基于光學(xué)遙感圖像的飛機(jī)目標(biāo)檢測(cè)算法研究.pdf

1、隨著遙感技術(shù)的發(fā)展，遙感圖像由于覆蓋范圍廣、信息量大、觀測(cè)周期短等特點(diǎn)受到了廣泛的關(guān)注和研究，遙感圖像目標(biāo)檢測(cè)作為遙感圖像解析的一個(gè)重要研究方向，其對(duì)于資源調(diào)查、災(zāi)害監(jiān)測(cè)、資源勘探以及軍事目標(biāo)的識(shí)別判讀等都具有重要的意義。由于遙感圖像數(shù)據(jù)量巨大，依靠傳統(tǒng)人工判讀的方式從中提取特定目標(biāo)的信息難以適應(yīng)遙感技術(shù)的發(fā)展趨勢(shì)，如何從這些數(shù)據(jù)中快速、準(zhǔn)確的提取所需要的信息成為當(dāng)今遙感圖像解析的重點(diǎn)與難點(diǎn)。本文以光學(xué)遙感圖像的目標(biāo)檢測(cè)算法為研究對(duì)象，

2、主要圍繞如何提高目標(biāo)檢測(cè)算法效率與目標(biāo)中心的預(yù)測(cè)精度進(jìn)行研究。
　　本文在綜述遙感圖像目標(biāo)檢測(cè)算法的基礎(chǔ)上對(duì)其歸納和總結(jié)，闡述算法的基本原理和檢測(cè)過(guò)程，并對(duì)經(jīng)典的目標(biāo)檢測(cè)算法進(jìn)行仿真實(shí)驗(yàn)和分析。文中首先闡述了特征提取對(duì)目標(biāo)檢測(cè)的重要性，然后重點(diǎn)介紹了目標(biāo)檢測(cè)中常用的幾種特征以及基于這些特征的飛機(jī)目標(biāo)檢測(cè)算法，并對(duì)算法進(jìn)行仿真實(shí)驗(yàn)，分析算法中存在的不足之處。
　　其次針對(duì)顯著圖應(yīng)用在遙感圖像中缺少客觀評(píng)價(jià)標(biāo)準(zhǔn)的問(wèn)題，本文將顯著

3、圖的量化評(píng)價(jià)標(biāo)準(zhǔn)引入到遙感圖像中。文中仿真對(duì)比分析了常用的三種顯著圖算法，并結(jié)合遙感圖像以及遙感圖像中飛機(jī)目標(biāo)的特性，從主觀和客觀評(píng)價(jià)方面對(duì)顯著圖的突顯效果進(jìn)行評(píng)價(jià)。在綜合考慮突顯精度和顯著區(qū)域突顯完整程度的情況下，Itti算法對(duì)于遙感圖像中飛機(jī)小目標(biāo)的突顯效果優(yōu)于GBVS算法和SR算法。通過(guò)對(duì)顯著圖與遙感圖像模板匹配相結(jié)合的算法進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證了基于顯著圖算法的目標(biāo)檢測(cè)可以舍棄百分之七十以上的背景區(qū)域，縮小目標(biāo)搜索空間是提高目標(biāo)檢測(cè)

4、算法效率的一種有效途徑。
　　最后，基于隨機(jī)森林目標(biāo)檢測(cè)算法在霍夫投票階段是平均分配投票權(quán)重的，針對(duì)平均權(quán)重對(duì)目標(biāo)位置預(yù)測(cè)不夠準(zhǔn)確的問(wèn)題，本文將原算法基于隨機(jī)森林葉子節(jié)點(diǎn)信息的平均權(quán)重改為基于樣本目標(biāo)特征字典的指數(shù)分布投票權(quán)重。在訓(xùn)練階段將樣本的目標(biāo)像素特征向量存儲(chǔ)起來(lái)作為樣本字典，檢測(cè)階段對(duì)于隨機(jī)森林預(yù)測(cè)為樣本的像素，計(jì)算該像素點(diǎn)特征與字典中特征之間的歐式距離，根據(jù)該距離計(jì)算對(duì)應(yīng)的指數(shù)函數(shù)分配權(quán)重，并對(duì)目標(biāo)中心進(jìn)行投票。通過(guò)仿真