本文關(guān)鍵詞： 紋理特征 合成孔徑雷達(dá) 局部二進(jìn)編碼 重要性采樣　出處：《自動(dòng)化學(xué)報(bào)》2014年02期 　論文類(lèi)型：期刊論文

【摘要】：合成孔徑雷達(dá)(Synthetic aperture radar,SAR)圖像因?yàn)橄喔砂攥F(xiàn)象和目標(biāo)響應(yīng)的空間變化呈現(xiàn)出一種紋理特性,局部二進(jìn)編碼等局部圖像特征在光學(xué)紋理描述中獲得較好的結(jié)果,但光學(xué)紋理特征在描述SAR圖像紋理特性中因?yàn)橄喔沙上裉匦酝?本文在前期工作紋理特征框架的基礎(chǔ)上,提出了一種局部重要性采樣二進(jìn)編碼的SAR圖像紋理特征(Feature extraction based on local important sampling binary,LISBF)描述方法:首先,利用樣本圖像對(duì)局部采樣位置進(jìn)行隨機(jī)自適應(yīng)采樣,基于重要性采樣(Important sample,IS)方法輸出遞歸學(xué)習(xí)位置結(jié)果;然后,利用學(xué)習(xí)出的紋理重要采樣點(diǎn)對(duì)進(jìn)行二進(jìn)特征編碼;最后,通過(guò)映射和統(tǒng)計(jì)生成描述算子.該特征較固定位置采樣能夠獲取更大范圍信息,同時(shí)能通過(guò)采樣避免特征維數(shù)的急劇增大;通過(guò)自適應(yīng)學(xué)習(xí)重要性關(guān)鍵點(diǎn)較隨機(jī)采樣更容易捕捉紋理固有信息;較好地適應(yīng)了SAR圖像極低信噪比和斑點(diǎn)現(xiàn)象的紋理.本文將該特征用于真實(shí)圖像和標(biāo)準(zhǔn)紋理庫(kù)的分類(lèi)研究,實(shí)驗(yàn)結(jié)果證明了該特征的有效性.
[Abstract]:Synthetic aperture radar (SAR) images show a texture characteristic because of the speckle phenomenon and the spatial variation of the target response. The local image features such as local binary coding have better results in the optical texture description. However, in describing the texture characteristics of SAR images, the optical texture features often fail because of the coherent imaging characteristics. In this paper, a local importance sampling binary coding method for describing the texture feature extraction based on local important sampling binary SAR image is proposed. Firstly, random adaptive sampling of the local sampling location is performed using the sample image. Based on the importance sampling method, the recursive learning position is outputted. Then, binary feature coding is carried out by using the texture important sampling points. The description operator is generated by mapping and statistics. The feature can obtain a larger range of information than the fixed position sampling, and can avoid the sharp increase of feature dimension by sampling. It is easier to capture the inherent texture information by adaptive learning the key points of importance than random sampling, which adapts the texture of SAR images with extremely low SNR and speckle phenomena. In this paper, the feature is applied to the classification of real images and standard texture databases. The experimental results show the effectiveness of the feature.
【作者單位】： 武漢大學(xué)電子信息學(xué)院信號(hào)處理實(shí)驗(yàn)室;
【基金】：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)(2013CB733404) 國(guó)家自然科學(xué)基金(41371342,61331016) 中國(guó)博士后基金 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室專(zhuān)項(xiàng)科研經(jīng)費(fèi)資助~~
【分類(lèi)號(hào)】：TN957.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 曾慧;穆志純;王秀青;;一種魯棒的圖像局部特征區(qū)域的描述方法[J];自動(dòng)化學(xué)報(bào);2011年06期

2 趙海英;楊一帆;徐正光;;基于多角度LBP特征的三維人臉性別分類(lèi)[J];自動(dòng)化學(xué)報(bào);2012年09期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 榮騰中;劉朝林;徐旺;;多維復(fù)雜分布的MCMC抽樣[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年08期

