共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
针对飞机遥感图像识别,对一种基于组合特征选择的目标识别算法进行了研究。考虑获取的飞机样本数量有限,且存在旋转、遮挡等现象,采用提取图像熵值、归一化转动变量、Fourier描述子、Hu矩和Zernike矩不同的不变矩描述其整体和细节特征,用离差标准化的归一化方法进行特征融合。考虑组合不变矩维数相对较高,用主成分分析(PCA)算法进行特征选择以避免维数灾难。用具参数优化的支持向量机(SVM)进行分类识别。给出了目标识别算法的流程。进行了手写数字和飞机目标识别两个仿真实验,结果表明:该特征选择方法在基于MNIST数据集的小样本手写体数字图像识别中,识别效果良好;在有限样本的飞机识别中,经特征选择后识别效果有较大改善,识别时间缩短,训练样本数据多,识别的精度会更高,但当飞机目标的不同姿态下形状发生变化时识别效果会变差。 相似文献
3.
4.
5.
为解决现有基于可见光卫星图像的舰船目标检测算法在云雾遮挡、海岸干扰等复杂场景下的错检和漏检问题,本文在YOLOv5网络基础上,通过空间特征与谱段特征的联合提取提高网络性能,提出了基于可见光与红外卫星图像融合的舰船目标检测算法VI-YOLOv5。实验结果表明:双模态融合目标检测算法性能优于单模态目标检测算法,在交并比阈值为0.5的情况下,可见光+红外融合网络的平均精度达0.976,相较于单可见光网络提高了2.5%,相较于单红外网络提高了8.9%,有效缓解了复杂场景下出现的错检和漏检问题,验证了可见光与红外卫星图像融合在舰船目标检测任务中的有效性。 相似文献
6.
介绍了一种对具有丰富信息的图像进行的编码的简单、精致算法,该算法易于对不同的目标编码,利用目标类与背景不同的目标空间研究了用于压缩合成孔径雷达(SAR)图像的目标空间编码方法。研究了编译背景信息的变速残差矢量量化(VQ)算法。试验结果表明,该算法非常有效,所提出的编码方法可使压缩与图像的最终应用相匹配,因此,该编码方法是目标识别与目标分类的方法。 相似文献
7.
8.
语义分割网络被广泛应用在高分辨率遥感影像建筑物提取领域。但是语义分割网络中的连续下采样会损失特征中的细节信息,导致提取结果边缘模糊,不同深度特征的不充分利用导致传统网络难以识别尺度差异大的建筑物。针对以上问题,文章基于双线性插值上采样和多尺度特征组合提出一种多尺度建筑物提取网络(Multi-scale building extraction network,Msb-Net),该网络包括编码器、解码器以及多尺度特征组合三部分。首先,编码器基于双线性插值上采样丰富图像的细节信息,再通过特征编码提取深层抽象特征;其次,解码器恢复特征空间分辨率,获得深度不同的解码特征;最后,基于多尺度特征组合结构对不同深度的解码特征进行组合,获得最佳的检测结果。文章在马萨诸塞州数据集和武汉大学数据集上进行验证,结果表明,Msb-Net具有更高的识别精度,在两个数据集上交并比指标分别提高了1.71%和1.88%。通过结果对比可以得出结论:相比于传统语义分割网络,Msb-Net可以通过多感受野特征组合的方法更加准确地识别遥感影像中不同尺度的建筑物。 相似文献
9.
针对合成孔径雷达(SAR)图像中的舰船检测与分类问题,常规的图像处理技术或者机器学习方式难以准确检测出海上舰船的类别以及当前舰船运行状态。因海上舰船目标具有相对于SAR图像尺寸较小、方位难以测算以及容易与其他目标混淆的特点,针对上述问题设计了端到端的海上舰船分类与状态感知模型,加入特征金字塔以达到拥有对于微小目标提取其深度特征,同时又保留其相对位置的目的;使用残差结构以解决特征融合网络层数增加导致的梯度消失问题;最后加入舰船状态感知模块,使其最终可以得到海上舰船目标相对于图像的角度值。使用公开SAR卫星图像进行了多次实验,最终体现出提出的端到端的模型具有较高的识别率以及良好的舰船状态估计能力。 相似文献
10.
