特征点和不变矩结合的遥感图像飞机目标识别
目的 传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别.但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割识别算法.针对现有识别算法的不足,提出一种基于特征点空间分布、颜色不变矩和Zemike不变矩相结合的遥感图像飞机目标识别算法.方法 首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-Laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这3种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧氏距离最小的图像作为最终的识别目标.结果 实验结果表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%~10.4%.该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性.结论 提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足.实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度.
飞机目标识别、遥感图像、特征点分布、不变矩
19
TP751.1(遥感技术)
国家自然科学基金项目61165011,61263046;航天科技创新基金项目CASC201102;江西省教育厅科研项目GJJ12427;江西省科技支撑计划项目20112BBG70092;江西省青年科学基金项目20132BAB211021
2014-05-05(万方平台首次上网日期,不代表论文的发表时间)
共11页
592-602