)識別
    5. 3算法的時間復(fù)雜度比較
6結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的基于局部聯(lián)合特征的運動目標(biāo)檢測方法[J]. 王順飛,閆鈞華,王志剛.  儀器儀表學(xué)報. 2015(10)
[2]基于FREAK特征的快速景象匹配[J]. 王燦進(jìn),孫濤,陳娟.  電子測量與儀器學(xué)報. 2015(02)
[3]衛(wèi)星裝配中基于強區(qū)分性描述子的識別方法[J]. 白豐,張明路,張小俊.  儀器儀表學(xué)報. 2014(12)
[4]高光譜圖像異常目標(biāo)檢測研究進(jìn)展[J]. 趙春暉,李曉慧,王玉磊.  電子測量與儀器學(xué)報. 2014(08)
[5]基于局部多特征的機場跑道檢測算法[J]. 閆鈞華,許俊峰,艾淑芳,李大雷,王志剛.  儀器儀表學(xué)報. 2014(08)



本文編號：3441507