2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、遙感圖像中結(jié)構(gòu)化目標(biāo)是指遙感圖像中擁有特定的結(jié)構(gòu),并且與周圍環(huán)境具有一定區(qū)分性的固定結(jié)構(gòu)類目標(biāo),對(duì)這類目標(biāo)的解譯是當(dāng)前研究的熱點(diǎn)。但結(jié)構(gòu)化目標(biāo)檢測面臨著場景復(fù)雜、多尺度、多視點(diǎn)、同場景目標(biāo)種類多等問題,要實(shí)現(xiàn)準(zhǔn)確檢測仍存在較高的難度。結(jié)構(gòu)化目標(biāo)待識(shí)別的對(duì)象種類多,但現(xiàn)在并沒有具有一定普適性的方法,對(duì)不同的目標(biāo)往往要使用不同的方法識(shí)別。
  因此本文提出了一套通用的遙感圖像中結(jié)構(gòu)化目標(biāo)的檢測方法。本文中的算法分為感興趣區(qū)域檢測、結(jié)構(gòu)

2、化特征提取、結(jié)構(gòu)化目標(biāo)檢測三個(gè)階段。
  在感興趣區(qū)域檢測階段,剔除了無關(guān)背景,降低了目標(biāo)檢測虛警率。利用相位譜顯著性特征計(jì)算快速、不依賴顏色信息、無需先驗(yàn)信息等特點(diǎn)快速得到遙感圖像的顯著性特征圖,同時(shí)引入空間競爭改善顯著性特征計(jì)算結(jié)果,結(jié)合MSER區(qū)域分割方法可靠地獲取到圖像中的感興趣區(qū)域。
  在結(jié)構(gòu)化特征提取階段,詳細(xì)地分析了基于點(diǎn)、線、區(qū)域特征的結(jié)構(gòu)化目標(biāo)檢測的優(yōu)缺點(diǎn)。結(jié)合文獻(xiàn),引入局部核回歸模型描述圖像局部結(jié)構(gòu),得

3、到結(jié)構(gòu)化特征描述子LSKs,同時(shí)在9000張正負(fù)樣本上與HOG、LBP、HaariLike特征比較,證明了LSKs對(duì)結(jié)構(gòu)化目標(biāo)具有更高的樣本區(qū)分能力。
  在目標(biāo)檢測階段,結(jié)合LSKs的特點(diǎn),以余弦相似矩陣做相似度測量,并構(gòu)建了一個(gè)具有自適應(yīng)能力的決策網(wǎng)絡(luò),實(shí)現(xiàn)了多類結(jié)構(gòu)化目標(biāo)的多尺度、多視點(diǎn)檢測識(shí)別。
  最后,針對(duì)兩類典型的結(jié)構(gòu)化目標(biāo)——飛機(jī)和油庫進(jìn)行試驗(yàn),并與文獻(xiàn)中的其他方法對(duì)比分析,使用準(zhǔn)確率、虛警率、查全率多個(gè)指標(biāo)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論