计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
11期
3302-3307
,共6页
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
光學遙感圖像%多類目標%自適應閾值%基于呎度不變特徵變換的特徵包特徵%AdaBoost算法
광학요감도상%다류목표%자괄응역치%기우척도불변특정변환적특정포특정%AdaBoost산법
optical remote sensing image%multi-target%adaptive threshold%Bag of Feature-Scale Invariant Feature Transform (BoF-SIFT) feature%AdaBoost algorithm
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.
針對目前光學遙感圖像處理與分析多集中在單目標檢測及識彆領域的跼限性,多目標檢測及識彆成為瞭一箇非常值得關註的研究課題,提齣瞭一種光學遙感圖像多目標檢測及識彆算法.首先,採用自適應閾值算法對目標快速檢測分割;然後,結閤圖像金字塔思想和基于呎度不變特徵變換的特徵包(BoF-SIFT)特徵提齣瞭一種分層的BoF-SIFT特徵錶示目標的全跼特徵和跼部特徵,詳細地描述瞭目標的分佈特性;最後,採用基于徑嚮基覈函數的支持嚮量機為弱分類器的AdaBoost算法,經過不斷更新權重之後得到一箇彊分類器對待測試目標圖像完成分類識彆,識彆率達到瞭93.52％.實驗結果錶明,所提算法對多類遙感圖像目標的分割效果顯著,特徵選取恰噹,識彆方法快速有效.
침대목전광학요감도상처리여분석다집중재단목표검측급식별영역적국한성,다목표검측급식별성위료일개비상치득관주적연구과제,제출료일충광학요감도상다목표검측급식별산법.수선,채용자괄응역치산법대목표쾌속검측분할;연후,결합도상금자탑사상화기우척도불변특정변환적특정포(BoF-SIFT)특정제출료일충분층적BoF-SIFT특정표시목표적전국특정화국부특정,상세지묘술료목표적분포특성;최후,채용기우경향기핵함수적지지향량궤위약분류기적AdaBoost산법,경과불단경신권중지후득도일개강분류기대대측시목표도상완성분류식별,식별솔체도료93.52％.실험결과표명,소제산법대다류요감도상목표적분할효과현저,특정선취흡당,식별방법쾌속유효.
