遙感圖像飛機(jī)目標(biāo)檢測(cè)與識(shí)別算法研究.pdf

1、隨著科技的發(fā)展，遙感圖像飛機(jī)目標(biāo)檢測(cè)與識(shí)別已成為計(jì)算機(jī)視覺(jué)領(lǐng)域研究的熱點(diǎn)和重點(diǎn)，被廣泛地應(yīng)用于軍事領(lǐng)域和民用領(lǐng)域。飛機(jī)作為一種重要的軍事目標(biāo)和交通工具，獲取它的信息不僅對(duì)戰(zhàn)爭(zhēng)的勝利異常關(guān)鍵，而且對(duì)機(jī)場(chǎng)飛機(jī)的管理也很重要。
　　近年來(lái)，國(guó)內(nèi)外對(duì)遙感圖像飛機(jī)目標(biāo)檢測(cè)和識(shí)別技術(shù)雖然取得了一定的進(jìn)展，但實(shí)際上，由于遙感圖像存在大量的干擾，如噪聲、復(fù)雜的背景、光照變化等，對(duì)識(shí)別技術(shù)存在很大的影響，使得現(xiàn)有算法仍有許多不足，比如算法識(shí)別精度低

2、、耗時(shí)量大，以及算法具有很強(qiáng)的針對(duì)性而沒(méi)有一種通用的識(shí)別算法等。因此，為了提高算法識(shí)別精度，減少耗時(shí)量，增強(qiáng)算法的通用性，本文在現(xiàn)有算法的基礎(chǔ)上，展開(kāi)了本課題的研究。本文的研究?jī)?nèi)容和成果如下：
　　1、介紹了遙感圖像飛機(jī)目標(biāo)檢測(cè)與識(shí)別的關(guān)鍵技術(shù)，主要包括特征提取、識(shí)別方法和算法的評(píng)價(jià)指標(biāo)。其中，重點(diǎn)分析了形狀特征和識(shí)別方法的優(yōu)劣，并且在檢測(cè)率和識(shí)別率的基礎(chǔ)上定義了一個(gè)新的評(píng)價(jià)指標(biāo)。
　　2、針對(duì)現(xiàn)有算法針對(duì)性強(qiáng)和耗時(shí)大的問(wèn)題

3、，提出了基于顯著圖和多特征結(jié)合的飛機(jī)識(shí)別算法。該算法基于一種層次化識(shí)別方法來(lái)檢測(cè)和識(shí)別遙感圖像飛機(jī)，首先利用顯著圖凸顯顯著目標(biāo)；接著使用基于區(qū)域增長(zhǎng)和線(xiàn)標(biāo)記算法尋找連通區(qū)域來(lái)確定候選目標(biāo)的數(shù)量和位置；然后提取MSA、Pseudo-Zernik矩和Harris-Laplace特征描述子，并使用標(biāo)準(zhǔn)差和均值的比值來(lái)評(píng)估特征的穩(wěn)定性，再把提取的特征結(jié)合成特征向量；最后應(yīng)用支持向量機(jī)的方法完成對(duì)候選目標(biāo)的識(shí)別。實(shí)驗(yàn)表明該算法能克服光照變化的影響

4、，且耗時(shí)量少、通用性強(qiáng)。
　　3、提出一種基于圖像熵和形狀特征融合的飛機(jī)檢測(cè)算法。圖像熵能夠自然生成團(tuán)塊區(qū)域，它不像邊緣檢測(cè)那樣只有目標(biāo)的邊緣，也不像顯著圖那樣不能直觀體現(xiàn)飛機(jī)目標(biāo)的形狀，非常適合于飛機(jī)目標(biāo)粗定位。首先采用圖像熵獲得飛機(jī)目標(biāo)的疑似區(qū)域；接著提取仿射不變矩、歸一化轉(zhuǎn)動(dòng)慣量和奇異值分解；然后對(duì)3個(gè)特征進(jìn)行穩(wěn)定性分析后加權(quán)融合成新的特征向量；最后采用支持向量機(jī)來(lái)完成飛機(jī)目標(biāo)檢測(cè)與識(shí)別。實(shí)驗(yàn)證明該算法是行之有效的，同時(shí)還能