论文部分内容阅读
高分辨率遥感影像已广泛应用于军事解译、测绘制图、城市规划、资源环境监控、农业农林监管、灾害监测等各个领域。随着遥感影像分辨率越来越高,拍摄周期越来越短,蕴含的信息越来越丰富,遥感技术必将在更多的领域发挥作用。如何利用高分辨率遥感影像作为数据源,实现信息的自动提取以及感兴趣目标的自动识别是我们需要解决的重大问题之一。本文以计算机视觉领域中自然图像识别理论为基础,结合高分辨率遥感影像的特性,对影像识别过程中的关键技术进行了研究,构建了基于序的特征描述方法,为典型目标识别及一般目标的分类识别提供了快速可行的解决方案。主要贡献描述如下:一.构建了一种轻量级的特征描述子RBRIEF,该描述子具有计算复杂度低、所需存储空间小的优势。该方法对特征点局部图象块进行随机二进制采样比较,并将比较得到的二进制字符串作为特征描述向量。不同于BRIEF,该描述子在采样时采用了一阶梯度函数。论文对特征描述子构建过程中的一些参数进行了实验选取,并给出了基于随机二进制比较方法中蕴含的HASH算法原理。在Oxford数据集上的实验验证了RBRIEF的性能优于SURF、BREIF、ORB。二.基于CUDA编码模型对RBRIEF的构建过程进行了并行优化,并构建了遥感影像目标识别框架。提出了基于二叉树组织的两阶段方法来进行并行积分图的求解;接着采用了“积分图+盒子滤波”的方式加速RBRIEF描述子构建中采样点梯度的计算;然后基于GPU进行了RBRIEF描述子整体的并行化构建;最后讨论了如何基于RBRIEF描述子实现遥感影像中特定目标的快速识别。三.提出了将基于序空间的特征描述子用于高分辨率遥感影像的分类识别。分析了高分辨率遥感影像的特点,指出它不存在绝对的参考帧,且可以认为是自然图像与纹理类图像的结合。基于此,提出了采用两种基于序空间的描述子MROGH、SRP来进行遥感影像底层特征的描述,这两种描述子具有较好的方向不变性,且分别适用于自然图像与纹理类图像。在UcMerced、WhU数据集上的实验表明:MROGH在高分辨率遥感影像分类上的性能优于SIFT,且两种基于序空间的特征描述子的组合可产生更好的分类性能。四.构建了面向软编码的图像空间视觉单词共现矩阵核,对基于词袋模型的高分辨率遥感影像分类的整个过程进行了实验评估。分析了不同的编码框架(BoVW、SPMK、SPCK、SPCK+)、编码方式(VQ、LLC、KCB)、SVM分类器中核函数的选取(线性核、交叉核、加性卡方核、指数卡方核)、多核组合的方式(均值核、多核学习)对遥感影像分类系统性能的影响。此外,论文实验结果验证了面向软编码的图像空间视觉单词共现矩阵核的有效性。五.对局部不变特征描述方法进行了综述。论文首先回顾了局部特征描述子的发展历程,然后根据特征描述过程中特征汇聚策略的不同,将现有的特征描述方法分为基于直方图统计的方法,基于点特征比较的方法和基于机器学习的方法。对各类方法进行了较为全面的综述,并对各类描述子在计算复杂度、存储空间、描述子性能方面进行了比较,最后给出了局部特征描述研究领域面临的问题与发展趋势。