利用基于几何图像特征的支撑向量机分类实现高分辨率遥感图像中人造目标的自动识别.doc

利用基于几何图像特征的支撑向量机分类实现高分辨率遥感图像中人造目标的自动识别 摘要 随着地球同步卫星能够在提供可见光范围内分辨率好于5米的遥感图像，识别人造目标变得可能了，这在以前较差的分辨率情况下是做不到的。因为遥感图像的大小和不断提高的质量，我们需要计算机辅助识别工具。 在这篇论文里，我们阐述了一种图像处理系统，用来发现和识别高分辨率光学遥感图像中的人造目标。发现在是指从图像中找出一个包含人造目标的小矩形，识别是指将目标分类并进行标记。这些算法基于机器学习方法和一个包含十一种类型人造目标的样本集。这个样本集（每类至少150个样本）是从卫星SPOT 5 THR的图像里人工选取出来的（分辨率2.5米） 为了构造一个与待识别目标类型无关的系统，我们使用了一种基于支撑向量机的监督式机器学习的方法。这个系统对每类目标都利用样本集数据库中样本的几何特征学习得到一个一般模型。 本论文中主要创新的地方在于利用监督式学习的方法，使用了很多几何图像特征，这样可以将各类几何属性不同的目标区分开来。实验结果显示，该方法对人造目标的识别率能够超过80%。 关键字：目标识别，人造目标，支撑向量机，几何面矩 介绍 地球观测图像分辨率优于5米的视觉识别使人造物体的地图的兴趣。传感器的决议,接近1米或更好的让一个更好的歧视,这类物品,但它们通常是一溜宽度小于太小(20公里)的地图批量生产用于城乡规划。因此,传感器等5点集的高分辨率(2.5米)和(60公里)的增长大部分的兴趣的卫星图像使用这个应用领域。 卫星数据允许快速映射的可能性的自然灾害,比如。这类应用提交时间限制。然而,利用图像的这样一个大型含有高浓度的信息是耗时的,而且非常困难的,由一个照片译员。事实上,超过400分析屏幕都需要一个场景。我们为客户提供照片荣获工具,帮助他们的视觉分析的任务。从用户的角度来看,这是一个工具,它可以指出在整体形象是一种特别的对象是存在的,最终给予某种信心比率。 本文的主要目的是探讨认识对象的可能性高分辨率遥感影像中使用一个通用的方法,那就是,这种做法是不依赖于对象。 一个主要的困难的数字图像处理任务时,从图像分辨率比10米度量粗糙,是解决能够应付高复杂性的内容。这主要是由于高复杂性的事实,从用户的角度来看,“元素的利息不仅仅是个人像素或表面结构的对象,而复杂,。 同时分析了土地覆盖中、低分辨率图像可以通过一个像素明智的方法,对高分辨率图像的特异性是我们感兴趣的物体,只能被定义为他们的形状和他们的邻居。因此,很难实现通用的影像处理系统是基于经典两步-特征提取方法以及分类-的方法。 另一方面,处理的高水平的概念,以规则为基础的系统似乎松了genericity前的方法。事实上,这个目标识别问题的方法之一,可以手动定义一个几何模板为每个对象和尝试将它的形象。不幸的是,高可变性内不同对象的类使得这种方法难以发挥。 我们的主要问题之一就是承认域对象的类的对象而不是具体。虽然检测与识别的对象使用特定的方法-调谐到这类对象提取-已经解决了很长一段时间,在计算机视觉(特别是军事),小的工作已经发表的检测与识别的对象的类在遥感图像和通用的方法——而不是具体的特定的对象。 例如,关于自动提取道路提出的建模方法的道路网络的路口,彼此之间的联系交叉口缪群。费利克斯(1999),或提取使用(明确的)scale-dependent模型Hinz和费利克斯(2003)。审查的工作提出了代表(2003)列出的方法,但它们都是特定的道路或网络。这个对象提取遥感影像大量文献也呈现出多种方法提取,但是,又建筑,它们是具体的,这类物品。许多方法利用立体图像双辉盛等。其他方法所需要的重要的先验知识,对周围建筑物Gerke等(2001)。 解决这一问题的相关工作的信息检索中遥感影像档案存在,Datcu等。(1998),德国总理施罗德等。(1998年,2000),戴尔Acqua和Gamba(2001),Daschiel和Datcu(2005),应该鼓舞我们的方法。事实上,这些作品表明使用相关的特点及分类在特徵空间允许相关信息的检索的一个高层语义定义为一个用户通过一个小的例子。 然而,问题的信息检索中大量数据基地有着不同的约束条件的目标识别的问题相比,在一个单一的形象。事实上,所谓的图像挖掘系统与数百到成千上万的图像,这需要一个很聪明的方式索引以允许一个短的反应时间对用户实时互动的系统。由于每个用户的查询可能不同,一个巨大的努力是为了建立一个系统可以连接用户语义和低水平的图像特征。另一方面,所有可能的图像系统知道所有的事件的概率空间,所以使用贝叶斯学习是最适合和简洁的方法来进行。据我们所知,这些系统不设法恢复复合对象的类,但只可定义为辐射特性的一个像素明智的方法。 在目标识别问题,我们指的是要解决,只有少数的例子是可用的