2 陳歡歡;陶建鋒;周峰;鄭甲子;;基于EPF-IMM算法的高機(jī)動(dòng)目標(biāo)跟蹤研究[J];電光與控制;2010年10期

3 彭云輝;劉云峰;繆棟;楊小岡;;高斯混合粒子濾波器在狀態(tài)估計(jì)中的應(yīng)用[J];彈箭與制導(dǎo)學(xué)報(bào);2007年01期

4 張仲凱;康健;芮國(guó)勝;;基于速度約束的粒子濾波算法研究[J];彈箭與制導(dǎo)學(xué)報(bào);2010年01期

5 柳征;王明陽(yáng);姜文利;周一宇;;一種新的貝葉斯調(diào)制分類(lèi)算法[J];電子與信息學(xué)報(bào);2006年07期

6 陳亞文;鄒學(xué)文;;二維非線性拋物型方程參數(shù)反演的貝葉斯推理估計(jì)[J];紡織高�；A(chǔ)科學(xué)學(xué)報(bào);2012年01期

7 馮桂蘭;田維堅(jiān);黃昌清;林盤(pán);張帆;;基于序貫蒙特卡羅的多線索目標(biāo)跟蹤算法[J];光電工程;2010年08期

8 李春鑫;王孝通;徐曉剛;;改進(jìn)粒子濾波算法在目標(biāo)狀態(tài)估計(jì)中的應(yīng)用[J];光電技術(shù)應(yīng)用;2009年01期

9 姚紅革;雷松澤;齊華;郝重陽(yáng);;基于自適應(yīng)粒子濾波的紅外目標(biāo)跟蹤[J];光子學(xué)報(bào);2009年06期

10 楊京禮;許永輝;姜守達(dá);;基于最小覆蓋集的高精度鏈路丟包率測(cè)量方法[J];電子與信息學(xué)報(bào);2012年12期

相關(guān)博士學(xué)位論文 前10條

1 孫韶杰;模糊圖像中感興趣信息的盲復(fù)原方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

2 田彥;基于視頻的人體姿勢(shì)預(yù)測(cè)與跟蹤[D];北京郵電大學(xué);2011年

3 田雋;基于粒子濾波的視頻目標(biāo)跟蹤算法的研究[D];中國(guó)礦業(yè)大學(xué);2010年

4 劉君;融合計(jì)算智能的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)研究[D];重慶大學(xué);2011年

5 郭鵬;差分進(jìn)化算法改進(jìn)研究[D];天津大學(xué);2012年

6 羅娜;大型聚酯生產(chǎn)過(guò)程智能建模、控制與優(yōu)化研究[D];華東理工大學(xué);2010年

7 胡藝;基于空間模型的小概率地理健康事件生態(tài)學(xué)研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2012年

8 謝從華;基于密度模型的醫(yī)學(xué)圖像分割方法研究[D];江蘇大學(xué);2011年

9 韓華;基于改進(jìn)粒子濾波算法的多目標(biāo)智能視頻跟蹤研究[D];東華大學(xué);2012年

10 崔雨勇;智能交通監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D];華中科技大學(xué);2012年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 陳爾學(xué);李增元;田昕;李世明;;尺度不變特征變換法在SAR影像匹配中的應(yīng)用[J];自動(dòng)化學(xué)報(bào);2008年08期

2 徐劍;丁曉青;王生進(jìn);吳佑壽;;一種融合局部紋理和顏色信息的背景減除方法[J];自動(dòng)化學(xué)報(bào);2009年09期

3 莊嚴(yán);陳東;王偉;韓建達(dá);王越超;;移動(dòng)機(jī)器人基于視覺(jué)室外自然場(chǎng)景理解的研究與進(jìn)展[J];自動(dòng)化學(xué)報(bào);2010年01期

