場(chǎng)景上下文約束的可見(jiàn)光遙感圖像目標(biāo)識(shí)別方法研究.pdf

1、高分辨率遙感圖像具有數(shù)據(jù)量大,圖像結(jié)構(gòu)特征復(fù)雜等特點(diǎn),使得目標(biāo)湮沒(méi)在復(fù)雜背景中,為遙感圖像目標(biāo)識(shí)別及場(chǎng)景分析造成了一定的困難。這也導(dǎo)致了目標(biāo)識(shí)別率低,計(jì)算復(fù)雜度增加,因此,如何找到一個(gè)快速、有效的目標(biāo)識(shí)別方法是遙感圖像處理領(lǐng)域一個(gè)重要的研究?jī)?nèi)容。考慮到本文所識(shí)別的目標(biāo)一般與場(chǎng)景類(lèi)別存在空間依存關(guān)系,如橋梁分布于河流上,港口在海域和陸地交匯處等,因此本文提出了一種基于場(chǎng)景上下文約束的目標(biāo)識(shí)別方法,通過(guò)場(chǎng)景分類(lèi)為目標(biāo)識(shí)別提供有效的約束信息,

2、提高識(shí)別效率和準(zhǔn)確率。
　　本文的研究?jī)?nèi)容包括以下幾個(gè)方面:
　　首先,針對(duì)遙感圖像數(shù)據(jù)量大,紋理特征復(fù)雜等特點(diǎn),分析比較了幾種常用的紋理特征提取算法,提出了將LBP算法應(yīng)用于場(chǎng)景分類(lèi)中,并根據(jù)應(yīng)用中存在的圖像強(qiáng)度缺失的問(wèn)題,提出了改進(jìn)算法,將圖像灰度直方圖與LBP統(tǒng)計(jì)直方圖結(jié)合,有效提高了分類(lèi)性能。
　　其次,針對(duì)場(chǎng)景分類(lèi)上下文信息在目標(biāo)識(shí)別中的重要性,提出了基于mean-shift區(qū)域分割和LBP紋理特征的場(chǎng)景分類(lèi)

3、方法,實(shí)現(xiàn)了植被區(qū)、建筑區(qū)、水域、沙地這四類(lèi)場(chǎng)景類(lèi)別的分類(lèi),有效提高識(shí)別效率和準(zhǔn)確率。
　　最后,根據(jù)目標(biāo)與場(chǎng)景的上下文依存關(guān)系,實(shí)現(xiàn)了基于上下文約束的目標(biāo)識(shí)別方法。將場(chǎng)景分類(lèi)方法應(yīng)用于目標(biāo)識(shí)別流程中,并在場(chǎng)景上下文約束條件下計(jì)算感興趣區(qū)域和目標(biāo)特征,再使用SVM進(jìn)行訓(xùn)練和分類(lèi)計(jì)算,實(shí)現(xiàn)了對(duì)橋梁/大壩、港口、機(jī)場(chǎng)、公路樞紐、鐵路樞紐這五類(lèi)目標(biāo)的識(shí)別研究。
　　實(shí)驗(yàn)結(jié)果表明,本文提出的算法具有更高的識(shí)別準(zhǔn)確率,通過(guò)上下文約束信