兰旭婷,郭中华,2*,李昌昊
(1. 宁夏大学 物理与电子电气工程学院,宁夏 银川 750021;2. 宁夏沙漠信息智能感知重点实验室,宁夏 银川 750021)
高分辨率光学遥感图像有着丰富的空间信息以及清晰的结构和纹理信息,可以对遥感目标如飞机等进行精确的检测识别[1]。光学遥感图像的目标检测与识别表示在遥感图像中确定是否包含一个或多个目标物体,并确定目标在图像中的位置与类别[2]。由于光学遥感图像中的飞机目标类型、尺寸、停放位置等不确定性因素,以及高分辨率光学遥感图像易受光照、天气环境等因素的影响,再加之背景复杂程度大,给高分辨率图像中的目标检测带来了较大的挑战。
为了解决这一挑战,很多学者不断提出了一些传统的新方法。例如,Cheng等人[3]提出HOG算子提取目标的梯度方向,并通过将训练样本与感兴趣区域匹配来获得飞机目标。但飞机梯度方向特征不是唯一的,导致初步处理中出现大量虚假目标,增加了后续处理的负担。Liu等人[4]通过基于大量样本计算平均模板来匹配目标,并根据目标与模板的相似性来识别目标。但是这种方法也需要大量的训练样本,平均模板不能匹配所有的目标。Arandjelovi[5]提出了一种使用边界描述符为平滑和无纹理图像进行对象匹配的方法,该描述符包括采样边界法线方向的轮廓。等距关键点是通过采样图像边界曲线获得的。然后,利用一个关键点周围的局部轮廓的边界法线来描述该点。……