光學(xué)遙感圖像的多目標(biāo)檢測(cè)與識(shí)別一直是圖像處理與分析領(lǐng)域的熱點(diǎn)研究問題。針對(duì)多特征單一分類器決策級(jí)融合不能很好的利用特征與分類器的適應(yīng)性,導(dǎo)致識(shí)別的準(zhǔn)確率很難進(jìn)一步提高的問題,提出了基于D-S證據(jù)理論的多特征多分類器決策級(jí)融合策略。首先提取了兩種簡(jiǎn)單且具有平移、縮放不變性的特征;其次分別引入3種適應(yīng)性較好的分類器進(jìn)行分類;最后設(shè)計(jì)了兩級(jí)的D-S證據(jù)理論的融合方案,并且在置信度函數(shù)計(jì)算的過程中引入表征分類器性能的混淆矩陣。該算法有效地解決了分類器輸出的不確定性問題,進(jìn)一步提高了光學(xué)遙感圖像多目標(biāo)分類識(shí)別的準(zhǔn)確性。測(cè)試表明,對(duì)4種目標(biāo)的識(shí)別率達(dá)到97.22%,驗(yàn)證了算法的有效性。 

【文章來源】：電子測(cè)量與儀器學(xué)報(bào). 2020,34(05)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

艦船的旋轉(zhuǎn)歸一化圖像及其HOG特征表示

圖3 分類器融合過程示意圖

本文使用自行建立的遙感圖像庫對(duì)所提出的算法進(jìn)行了測(cè)試,數(shù)據(jù)庫總體分為4個(gè)類別,包含飛機(jī)、汽車、油罐、船艦,每類共有74幅圖像,總共包含74×4共288張圖像,部分圖例如圖4所示。4.1 三種分類器對(duì)應(yīng)兩種特征測(cè)試結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于流形學(xué)習(xí)的光學(xué)遙感圖像分類[J]. 王云艷,羅冷坤,王重陽.  計(jì)算機(jī)工程與科學(xué). 2019(07)
[2]基于SPCA和HOG的單樣本人臉識(shí)別算法[J]. 韓旭,諶海云,王溢,許瑾.  計(jì)算機(jī)科學(xué). 2019(S1)
[3]基于多分類學(xué)習(xí)的光學(xué)遙感圖像艦船檢測(cè)[J]. 陳麗瓊,石文軒,范賜恩,鄧德祥.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(05)
[4]基于三維可視化空中走廊體系的城市低空空域航圖繪制研究[J]. 馮登超,秦?zé)ㄓ?曾湧,王春喜.  電子測(cè)量與儀器學(xué)報(bào). 2018(04)
[5]基于BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)D-S證據(jù)理論的目標(biāo)識(shí)別方法[J]. 張志,楊清海.  計(jì)算機(jī)應(yīng)用與軟件. 2018(03)
[6]多特征的光學(xué)遙感圖像多目標(biāo)識(shí)別算法[J]. 姬曉飛,秦寧麗,劉洋.  智能系統(tǒng)學(xué)報(bào). 2016(05)
[7]基于光學(xué)遙感圖像的目標(biāo)檢測(cè)與分類識(shí)別方法[J]. 姬曉飛,秦寧麗.  沈陽航空航天大學(xué)學(xué)報(bào). 2015(01)
[8]特征點(diǎn)和不變矩結(jié)合的遙感圖像飛機(jī)目標(biāo)識(shí)別[J]. 曾接賢,付俊,符祥.  中國圖象圖形學(xué)報(bào). 2014(04)
[9]基于SVM概率輸出與證據(jù)理論的多分類方法[J]. 權(quán)文,王曉丹,王堅(jiān),張玉璽.  計(jì)算機(jī)工程. 2012(05)
[10]采用獨(dú)立分量分析Zernike矩的遙感圖像飛機(jī)目標(biāo)識(shí)別[J]. 劉富,于鵬,劉坤.  智能系統(tǒng)學(xué)報(bào). 2011(01)

碩士論文
[1]基于復(fù)雜背景的光學(xué)遙感圖像艦船目標(biāo)檢測(cè)技術(shù)[D]. 金文超.哈爾濱工程大學(xué) 2013



本文編號(hào)：3105432