以高原無人區(qū)稀疏建筑物為研究對象,將Hough變換、Haar-like特征與AdaBoost算法相結(jié)合構(gòu)造強(qiáng)分類器,利用高分辨率遙感影像快速精確地從無人區(qū)檢測出固定稀疏建筑物。首先對影像進(jìn)行邊緣檢測、Hough變換的直線提取與幾何旋轉(zhuǎn)校正,將實際可能是任何角度的建筑物旋轉(zhuǎn)成水平或垂直狀態(tài),再將旋轉(zhuǎn)后圖像提取Haar-like特征后利用AdaBoost算法進(jìn)行分類。實驗證明,該算法原理簡單,能有效解決僅用Haar-like特征精度不適應(yīng)建筑物角度多變的問題,說明了Hough變換直線特征提取與Haar-like矩形特征提取多角度稀疏建筑物的可行性,為快速精確檢測無人區(qū)的稀疏建筑物提供了新思路。 

【文章來源】：測繪地理信息. 2020,45(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

圖像旋轉(zhuǎn)校正

對訓(xùn)練樣本集進(jìn)行邊緣檢測、Hough變換提取建筑物直線特征、粗檢篩選與圖像校正,將校正的圖像提取Haar-like特征后在檢驗的AdaBoost分類器中進(jìn)行識別。Haar-like特征+AdaBoost分類器可以快速提取并利用簡單幾何特征進(jìn)行分類,對邊緣、線性特征有很好的識別能力,但效果還有待提高。在選取閾值的時候,為了更好地搜索出所有的稀疏建筑物,應(yīng)可以有少量錯檢但盡量無漏檢。用稀疏建筑物為正樣本,戈壁、森林、河流、灌木、沙漠海灘為負(fù)樣本。在訓(xùn)練過程中經(jīng)過閾值的選定,最后準(zhǔn)確率可以達(dá)到76%。與僅使用Haar-like特征與AdaBoost分類器相比,Hough變換與Haar-like特征相結(jié)合能通去掉部分不含有房屋的建筑物,排除部分有人工痕跡的圖像(如道路),并且能檢測出部分不結(jié)合Hough變換時漏檢的多角度建筑物,經(jīng)過Hough變換提取直線特征,再旋轉(zhuǎn)校正后,用Haar-like提取矩形特征,能解決僅使用Haar-like特征不適應(yīng)建筑物角度多變的問題。最后針對高分辨率遙感影像進(jìn)行稀疏建筑物檢測。將高分辨率圖像利用滑塊分窗,對每個滑窗進(jìn)行邊緣檢測、Hough變換提取建筑物直線特征與圖像旋轉(zhuǎn)校正,將校正的圖像提取Haar特征后放入檢驗的AdaBoost分類器中進(jìn)行識別。圖5是對分辨率達(dá)到0.2 m的航空影像進(jìn)行驗證的結(jié)果圖。圖5中實驗區(qū)內(nèi)有兩個稀疏建筑物,其余部分為林地與道路,這與算法得出的結(jié)果相符。

最后針對高分辨率遙感影像進(jìn)行稀疏建筑物檢測。將高分辨率圖像利用滑塊分窗,對每個滑窗進(jìn)行邊緣檢測、Hough變換提取建筑物直線特征與圖像旋轉(zhuǎn)校正,將校正的圖像提取Haar特征后放入檢驗的AdaBoost分類器中進(jìn)行識別。圖5是對分辨率達(dá)到0.2 m的航空影像進(jìn)行驗證的結(jié)果圖。圖5中實驗區(qū)內(nèi)有兩個稀疏建筑物,其余部分為林地與道路,這與算法得出的結(jié)果相符。3 結(jié)束語

【參考文獻(xiàn)】：
期刊論文
[1]一種多特征融合的高分辨率遙感影像道路中心線提取算法[J]. 蔣星詳,肖莉.  測繪地理信息. 2019(04)
[2]Jason2衛(wèi)星測高數(shù)據(jù)在長江中游水位監(jiān)測中的應(yīng)用[J]. 王紅,孫福寶,楊濤,劉法.  三峽生態(tài)環(huán)境監(jiān)測. 2018(03)
[3]利用LiDAR和航空影像的屋頂邊緣提取及優(yōu)化[J]. 朱琴,楊英寶,張寧寧.  地理空間信息. 2018(04)
[4]無人飛艇低空高光譜遙感數(shù)據(jù)采集和處理初探[J]. 任文藝,伍丹,秦林.  三峽生態(tài)環(huán)境監(jiān)測. 2016(02)
[5]基于擴(kuò)展Haar特征的AdaBoost人臉檢測算法[J]. 顏學(xué)龍,任文帥,馬峻.  計算機(jī)系統(tǒng)應(yīng)用. 2015(09)
[6]多特征多閾值級聯(lián)AdaBoost行人檢測器[J]. 崔華,張驍,郭璐,袁超,薛世焦,宋煥生.  交通運輸工程學(xué)報. 2015(02)
[7]基于新Haar-like特征的Adaboost人臉檢測算法[J]. 江偉堅,郭躬德,賴智銘.  山東大學(xué)學(xué)報(工學(xué)版). 2014(02)
[8]一種基于類Haar特征和改進(jìn)AdaBoost分類器的車輛識別算法[J]. 文學(xué)志,方巍,鄭鈺輝.  電子學(xué)報. 2011(05)
[9]利用AdaBoost算法進(jìn)行高分辨率影像的面向?qū)ο蠓诸怺J]. 龔健雅,姚璜,沈欣.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2010(12)
[10]基于新Haar-like特征的多角度人臉檢測[J]. 劉曉克,孫燮華,周永霞.  計算機(jī)工程. 2009(19)

博士論文
[1]智能交通系統(tǒng)中基于視頻的行人檢測與跟蹤方法的研究[D]. 湯義.華南理工大學(xué) 2010

碩士論文
[1]基于AdaBoost的人臉檢測與跟蹤算法研究[D]. 張山林.蘭州大學(xué) 2013



本文編號：3353957