多特征的光学遥感图像多目标识别算法
基于单一特征的光学遥感图像多目标分类识别存在准确性较差的问题,提出一种新的基于多特征决策级融合的多目标分类识别算法。首先对光学遥感图像目标提取3种能够同时满足平移、旋转和尺度不变性的特征:可以描述局部和全局分布特性的分层BoF?SIFT特征,描述目标边缘轮廓点信息的改进后的SC形状特征,对图像中较大目标识别较好的Hu不变矩特征;其次采用基于径向基核函数的一对一支持向量机算法分别获得3种特征的目标识别概率,并设计了一种多特征决策级加权融合的策略实现对多目标的分类。经多次实验验证该算法对光学遥感图像多目标具有较好的分类识别性能,达到了93.52%的正确识别率。
光学遥感图像、多特征的决策级融合、分层的BoF-SIFT特征、SC形状特征、Hu不变矩特征、支持向量机
11
TP751.1(遥感技术)
国家自然科学基金项目61103123;辽宁省高等学校优秀人才支持计划项目 LJQ214018;辽宁省自然科学基金项目2015020101.
2016-12-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
655-662