基于多核学习的高分辨率遥感图像目标检测方法

被引：5

作者：

李湘眷 ^{[1
,2
]}

孙显 ^{[1
]}

王宏琦 ^{[1
]}

机构：

[1] 中国科学院空间信息处理与应用系统技术重点实验室/中国科学院电子学研究所

[2] 中国科学院研究生院

来源：

测绘科学 | 2013年 / 38卷 / 05期

关键词：

目标检测; 特征提取; 支持向量机; 多核学习; 滑动窗;

D O I：

10.16251/j.cnki.1009-2307.2013.05.015

中图分类号：

TP751 [图像处理方法]; P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

为更有效地实现复杂场景中的多类目标同时检测,本文提出了一种基于多核学习算法进行目标检测的框架。该方法由特征提取和模型训练2个阶段组成。特征提取阶段,引入了多尺度下的点特征、表观特征同时对多类目标进行综合描述;模型训练阶段,分别采用加权相加和相乘2种方法将提取的各个基础特征组合起来,在支持向量机的框架下对各特征所代表的基础核权重进行学习。将训练所得的分类器结合滑动窗搜索技术对遥感图像进行目标检测实验,结果表明,与传统单核支持向量机相比,准确率更高。

引用

页码：84 / 87

页数：4

共 3 条

[1] Enhanced duckweed detection using bootstrapped SVM classification on medium resolution RGB MODIS imagery [J].

Castillo, C. ;

Chollett, I. ;

Klein, E. .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2008, 29 (19) :5595-5604

[2] Choosing Multiple Parameters for Support Vector Machines [J].

Olivier Chapelle ;

Vladimir Vapnik ;

Olivier Bousquet ;

Sayan Mukherjee .

Machine Learning, 2002, 46 :131-159

[3]

LIBSVM: A Library for Support Vector Machines .2 Chih-Chung Chang,Chih-Jen Lin. http://www.csie.ntu.edu.tw/cjlin/libsvm . 2001

← 1 →