【摘要】：高分辨率遙感影像已廣泛應(yīng)用于軍事解譯、測繪制圖、城市規(guī)劃、資源環(huán)境監(jiān)控、農(nóng)業(yè)農(nóng)林監(jiān)管、災(zāi)害監(jiān)測等各個領(lǐng)域。隨著遙感影像分辨率越來越高,拍攝周期越來越短,蘊(yùn)含的信息越來越豐富,遙感技術(shù)必將在更多的領(lǐng)域發(fā)揮作用。如何利用高分辨率遙感影像作為數(shù)據(jù)源,實現(xiàn)信息的自動提取以及感興趣目標(biāo)的自動識別是我們需要解決的重大問題之一。本文以計算機(jī)視覺領(lǐng)域中自然圖像識別理論為基礎(chǔ),結(jié)合高分辨率遙感影像的特性,對影像識別過程中的關(guān)鍵技術(shù)進(jìn)行了研究,構(gòu)建了基于序的特征描述方法,為典型目標(biāo)識別及一般目標(biāo)的分類識別提供了快速可行的解決方案。主要貢獻(xiàn)描述如下:一.構(gòu)建了一種輕量級的特征描述子RBRIEF,該描述子具有計算復(fù)雜度低、所需存儲空間小的優(yōu)勢。該方法對特征點(diǎn)局部圖象塊進(jìn)行隨機(jī)二進(jìn)制采樣比較,并將比較得到的二進(jìn)制字符串作為特征描述向量。不同于BRIEF,該描述子在采樣時采用了一階梯度函數(shù)。論文對特征描述子構(gòu)建過程中的一些參數(shù)進(jìn)行了實驗選取,并給出了基于隨機(jī)二進(jìn)制比較方法中蘊(yùn)含的HASH算法原理。在Oxford數(shù)據(jù)集上的實驗驗證了RBRIEF的性能優(yōu)于SURF、BREIF、ORB。二.基于CUDA編碼模型對RBRIEF的構(gòu)建過程進(jìn)行了并行優(yōu)化,并構(gòu)建了遙感影像目標(biāo)識別框架。提出了基于二叉樹組織的兩階段方法來進(jìn)行并行積分圖的求解;接著采用了“積分圖+盒子濾波”的方式加速RBRIEF描述子構(gòu)建中采樣點(diǎn)梯度的計算;然后基于GPU進(jìn)行了RBRIEF描述子整體的并行化構(gòu)建;最后討論了如何基于RBRIEF描述子實現(xiàn)遙感影像中特定目標(biāo)的快速識別。三.提出了將基于序空間的特征描述子用于高分辨率遙感影像的分類識別。分析了高分辨率遙感影像的特點(diǎn),指出它不存在絕對的參考幀,且可以認(rèn)為是自然圖像與紋理類圖像的結(jié)合。基于此,提出了采用兩種基于序空間的描述子MROGH、SRP來進(jìn)行遙感影像底層特征的描述,這兩種描述子具有較好的方向不變性,且分別適用于自然圖像與紋理類圖像。在UcMerced、WhU數(shù)據(jù)集上的實驗表明:MROGH在高分辨率遙感影像分類上的性能優(yōu)于SIFT,且兩種基于序空間的特征描述子的組合可產(chǎn)生更好的分類性能。四.構(gòu)建了面向軟編碼的圖像空間視覺單詞共現(xiàn)矩陣核,對基于詞袋模型的高分辨率遙感影像分類的整個過程進(jìn)行了實驗評估。分析了不同的編碼框架(BoVW、SPMK、SPCK、SPCK+)、編碼方式(VQ、LLC、KCB)、SVM分類器中核函數(shù)的選取(線性核、交叉核、加性卡方核、指數(shù)卡方核)、多核組合的方式(均值核、多核學(xué)習(xí))對遙感影像分類系統(tǒng)性能的影響。此外,論文實驗結(jié)果驗證了面向軟編碼的圖像空間視覺單詞共現(xiàn)矩陣核的有效性。五.對局部不變特征描述方法進(jìn)行了綜述。論文首先回顧了局部特征描述子的發(fā)展歷程,然后根據(jù)特征描述過程中特征匯聚策略的不同,將現(xiàn)有的特征描述方法分為基于直方圖統(tǒng)計的方法,基于點(diǎn)特征比較的方法和基于機(jī)器學(xué)習(xí)的方法。對各類方法進(jìn)行了較為全面的綜述,并對各類描述子在計算復(fù)雜度、存儲空間、描述子性能方面進(jìn)行了比較,最后給出了局部特征描述研究領(lǐng)域面臨的問題與發(fā)展趨勢。
[Abstract]:......
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙理君;唐娉;霍連志;鄭柯;;圖像場景分類中視覺詞包模型方法綜述[J];中國圖象圖形學(xué)報;2014年03期

2 安如;徐曉峰;李曉雪;梁欣;;黃河源瑪多縣“黑土灘”遙感定量識別[J];光學(xué)精密工程;2013年12期

3 周家香;周安發(fā);陶超;高陳強(qiáng);李靜;;一種高分辨率遙感影像城區(qū)道路網(wǎng)提取方法[J];中南大學(xué)學(xué)報(自然科學(xué)版);2013年06期

4 朱先強(qiáng);黃金才;邵振峰;程光權(quán);;一種定義感興趣局部顯著特征的新方法及其在遙感影像檢索中的應(yīng)用[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2013年06期

5 董文會;常發(fā)亮;李天平;;融合顏色直方圖及SIFT特征的自適應(yīng)分塊目標(biāo)跟蹤方法[J];電子與信息學(xué)報;2013年04期

6 徐秋輝;佘江峰;宋曉群;肖鵬峰;;利用Harris-Laplace和SIFT描述子進(jìn)行低空遙感影像匹配[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2012年12期

7 趙春暉;王瑩;Masahide Kaneko;;一種改進(jìn)的k-means聚類視覺詞典構(gòu)造方法[J];儀器儀表學(xué)報;2012年10期

8 王俊;朱利;;基于圖像匹配-點(diǎn)云融合的建筑物立面三維重建[J];計算機(jī)學(xué)報;2012年10期

9 向征;譚恒良;馬爭鳴;;改進(jìn)的HOG和Gabor,LBP性能比較[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2012年06期

10 朱旭鋒;馬彩文;劉波;;采用改進(jìn)詞袋模型的空中目標(biāo)自動分類[J];紅外與激光工程;2012年05期

，

本文編號：2288470