本文選題：撞擊坑檢測 + 塔式梯度方向直方圖特征��； 參考：《中國科學:物理學 力學 天文學》2013年11期

【摘要】：基于月貌圖像的撞擊坑的檢測需要采用合理的特征選擇和機器學習策略,我們提出了一種基于區(qū)域局部灰度和梯度分布特征與機器學習方法相結合的撞擊坑檢測方法.這種方法將Haar特征與AdaBoost結合,使候選撞擊坑區(qū)域的定位更加快捷,采用局部區(qū)域的塔式梯度方向直方圖(PHOG)與高效的支持向量機學習算法相結合的方法用來精確地對撞擊坑候選區(qū)域進行分類.考慮到Haar特征數的繁多而采用AdaBoost作為特征提取和分類方法,并由于PHOG特征的每一項都對分類起作用,將撞擊坑區(qū)域統一預處理為不含陰陽面的各向梯度向量基本一致的圓形模糊邊界,使圓形撞擊坑的正樣本特征具備更多的穩(wěn)定性.文中還討論了幾種特征和分類方法的機理和集成,以及參數調整對撞擊坑檢測的效率分析.
[Abstract]:The detection of impact craters based on lunar images requires reasonable feature selection and machine learning strategy. We propose a new method of impact crater detection based on the combination of regional local gray and gradient distribution features and machine learning methods. This method combines Haar features with AdaBoost, which makes the location of candidate crater area faster. The method of combining the tower gradient direction histogram (PHOG) of the local area with the efficient support vector machine learning algorithm is used to classify the candidate area of impact crater accurately. Considering the large number of Haar features, AdaBoost is used as the feature extraction and classification method, and because every item of PHOG features has an effect on the classification, The region of impact crater is pretreated as a circular fuzzy boundary with almost identical gradient vectors without yin and yang, so that the positive sample features of circular impact crater have more stability. The mechanism and integration of several features and classification methods are also discussed, as well as the efficiency analysis of impact crater detection by adjusting parameters.
【作者單位】： 華東交通大學基礎科學學院;
【基金】：國家自然科學基金(批準號:61262031) 中國科學研究院地理研究院科研項目(編號:YQZX-HT-KY-QT-20120119-1)資助
【分類號】：TP181;P184.5

【參考文獻】

相關期刊論文 前2條

1 袁悅鋒;朱培民;趙娜;金丹;張金保;周強;;基于數學形態(tài)學的月海圓形撞擊坑自動識別方法[J];中國科學:物理學 力學 天文學;2013年03期

2 楊俊;趙忠明;楊健;;一種高分辨率遙感影像陰影去除方法[J];武漢大學學報(信息科學版);2008年01期

【共引文獻】

相關期刊論文 前9條

1 孫建國;楊樹文;段煥娥;王沛;閆浩文;;基于光譜和紋理特征的山區(qū)高分辨率遙感影像分類[J];測繪科學;2009年06期

2 梁棟;孔頡;胡根生;黃林生;;基于支持向量機的遙感影像厚云及云陰影去除[J];測繪學報;2012年02期

3 蘇榮華;陳玉華;高洪生;吳衛(wèi);王吉軍;林偉;;基于背景圖像迷彩偽裝顏色研究[J];光電技術應用;2008年05期

4 于東方;殷建平;張國敏;羅磊;;遙感影像建筑物陰影中樹木陰影的去除方法[J];計算機工程;2009年12期

5 于東方;殷建平;張國敏;;一種基于灰度直方圖的遙感影像陰影自動檢測方法[J];計算機工程與科學;2008年12期

6 劉晉蘇;任沁源;韓波;李平;;基于微型無人機平臺的航拍動態(tài)陰影檢測[J];武漢大學學報(信息科學版);2010年11期

7 高賢君;萬幼川;鄭順義;李健;;航空遙感影像陰影的自動檢測與補償[J];武漢大學學報(信息科學版);2012年11期

8 劉輝;謝天文;;基于PCA與HIS模型的高分辨率遙感影像陰影檢測研究[J];遙感技術與應用;2013年01期

9 林宗堅;任超鋒;姚娜;解斐斐;;一種航空影像陰影補償方法[J];武漢大學學報(信息科學版);2013年04期

相關博士學位論文 前3條

1 許毅平;基于高光譜圖像多特征分析的目標提取研究[D];華中科技大學;2008年

2 李海峰;多源遙感數據支持的中等城市熱環(huán)境研究[D];成都理工大學;2012年

3 王瀟;三線陣傳感器影像真正射糾正中遮蔽區(qū)域的檢測及補償研究[D];武漢大學;2009年

相關碩士學位論文 前10條

1 黃莉;城市綠化地動態(tài)監(jiān)測方法研究[D];昆明理工大學;2009年

2 葉智威;基于遙感的高層密集街區(qū)與熱景觀關系研究[D];首都師范大學;2009年

3 于東方;基于陰影的遙感圖像中建筑物自動提取方法研究[D];國防科學技術大學;2008年

4 劉晉蘇;微小型無人直升機航拍動態(tài)陰影檢測研究[D];浙江大學;2010年

5 徐慧琳;運動目標檢測與跟蹤監(jiān)控系統關鍵技術研究[D];杭州電子科技大學;2012年

6 許煒敏;基于BP神經網絡的杉木林蓄積量估測方法研究[D];福建師范大學;2012年

7 王蜜蜂;遙感影像的陰影檢測與補償方法研究[D];西安電子科技大學;2011年

8 司毅博;地理影像導航應用技術研究[D];解放軍信息工程大學;2012年

9 劉懷鵬;基于WorldView-Ⅱ數據的呼和浩特市綠化樹種分類研究[D];內蒙古農業(yè)大學;2013年

10 余婧峰;基于資源三號衛(wèi)星影像的高鐵安全控制區(qū)建筑用地信息提取研究[D];西南交通大學;2013年

【二級參考文獻】

相關期刊論文 前2條

1 張彩甜;賈曉嵐;;圖像邊緣檢測技術及實現[J];價值工程;2011年22期

2 李了了 ,鄧善熙 ,丁興號;基于大津法的圖像分塊二值化算法[J];微計算機信息;2005年14期

，

本文編號：1875260