本文關鍵詞：基于多特征融合的光學遙感圖像目標分類算法研究

  更多相關文章： 光學遙感圖像 分層的BoF-SIFT特征 SVM 決策級融合 算法框架

【摘要】：基于光學遙感圖像的目標檢測與分類識別是圖像處理和模式識別領域一個重要的研究熱點問題,目前單一目標的分類識別已經取得一定的成果,然而對于現實場景中多目標共存的情況還存在著單一特征表示不充分、特征適應性較差、識別準確性不高等問題,本文針對以上問題提出了一種新的基于多特征的光學遙感圖像目標分類算法框架。具體研究內容如下:針對目前特征的表示方法對于目標旋轉的適應性較差的問題,提出了一種新的分層BoF-SIFT特征對遙感圖像目標進行表示,該特征綜合利用了SIFT特征具有的平移、縮放和旋轉適應性、BoF特征直觀的表示形式以及分層特征對分布信息的細節(jié)描述能力,采用SVM識別算法和AdaBoost識別算法對特征的表示能力進行了大量的測試,驗證了該特征的有效性�；趩我惶卣鞯墓鈱W遙感圖像多目標分類識別存在準確性差的問題,提出一種新的基于多特征決策級融合的多目標分類識別算法。首先對光學遙感圖像目標提取分層的BoF-SIFT特征、改進后的SC形狀特征和Hu不變矩特征;其次設計了一種多特征決策級融合的策略實現多目標分類。經多次實驗表明該算法對光學遙感圖像多目標有較好的分類識別性能。從實際應用角度出發(fā),結合以上研究成果,提出并實現了一個可行的基于遙感圖像的多目標分割與識別算法框架,可以實現遙感圖像中多目標的自動檢測與分類識別,該框架的功能可操作性強,具有一定的實際應用意義。
【關鍵詞】：光學遙感圖像 分層的BoF-SIFT特征 SVM 決策級融合 算法框架
【學位授予單位】：沈陽航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要6-7
• Abstract7-12
• 第1章 緒論12-17
• 1.1 課題研究意義及應用12-13
• 1.1.1 軍事意義12
• 1.1.2 民用價值12-13
• 1.2 研究的難點和挑戰(zhàn)13-14
• 1.3 本文主要研究內容及貢獻14-16
• 1.3.1 主要研究內容14-15
• 1.3.2 主要貢獻15-16
• 1.4 本文的結構安排16-17
• 第2章 目標檢測與分類識別方法綜述17-25
• 2.1 目標檢測17-19
• 2.1.1 邊緣檢測算子17-18
• 2.1.2 局部邊緣特征法18
• 2.1.3 最大的有向邊界法18-19
• 2.2 圖像分割19-20
• 2.2.1 閾值分割法19
• 2.2.2 模糊差影濾波分割方法19-20
• 2.2.3 局部特征分割法20
• 2.2.4 馬爾科夫隨機場分割法20
• 2.3 特征提取20-22
• 2.3.1 光譜特征20-21
• 2.3.2 紋理特征21
• 2.3.3 形狀特征21
• 2.3.4 結構特征21-22
• 2.4 分類識別22-24
• 2.4.1 神經網絡22-23
• 2.4.2 貝葉斯網絡23
• 2.4.3 支持向量機23
• 2.4.4 AdaBoost算法23-24
• 2.4.5 模板匹配24
• 2.5 本章小結24-25
• 第3章 基于分層的BOF-SIFT特征的分類識別算法研究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 基于空間金字塔的分層特征構建28-29
• 3.2 識別算法29-32
• 3.2.1 支持向量機原理簡介29-31
• 3.2.2 基于支持向量機的AdaBoost識別算法31-32
• 3.3 實驗測試及算法的有效性分析32-35
• 3.3.1 數據庫介紹32-33
• 3.3.2 參數測試33-34
• 3.3.3 最優(yōu)參數下的識別結果比較34-35
• 3.4 本章小結35-36
• 第4章 基于多特征的決策級融合分類識別算法研究36-46
• 4.1 多特征選取37-40
• 4.1.1 分層的BoF-SIFT特征37-38
• 4.1.2 改進的SC特征38-39
• 4.1.3 Hu不變矩特征39-40
• 4.2 決策級融合40-42
• 4.3 實驗結果42-45
• 4.3.1 最優(yōu)參數下的特征測試結果42-43
• 4.3.2 多特征決策級融合結果43-45
• 4.4 本章小結45-46
• 第5章 基于遙感圖像的多目標分割與識別算法框架設計及實現46-52
• 5.1 局部自適應閾值分割算法簡介46-48
• 5.2 功能實現48-51
• 5.3 本章小結51-52
• 結論52-54
• 參考文獻54-58
• 致謝58-59
• 攻讀碩士期間發(fā)表（含錄用）的學術論文59

