基于快速视网膜局部特征的遥感图像目标识别

被引：19

作者：

陈彦彤 ^{[1
,2
]}

徐伟 ^{[1
]}

朴永杰 ^{[1
]}

陈娟 ^{[1
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院大学

来源：

仪器仪表学报 | 2016年 / 37卷 / 04期

关键词：

图像处理; 遥感目标识别; AGAST-Difference检测子; FREAK描述符;

D O I：

10.19650/j.cnki.cjsi.2016.04.018

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。

引用

页码：852 / 859

页数：8

共 10 条

[1] 改进的基于局部联合特征的运动目标检测方法 [J].

王顺飞 ;

闫钧华 ;

王志刚 .

仪器仪表学报, 2015, 36 (10) :2241-2248

[2] 基于FREAK特征的快速景象匹配 [J].

王灿进 ;

孙涛 ;

陈娟 .

电子测量与仪器学报, 2015, 29 (02) :204-212

[3] 卫星装配中基于强区分性描述子的识别方法 [J].

白丰 ;

张明路 ;

张小俊 .

仪器仪表学报, 2014, 35 (12) :2653-2662

[4] 高光谱图像异常目标检测研究进展 [J].

赵春晖 ;

李晓慧 ;

王玉磊 .

电子测量与仪器学报, 2014, 28 (08) :803-811

[5] 基于局部多特征的机场跑道检测算法 [J].

闫钧华 ;

许俊峰 ;

艾淑芳 ;

李大雷 ;

王志刚 .

仪器仪表学报, 2014, 35 (08) :1714-1720

[6]

Speeded-Up Robust Features (SURF)[J] . Herbert Bay,Andreas Ess,Tinne Tuytelaars,Luc Van Gool.Computer Vision and Image Understanding . 2007 (3)

[7] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[8] Scale & affine invariant interest point detectors [J].

Mikolajczyk, K ;

Schmid, C .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (01) :63-86

[9]

高分辨遥感图像目标识别技术综述 .2 陈彦彤,王绍举. 中国光学 . 2014

[10]

Freak:Fast retina keypoint .2 Alahi A,Ortiz R,Vandergheynst P. Proceedings of the 25th IEEE Conference on Computer Vision and Pattern Recognition . 2012

← 1 →