10.11772/j.issn.1001-9081.2015.11.3302
光学遥感图像多目标检测及识别算法设计与实现
针对目前光学遥感图像处理与分析多集中在单目标检测及识别领域的局限性,多目标检测及识别成为了一个非常值得关注的研究课题,提出了一种光学遥感图像多目标检测及识别算法.首先,采用自适应阈值算法对目标快速检测分割;然后,结合图像金字塔思想和基于尺度不变特征变换的特征包(BoF-SIFT)特征提出了一种分层的BoF-SIFT特征表示目标的全局特征和局部特征,详细地描述了目标的分布特性;最后,采用基于径向基核函数的支持向量机为弱分类器的AdaBoost算法,经过不断更新权重之后得到一个强分类器对待测试目标图像完成分类识别,识别率达到了93.52%.实验结果表明,所提算法对多类遥感图像目标的分割效果显著,特征选取恰当,识别方法快速有效.
光学遥感图像、多类目标、自适应阈值、基于尺度不变特征变换的特征包特征、AdaBoost算法
35
TP751.1(遥感技术)
国家自然科学基金资助项目61103123;辽宁省高等学校优秀人才支持计划项目LJQ2014018
2015-12-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
3302-3307