高分辨率遙感圖像多類目標識別研究.pdf

1、本文所研究的針對高分辨率遙感圖像的多類目標檢測識別任務，有別于傳統(tǒng)的對每類目標建立具體模型的識別方法，其目的是通過提取感興趣區(qū)域，在大尺度圖像范圍內同時對多類目標進行檢測識別，在保證較高識別率的同時顯著提高效率。
　　 針對高分辨率遙感圖像中的五類人工建筑物目標（機場，港口，橋梁，公路樞紐，鐵路樞紐），本文使用幾何特征提取感興趣區(qū)域與特征向量，參考圖像紋理分類信息，采用樹形識別結構在多分辨率進行檢測識別。其關鍵點在于：產生有效的

2、特征向量描述各類目標，提取感興趣區(qū)域以剔除大量無關背景，以及設計合理的分類器對潛在的目標進行識別。
　　 本文的主要研究內容如下：
　　 首先，基于人工建筑物目標常表現(xiàn)出較多的線特征，采用線段特征作為初級特征。改進了相位編組線段檢測算法，參考Canny算子提取的邊緣信息輔助提取線段特征。通過實驗表明，該改進算法具有效率高，抗噪能力強，能有效提取關鍵線段特征的優(yōu)點。
　　 同時，結合結構匹配方法和特征袋（Bag o

3、f Features）思想產生特征向量。對提取出來的初級線段考慮形狀，幾何關系和空間關系，將原始線段組合成幾何基元并計算相應屬性，由此得到特征向量。
　　 然后，根據人工建筑物目標常表現(xiàn)出密集線段的特性，提出了一種檢測遙感圖像中人工建筑物的感興趣區(qū)域提取方法，通過計算線段密度分布圖來獲得感興趣區(qū)域。通過實驗表明，該方法能夠在復雜場景中很好的將人工建筑物區(qū)域提取出來，排除了大量背景區(qū)域的干擾。
　　 最后，討論了SVM分類