針對(duì)遙感圖像中人工地物目標(biāo)復(fù)雜性和多樣性的問題,提出了一種基于稀疏表示分類的人工地物目標(biāo)檢測方法。根據(jù)遙感圖像的特點(diǎn),首先,在冗余Contourlet變換域中對(duì)遙感圖像進(jìn)行了預(yù)處理,降低了噪聲的干擾;其次,研究了高效的特征提取方法,通過在冗余Contourlet多級(jí)分解中引入最優(yōu)基函數(shù)選擇策略,計(jì)算出遙感圖像的旋轉(zhuǎn)不變紋理特征和基于低頻的強(qiáng)度特征,并與遙感圖像中的分形誤差特征進(jìn)行組合,得出復(fù)合特征向量;最后,利用稀疏表示分類方法對(duì)提取出的組合特征進(jìn)行處理,完成了人工地物目標(biāo)分類,并且利用數(shù)學(xué)形態(tài)學(xué)操作對(duì)分類的結(jié)果進(jìn)行了優(yōu)化。實(shí)驗(yàn)結(jié)果表明,該方法對(duì)人工地物目標(biāo)檢測具有較好的魯棒性和準(zhǔn)確性。 

【文章來源】：控制工程. 2020,27(12)北大核心CSCD

【文章頁數(shù)】：10 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)控制標(biāo)記符分水嶺的牙體硬組織分割[J]. 金茜,汪偉.  計(jì)算機(jī)應(yīng)用研究. 2018(11)
[2]遙感衛(wèi)星影像K-SVD稀疏表示去噪[J]. 夏琴,邢帥,馬東洋,莫德林,李鵬程,葛忠孝.  遙感學(xué)報(bào). 2016(03)



本文編號(hào)：3166728