高分辨率遥感图像多类目标识别研究-模式识别与智能系统专业论文.docxVIP

华 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 本文所研究的针对高分辨率遥感图像的多类目标检测识别任务，有别于传统的 对每类目标建立具体模型的识别方法，其目的是通过提取感兴趣区域，在大尺度图 像范围内同时对多类目标进行检测识别，在保证较高识别率的同时显著提高效率。 针对高分辨率遥感图像中的五类人工建筑物目标（机场，港口，桥梁，公路枢 纽，铁路枢纽），本文使用几何特征提取感兴趣区域与特征向量，参考图像纹理分类 信息，采用树形识别结构在多分辨率进行检测识别。其关键点在于：产生有效的特 征向量描述各类目标，提取感兴趣区域以剔除大量无关背景，以及设计合理的分类 器对潜在的目标进行识别。 本文的主要研究内容如下： 首先，基于人工建筑物目标常表现出较多的线特征，采用线段特征作为初级特 征。改进了相位编组线段检测算法，参考 Canny 算子提取的边缘信息辅 助提取线 段特征。通过实验表明，该改进算法具有效率高，抗噪能力强，能有效提取关键 线段特征的优点。 同时，结合结构匹配方法和特征袋（Bag of Features）思想产生特征向量。对 提取出来的初级线段考虑形状，几何关系和空间关系，将原始线段组合成几何基元 并计算相应属性，由此得到特征向量。 然后，根据人工建筑物目标常表现出密集线段的特性，提出了一种检测遥感图 像中人工建筑物的感兴趣区域提取方法，通过计算线段密度分布图来获得感兴趣区 域。通过实验表明，该方法能够在复杂场景中很好的将人工建筑物区域提取出来， 排除了大量背景区域的干扰。 最后，讨论了 SVM 分类器的参数选择问题，并描述了一种高分辨率遥感图像多 类目标检测识别方法。通过实验表明，针对五类感兴趣目标，该检测识别方法具有 较高识别正确率与效率。 关键词：遥感图像 多类目标检测识别 几何特征 感兴趣区域 II II Abstract Regarding the multi-class detection and recognition task in high-resolution remote sensing images, the method used in this dissertation is different from the traditional methods that build specific model for each class. The objectives of the dissertation lie in two folds: to detect and recognize multi-class objects in large scale images by extracting Regions of Interest (ROIs), and to obtain high recognition rate as well as reduced recognition time. Aiming to detect and recognize five classes of man- made construction: airport, harbor, bridge, highway and railway, geometrical features were used to extract ROIs and feature vectors, texture classification results were referred to judge context information, tree recognition structure was adopted in multi- resolution. The key points are: to generate validate feature vectors to depict each class, to extract ROIs to eliminate the background interferences, and to design effective classifiers to recognize potential objects. The main contributions given in this dissertation are as follows: Firstly, as the man-made constructions show lots of line segments, line segments were extracted as the basic features. The gradient direction group line