【摘要】：針對(duì)遙感圖像視覺對(duì)比度差、分辨率低及目標(biāo)含有不同角度旋轉(zhuǎn)的情況,在稀疏表示分類識(shí)別的基礎(chǔ)上,提出一種基于擴(kuò)展字典稀疏表示的遙感目標(biāo)識(shí)別方法。首先將訓(xùn)練樣本和待測(cè)樣本進(jìn)行二進(jìn)小波變換增強(qiáng),提取增強(qiáng)圖像的SIFT特征構(gòu)成特征字典,并將原始的訓(xùn)練字典改為訓(xùn)練-特征擴(kuò)展字典進(jìn)行稀疏表示,從而使字典更加具有判別能力,提高識(shí)別率。同時(shí),分析了SIFT特征經(jīng)隨機(jī)投影后對(duì)識(shí)別率的影響。實(shí)驗(yàn)表明,該方法對(duì)遙感圖像目標(biāo)識(shí)別具有較好的魯棒性。
[Abstract]:Aiming at the situation of poor visual contrast, low resolution and different angle rotation of remote sensing image, a remote sensing target recognition method based on sparse representation is proposed based on sparse representation classification. Firstly, the training sample and the sample to be tested are enhanced by binary wavelet transform, and the SIFT features of the enhanced image are extracted to form a feature dictionary, and the original training dictionary is changed into a training feature expanded dictionary to be sparse represented. Thus, the dictionary has more discriminant ability and higher recognition rate. At the same time, the influence of SIFT features on the recognition rate by random projection is analyzed. Experiments show that the method is robust to target recognition in remote sensing images.
【作者單位】： 長(zhǎng)沙理工大學(xué)計(jì)算機(jī)與通信工程學(xué)院;
【基金】：國(guó)防973基金(613XXX0301)
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 何同弟;李見為;;基于自適應(yīng)稀疏表示的高光譜遙感圖像分類[J];系統(tǒng)工程與電子技術(shù);2013年09期

2 金煒;符冉迪;葉明;;過完備字典稀疏表示的云圖超分辨率算法[J];遙感學(xué)報(bào);2012年02期

3 宋相法;焦李成;;基于稀疏表示及光譜信息的高光譜遙感圖像分類[J];電子與信息學(xué)報(bào);2012年02期

4 劉建軍;吳澤彬;韋志輝;肖亮;孫樂;;基于空間相關(guān)性約束稀疏表示的高光譜圖像分類[J];電子與信息學(xué)報(bào);2012年11期

5 秦振濤;楊武年;潘佩芬;;基于稀疏表示和自適應(yīng)字典學(xué)習(xí)的“高分一號(hào)”遙感圖像去噪[J];光電工程;2013年09期

6 殷飛;焦李成;;基于旋轉(zhuǎn)擴(kuò)展和稀疏表示的魯棒遙感圖像目標(biāo)識(shí)別[J];模式識(shí)別與人工智能;2012年01期

7 趙春暉;李曉慧;朱海峰;;空間4-鄰域稀疏表示的高光譜圖像目標(biāo)檢測(cè)[J];哈爾濱工程大學(xué)學(xué)報(bào);2013年09期

8 ;北方工業(yè)大學(xué)學(xué)報(bào)第25卷2013年總目次[J];北方工業(yè)大學(xué)學(xué)報(bào);2013年04期

9 王雷;金煒;何艷;;采用冗余字典稀疏表達(dá)的紅外與水汽云圖融合[J];寧波大學(xué)學(xué)報(bào)(理工版);2014年03期

相關(guān)會(huì)議論文 前1條

1 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前3條

1 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

2 黎勝亮;壓縮感知遙感視頻成像理論與方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

3 李濤;遙感影像稀疏表示中的字典學(xué)習(xí)算法及其應(yīng)用[D];華中科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前9條

1 程丹丹;基于自適應(yīng)稀疏表示的振動(dòng)信號(hào)壓縮采樣研究與應(yīng)用[D];寧波大學(xué);2015年

2 查方興;基于稀疏表示和空間約束的高光譜遙感圖像分類方法研究[D];西安電子科技大學(xué);2014年

3 周千琪;基于稀疏表示和半監(jiān)督主動(dòng)學(xué)習(xí)的小樣本高光譜數(shù)據(jù)分類問題研究[D];北方民族大學(xué);2016年

4 劉佳彬;基于稀疏表示的高光譜圖像分類和異常檢測(cè)研究[D];北京化工大學(xué);2016年

5 云智強(qiáng);高光譜遙感圖像的稀疏表示分類方法研究[D];西安電子科技大學(xué);2015年

6 郝曉婷;基于學(xué)習(xí)字典稀疏表示的遙感圖像分類算法研究與應(yīng)用[D];北方民族大學(xué);2014年

7 付歡;高光譜圖像的稀疏表示和壓縮算法研究[D];河北大學(xué);2014年

8 王莎;自適應(yīng)優(yōu)化稀疏表示的遙感圖像壓縮重構(gòu)研究[D];浙江大學(xué);2014年

9 步曉亮;基于稀疏表示的高空間分辨率遙感影像紋理描述方法的研究[D];上海交通大學(xué);2012年

，

本文編號(hào)：2199006