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精品.docVIP

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