【相似文獻】

中國期刊全文數據庫 前10條

1 ;美國小型光學遙感衛(wèi)星的新進展[J];國際太空;1996年09期

2 王斌永;海洋和水環(huán)境航空光學遙感系統(tǒng)[J];紅外;2002年10期

3 郭今昌;;商用高分辨率光學遙感衛(wèi)星及平臺技術分析[J];航天器工程;2009年02期

4 吳桂英;超高分辨率成像光譜儀在陸地和機載光學遙感中的應用[J];光機電信息;1995年12期

5 牛錚;光學遙感大氣訂正總體思路與最新進展[J];遙感技術與應用;1998年01期

6 馬文坡;;衛(wèi)星光學遙感系統(tǒng)優(yōu)化設計與像質評價探討[J];航天返回與遙感;2007年04期

7 高昆;劉迎輝;倪國強;張彥;;光學遙感圖像星上實時處理技術的研究[J];航天返回與遙感;2008年01期

8 周峰;鄭國憲;蘇云;;國外深空探測光學遙感載荷發(fā)展現狀與啟示[J];航天返回與遙感;2012年01期

9 徐茂松;李坤;謝酬;朱松;羅洪章;張風麗;王雪軍;夏忠勝;黨永峰;;極化雷達與光學遙感森林雪災破壞協(xié)同監(jiān)測[J];南京林業(yè)大學學報(自然科學版);2014年04期

10 高立寧;畢福昆;龍騰;楊健;;一種光學遙感圖像海面艦船檢測算法[J];清華大學學報(自然科學版);2011年01期

中國重要會議論文全文數據庫 前6條

1 龍超;;美國新一代商用光學遙感衛(wèi)星及其新技術[A];中國光學學會2011年學術大會摘要集[C];2011年

2 周勝利;馬駿;徐鵬;;航天光學遙感系統(tǒng)的圖像質量預估[A];第十一屆全國光學測試學術討論會論文（摘要集）[C];2006年

3 張曉輝;韓昌元;;傳輸型CCD光學遙感相機綜合像質評價[A];第十屆全國光學測試學術討論會論文（摘要集）[C];2004年

4 姜偉;黃巧林;;航天光學遙感InGaAs短波紅外成像應用技術[A];第二十三屆全國空間探測學術交流會論文摘要集[C];2010年

5 鄭小兵;張黎明;吳浩宇;章駿平;李雙;王驥;;面向光學遙感的先進光譜輻射定標技術[A];第十四屆全國遙感技術學術交流會論文選集[C];2003年

6 張佳華;許云;姚鳳梅;王培娟;郭文娟;李莉;;植被含水量光學遙感估算方法研究進展[A];遙感定量反演算法研討會摘要集[C];2010年

中國重要報紙全文數據庫 前2條

1 北京空間機電研究所;空間探秘創(chuàng)偉業(yè) 自主創(chuàng)新建奇功[N];科技日報;2008年

2 北京空間機電研究所;空間探秘創(chuàng)偉業(yè) 自主創(chuàng)新建奇功[N];光明日報;2008年

中國博士學位論文全文數據庫 前4條

1 王澤龍;光學遙感壓縮成像理論與系統(tǒng)設計[D];國防科學技術大學;2013年

2 黃紅蓮;光學遙感偏振成像仿真與驗證方法研究[D];中國科學技術大學;2015年

3 王臣立;雷達與光學遙感結合在森林凈初級生產力研究中應用[D];中國科學院研究生院（遙感應用研究所）;2006年

4 鄒樂君;基于光學遙感的海島識別及算法研究[D];浙江大學;2010年

中國碩士學位論文全文數據庫 前6條

1 秦寧麗;基于多特征融合的光學遙感圖像目標分類算法研究[D];沈陽航空航天大學;2016年

2 徐琰;利用二元光學技術設計輕量化光學遙感系統(tǒng)[D];國防科學技術大學;2006年

3 李立源;非規(guī)則采樣光學遙感圖像復原方法研究[D];哈爾濱工業(yè)大學;2013年

4 金文超;基于復雜背景的光學遙感圖像艦船目標檢測技術[D];哈爾濱工程大學;2013年

5 李慧娟;光學遙感成像系統(tǒng)MTF在線補償技術的研究[D];中國科學院研究生院(西安光學精密機械研究所);2012年

6 張文浩;光學遙感圖像跑道提取與油罐目標識別技術研究[D];電子科技大學;2010年

，

本文編號：991371