基于遥感图像分块直线特征检测的机场跑道检测方法

针对遥感图像机场跑道检测问题,提出了一种基于图像分块直线特征检测的机场跑道检测方法。首先,针对遥感图像数据量大带来的计算处理问题,设计了基于直线分割检测子（LSD）的遥感图像分块直线特征检测环节;然后,在总结归纳机场跑道数学特性的基础上,对提取的直线特征进行平行线分组、直线生长、平行线合并,并以Radon变换为基础,找出候选机场跑道区域;最后,使用灰度统计信息并结合梯度方向直方图对候选区域进行处理,筛选出最终的机场道路区域。实验结果表明,在能够提取出有效直线特征的情况下,该方法可以对多类机场跑道进行有效定位。     

基于弹性网稀疏编码的空间目标识别

 传统的特征袋(BoF)模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外,l₁范数约束下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征,而不关注哪一个特征被选择。本文提出一种基于弹性网稀疏编码的特征袋模型。该模型利用尺度不变特征变换(SIFT)特征描述子构建特征字典,再通过弹性网回归模型求解每个描述子所对应的稀疏系数向量,最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于l₁范数稀疏编码的特征袋模型相比,该模型有较好的识别性能,并对视角变化具有较强的鲁棒性。在空间目标图像数据库上的实验验证了该模型的有效性。