4 藺海峰;馬宇峰;宋濤;;基于SIFT特征目標(biāo)跟蹤算法研究[J];自動(dòng)化學(xué)報(bào);2010年08期

5 應(yīng)自爐;蔡淋波;劉召義;;基于LBP的拉普拉斯特征映射人臉識(shí)別[J];信號(hào)處理;2010年08期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡哲元;余建國(guó);張敏敏;金震東;;胰腺內(nèi)鏡超聲圖像紋理特征提取與分類(lèi)研究[J];生物醫(yī)學(xué)工程學(xué)進(jìn)展;2008年03期

2 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國(guó)圖象圖形學(xué)報(bào);2009年04期

3 閆晶瑩;王成儒;;一種新的紋理特征提取算法[J];西安郵電學(xué)院學(xué)報(bào);2011年01期

4 劉文萍,吳立德;紋理特征提取及分割[J];計(jì)算機(jī)應(yīng)用與軟件;2001年11期

5 黃麗雯;龐柯;汪鑫;施幫利;王濤;炊萬(wàn)年;;基于小波包分析的顱頜面紋理特征提取方法[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年11期

6 姚娜;呂海芳;陳杰;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的漢字紋理特征提取[J];塔里木大學(xué)學(xué)報(bào);2013年04期

7 鄭曉霞;李偉鍵;;基于紋理特征提取的圖像檢索技術(shù)[J];黑龍江工程學(xué)院學(xué)報(bào);2005年04期

8 陳再良;劉晴;鄒北驥;沈海瀾;周浩宇;;結(jié)合視覺(jué)注意和紋理特征提取感興趣區(qū)域算法[J];小型微型計(jì)算機(jī)系統(tǒng);2012年05期

9 肖鵬;徐軍;陳少?zèng)_;;紋理特征提取方法[J];電子科技;2010年06期

10 毛秉毅;;旋轉(zhuǎn)不變傅立葉紋理特征提取[J];計(jì)算機(jī)工程與應(yīng)用;2007年10期

相關(guān)會(huì)議論文 前3條

1 劉玉芳;劉定生;;利用紋理特征提取城市用地信息方法探索[A];中國(guó)地理學(xué)會(huì)2004年學(xué)術(shù)年會(huì)暨海峽兩岸地理學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

2 彭玲;趙忠明;;遙感圖像紋理特征提取的若干方法[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國(guó)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2004年

3 曾文涵;楊練根;謝鐵邦;李柱;;彈頭發(fā)射痕跡紋理特征提取方法的研究[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

相關(guān)博士學(xué)位論文 前2條

1 畢于慧;彩色航空?qǐng)D像森林紋理特征提取方法的研究[D];北京林業(yè)大學(xué);2007年

2 李朝榮;Copula驅(qū)動(dòng)的小波域紋理特征提取研究[D];電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 黃媛媛;基于小波的紋理特征提取算法的研究[D];江蘇科技大學(xué);2012年

2 王龍;圖像紋理特征提取及分類(lèi)研究[D];中國(guó)海洋大學(xué);2014年

3 章智儒;紋理特征提取算法及其在面向?qū)ο蠓诸?lèi)技術(shù)中的應(yīng)用研究[D];電子科技大學(xué);2009年

4 丁守鴻;基于分形分析的紋理特征提取[D];大連理工大學(xué);2011年

5 龐鵬飛;紋理特征提取與自動(dòng)分類(lèi)算法研究[D];天津大學(xué);2012年

6 周璇;鋁土礦浮選精選泡沫顏色校正與紋理特征提取及其應(yīng)用[D];中南大學(xué);2013年

7 林霞;浮選泡沫圖像紋理特征提取研究及應(yīng)用[D];中南大學(xué);2013年

8 欒海軍;高分辨率遙感影像小波域分形紋理特征提取及應(yīng)用[D];福州大學(xué);2010年

9 樸慧;基于小波變換技術(shù)的紋理特征提取技術(shù)的研究[D];沈陽(yáng)航空工業(yè)學(xué)院;2010年

10 潘輝;一種抗幾何形變的紋理特征提取算法研究[D];浙江大學(xué);2007年

，

本文編號(hào)：1498166