基于干涉多光谱图像特点和应用环境要求,提出一种基于分布式信源编码和感兴趣区域编码的干涉多光谱图像压缩算法。编码端通过关键帧预测出边信息帧,然后联合估计的边信息帧和插值分布的概率模型在编码端进行比特平面码率估计,最后采用基于率失真提升的感兴趣区域编码,调整图像不同区域的率失真斜率来进行更合理的码率分配。实验结果表明,该算法比传统算法更好地保护了多光谱图像的光谱信息。在不同压缩比的情况下,这种编码方式在干涉多光谱图像压缩系统中可获得较好的效果,算法复杂度低。 相似文献
11.
沿航迹干涉合成孔径雷达能够提供成像物体的雷达后向散射信息与运动信息,被应用于海面洋流流速测量与地海运动目标识别。在实际雷达系统中,由于系统误差、噪声以及回波信号的去相关导致干涉信息测量精度下降。针对上述问题,从信号处理角度提出一种利用沿航迹干涉合成孔径雷达复图像域数据的双边滤波处理算法。该方法利用像素点的干涉幅度、干涉相位以及空间物理分布信息的相似程度自适应地调整滤波器权系数,以平滑复图像域噪声和缓解传统多视滤波处理算法对图像分辨率的损失问题,从而提升干涉信息测量精度。根据沿航迹干涉合成孔径雷达海面舰船目标实测数据实验结果可得:相比于现有典型的滤波方法,所提算法能够提升干涉测量的精度,进而提升舰船目标与海杂波背景的干涉信息分布差异,为后续运动舰船目标的检测提供准确的干涉域特征。 相似文献
12.
场景文本检测与识别对于自然场景的理解、图像中物体信息的获取以及自动驾驶与导航等研究有非常重要的作用。其中场景车牌号识别属于场景文本检测与识别的一个分支,在自然场景中,由于背景复杂、光线暗、模糊等原因,往往造成检测结果的不准确。文本识别的第一步是文本区域的定位,本研究先对图像使用水平滤波器过滤掉大部分背景,然后使用AdaBoost训练haar-like分类器,粗略定位车牌位置,对目标区域进行二值化处理,获得车牌上下边界的点集合,去掉噪点后进行拟合,获得车牌上下边界。对目标区域进行垂直方向投影,根据累加值判断车牌左右边界,从而实现车牌号的精定位。通过实验测试,该算法的准确率和检测效率高。 相似文献
13.
对复杂背景中红外弱小目标检测识别的一种图像处理技术进行了研究。用最大中值滤波进行预处理以抑制孤立噪声影响,采用时域方差滤波抑制背景信息,对滤波后的图像根据直方图信息进行自适应二值化处理,由多帧轨迹确定目标。用实验与基于形态学算子滤波的目标检测算法进行了比较,结果表明该算法能获得较满意的目标检测结果,两种滤波方法的组合可有效提高信噪比。 相似文献
14.
特征点提取与匹配是遥感图像处理中关键的一环,目前成熟的算法大多面向对地成像类型的遥感图像,对于空间目标的遥感图像,没有考虑成像条件与探测平台的影响因素,特征点匹配质量较差。针对空间目标的匹配精度不高这一问题,文章提出了一种基于聚类的特征点匹配算法。首先,根据空间目标的重复弱纹理进行特征点提取与描述,再利用特征点的空间位置进行聚类,并对特征点簇进行匹配;之后将特征点的主方向减去目标整体方向,利用特征点主方向对每一个点簇进行再分组,并完成特征点匹配;最后利用最近邻次近邻比率方法和随机样本一致算法(RANSAC)剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明,对于空间目标图像,基于聚类的特征点匹配较直接匹配,匹配数量的提升最高可达50%,重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子,能够大幅度提高空间目标图像特征点匹配的数量与精度。 相似文献
15.
16.
在红外成象GIF引信工作过程中,实时目标识别及分类是一个重要的环节,它对于引信在弹道终端参与目标的继续跟踪、瞄准点的选择以及炸点的控制方面有很大的帮助.本文提出一种基于傅立叶描述子特征的红外成象GIF目标识别算法,利用归一化的、表示目标完整轮廓的边界点集的傅立叶描述子特征,结合BP神经网络,完成了巡航导弹、直升机、战斗机三种类型目标的识别.通过MATLAB仿真,验证了该算法的可行性,并在DSP硬件开发平台上对程序代码进行了测试,通过傅立叶描述子特征提取程序的改进,对算法进行优化,使算法的实时性得到较大的改善. 相似文献
17.
18.
现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络(Res2NetSE)来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块(Spatial Enhanced FPN,SFPN)用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。 相似文献
19.
合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。 相似文献