分块鲁棒主成分分析的撞击坑图像检测识别 a robust crater detection and recognition method based on blocked principal components analysis.pdfVIP

下载本文档

4
0
约1.94万字
约 5页
2017-09-04 发布于上海
举报
版权申诉

分块鲁棒主成分分析的撞击坑图像检测识别 a robust crater detection and recognition method based on blocked principal components analysis.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

分块鲁棒主成分分析的撞击坑图像检测识别 a robust crater detection and recognition method based on blocked principal components analysis

2016年2月北京邮电大学学报 Feb.2016 第39卷第1期 Journal of Beijing University of Posts and Telecommunications Vol.39 No.1 文章编号:1007-5321（2016）01-0063-05 DOI：10.13190／ j.jbupt.2016.01.011 分块鲁棒主成分分析的撞击坑图像检测识别刘安, 周东华, 陈茂银（清华大学自动化系,北京 100084）摘要:针对遥感图像地形背景复杂的问题,提出分块鲁棒主成分分析的撞击坑候选区域自动提取方法. 基于图像分块,采用交替方向乘子算法进行结构稀疏的低秩分解,低秩成分表示冗余相似的背景,稀疏成分代表包含潜在撞击坑的显著区域. 针对显著的区域图采用数学形态运算分割获取候选的撞击坑图像,并通过对候选图像进行稀疏表示的分类,识别出真实撞击坑. 基于火星和月球图像的实验结果表明,该方法能有效去除复杂地形和光照的干扰,检测率达到91.7％. 关键词:撞击坑检测;鲁棒主成分分析;视觉显著性;撞击坑候选区域中图分类号:TP391.41 文献标志码:A A Robust Crater Detection and Recognition Method Based on Blocked Principal Components Analysis LU An, ZHOU Dong-hua, CHEN Mao-yin （Department Automation,Tsinghua University,Beijing 100084,China） Abstract：Crater is important for analyzing the relative dating of planetary and lunar surfaces. For the complex terrains in remote sensing images,a robust blocked principal components analysis （RPCA） ap- proach wasproposed to automatically detect crater candidate regions. An alternating direction multipliers algorithm waspresentedfor RPCAbasedontheblockedplanetary images. Thebackgroundismodeledas a low-rankmatrix,andthesalientregionsmapisrepresentedby structuresparsepartsthatcontainpoten- tial craters. The crater candidatesare obtained by mathematical morphological operationsfor the saliency regions map,they are precisely distinguished from falsely detected ones through a sparse representation classifier in feature space. Experimentsontheimagesfrom Marsand Moon demonstrate show thattheac- curacy rate of crater recognition can reach up to 91.7％ by effectively eliminating the effe