基于改进SURF的遥感图像目标识别

针对目前遥感图像背景复杂信息量大,导致目标识别过程中特征检测准确率低,特征匹配识别时间长等问题,提出一种基于改进SURF(speeded-up robust features)算法的目标识别方法.该方法采用Grab Cut算法对目标模板进行分割,通过高斯混合模型(Gaussian mixture model,GMM)进行初始化以达到能量最小化分割,并通过快速Hessian矩阵进行特征检测,采用欧式距离完成匹配识别.实验结果表明:使用改进算法进行遥感图像目标识别,能有效去除冗余特征点,提高算法的识别精度和运算速度.     

高分辨率遥感图像中油库的检测识别

针对遥感图像中油库检测识别效率低、难度大的问题,提出了一种分布式的目标检测识别方法.首先利用多阈值Otsu方法分割出目标,然后利用油罐的类圆形特征和分布式目标的空间分布规律对油库进行检测识别,最后通过油库场景分布的先验知识,提高检测识别效率、降低虚警率.实验表明本文方法可以有效实现对遥感图像中油库的检测识别.     

基于随机森林特征选择的视频烟雾检测

利用随机森林算法,提出了一种基于随机森林特征选择的视频烟雾检测方法.首先,提取四种表征烟雾的特征:RGB颜色特征,小波变换高频子图,多尺度局部最大饱和度,多尺度暗通道;其次,根据烟雾图像信息模型利用无烟图片合成烟雾图片并分块得到随机森林训练样本;第三,训练随机森林进行特征选择并通过训练支持向量机得到识别烟雾块和非烟雾块的分类器,并由此得到视频图像帧的疑似烟雾区域;最后通过视频烟雾区域的凸形度和增长率分析,得到烟雾检测的结果。实验结果表明,该方法能够及时的预警烟雾同时降低火灾预警的误报率.     

生态环境变化趋势的物元可拓识别及其效果检验

为了建立森林火灾后生态变化趋势的分类识别模型,在确定判别指标及分类标准的基础上,针对火灾后生态变化遥感监测资料和调查信息的复杂性以及单因素识别与类别划分结果之间的不相容性特点,应用物元可拓集方法,构造物元矩阵,根据计算出的关联度值大小对森林火灾后生态变化趋势进行可拓识别。实例分析表明：物元可拓法应用于森林生态变化趋势识别结果与实际调查结果基本吻合。     

面向遥感图像的小样本目标检测改进算法研究

针对传统的遥感图像目标检测中面临的小样本以及目标样本分布不均衡等问题, 提出了一种基于改进的卷积神经网络(convolutional neural network, CNN)的遥感图像小样本目标检测算法. 首先, 该算法利用 $K$ 近邻($K$-nearest neighbor, kNN)回归分别对每个点和卷积层提取特征构建局部邻域; 同时, 通过最大池化聚合所有局部特征进行全局特征表示; 最后, 采用全连接层与缩放指数型线性单元(scaled expected linear unit, SELU)激活函数计算各类别对应的概率并分类. 实验结果表明, 该算法能够更有效地融合局部特征, 提高了遥感图像小样本目标识别与检测的精度, 同时保持信息的非局部扩散.     

基于神经网络和图像分割的林火图像识别研究

为了提高森林灭火航弹投放的准确性,提高航弹的利用率,对森林火灾图像识别方法进行了优化设计,将阈值分割和神经网络算法相结合,实现了火灾图像的智能识别,提高了图像识别的精确性。本研究利用高清摄像机获取森林火灾图像,采用阈值分割技术对图像进行提取,通过MATLAB计算得到有无火灾的信息,控制系统获取火灾信息后对灭火航弹的投放进行决策,提高了灭火过程的自动化水平。对图像识别算法进行了测试,通过测试发现,该算法可以有效地提高火灾的识别效率和识别精度,为森林灭火的自动化提供了参考。     

基于遥感图像梯度特征的运动模糊检测方法

为了精确描述由于高分辨率卫星在轨动力学环境不确定干扰造成的光学传感器拍摄遥感图像退化的过程,在自然图像的运动模糊点扩散函数检测方法的基础上,提出一种基于遥感图像梯度特征的运动模糊检测方法. 该方法利用图像分割和梯度特征选择处理区域,对遥感图像进行预处理,使图像的梯度特征更加符合检测方法的先验知识,采用基于概率分布的点扩散函数估计方法获得图像的退化模型. 结果表明该方法提高了图像模糊的检测精度,获得了更准确的遥感图像运动模糊点扩散函数的检测结果.      

基于视频流的林火烟雾运动目标检测方法的研究

运动目标检测是实现视频图像分类与识别的前提.烟雾是森林火灾发生早期的显著特点和视觉现象,通过对林火烟雾图像的特征分析,研究了几种常用的运动目标检测方法,即帧间差分法、背景估计法等,分析了其实现过程,对比了它们的优缺点,并寻求最佳的视频林火烟雾运动目标检测方法.实验结果表明:改进的背景估计法结合色彩判断准则的方法不仅具有更好的烟雾捕捉能力,而且抗干扰能力强,将大大减轻后续图像识别的压力.     

TM遥感图像中居民点的自动提取

介绍了一种TM遥感图像中居民点目标自动提取的方法.针对TM遥感图像的光谱特征,提出一种基于多波段信息的图像分割模型,提取出居民点、道路及河滩地等光谱相近的地物.然后依据居民点的形态特征分离道路,并利用空间关系知识分离出河滩地.试验结果表明该方法能快速准确地识别提取TM遥感图像中的大部分居民点.     

基于SMF的遥感图像纹理目标识别方法

提出使用标准模型特征(SMF)在遥感图像中提取和识别纹理目标的方法.在预处理阶段进行纹理区域划分,根据纹理差异将图像划分为多个可能目标和背景区域;在识别阶段,对于每个可能的目标区域,运用SMF判定区域中每一像素所属类别,以区域中大部分像素的类别作为该区域的类别,从而排除非目标区域,获得目标区域,得到识别结果.实验表明SMF是识别遥感图像纹理目标的有效特征.