论文部分内容阅读
目标识别已成为计算机视觉领域的一个研究重点,被广泛的应用于军事领域和民用领域。而对遥感图像中飞机目标的检测与识别是目标识别的一个具体应用,获取飞机目标的信息不仅对战争的胜利非常关键,而且对机场飞机的管理也很重要。目前现有的一些方法虽然能够较好的对飞机目标进行检测与识别,但这些方法都比较繁琐,效果不是很理想。
针对目前这些方法中存在的问题和不足,本文基于遥感图像,对飞机目标的检测与分类识别方法进行研究,主要研究内容包括以下两个方面。
(1)研究了机场图像中飞机目标的检测方法。采用基于角点的匹配方法检测飞机目标,克服了传统匹配方法所带来的分割不准确导致匹配效果不理想的缺点,同时也减少了模板的数量,只需一个模板就可以定位大小相差不大、类型不同的飞机(除直升机以外)。本文采用Mikolajczyk所提出的Harris-Laplacian角点检测方法提取角点,针对机场图像的特殊性即飞机的外形具有一定的几何规则以及背景比较简单,对Harris-Laplacian角点检测算法进行了优化,提高了其角点检测速度,并且可以准确有效的得到图像的角点;最后采用不需要两个特征点集--对应的基于平均距离的Haussdorff距离匹配方法对待匹配图像和飞机模板图像进行匹配,计算其相似度检测出飞机目标。
(2)研究了飞机目标的分类识别方法。采用支持向量机算法对飞机目标进行分类识别,对支持向量机分类算法进行了研究,特别是对支持向量机参数选择算法的研究。给出利用人工鱼群算法对支持向量机参数进行寻优,避免了寻优陷入局部极值。并采用王波涛等人提出的相对矩提取飞机目标的特征量作为支持向量机分类识别的数据,然后利用参数寻优后的支持向量机对提取的特征量进行训练,最后对待识别的飞机目标进行分类识别。该方法得到的结果优于人工选取参数的结果。
文中设计了飞机目标检测与识别模块的算法,并通过Visual C++6.0对其进行了实现,通过实验分析及比较,结果表明该方法能有效的检测出飞机目标并对其进行分类识别,具有一定的可行性。