遙感圖像中港口目標(biāo)的檢測(cè)與識(shí)別.pdf

1、港口是重要的軍用和民用建筑，遙感圖像在軍事偵察、精確打擊和民用方面有很多應(yīng)用，因此研究遙感圖像中港口目標(biāo)的自動(dòng)檢測(cè)與識(shí)別具有重要意義，但港口目標(biāo)因環(huán)境和特征的復(fù)雜性使其識(shí)別技術(shù)成為圖像處理領(lǐng)域難點(diǎn)之一。本文首先檢測(cè)遙感圖像中是否存在港口目標(biāo)，再對(duì)檢測(cè)出的港口目標(biāo)進(jìn)行基于特征點(diǎn)的Hausdorff距離匹配，由匹配結(jié)果完成港口目標(biāo)識(shí)別。
　　根據(jù)港口灰度、紋理、形狀等特征，分析可用于檢測(cè)的港口知識(shí)。對(duì)遙感圖像進(jìn)行閾值分割、邊緣檢測(cè)和H

2、ough變換等操作后，由港口中防波堤間距離、兩側(cè)灰度和所圍區(qū)域面積判斷提取的直線是否屬于港口目標(biāo)，檢測(cè)出港口目標(biāo)的存在和在實(shí)測(cè)圖中的位置。
　　為保證港口目標(biāo)特征點(diǎn)檢測(cè)的準(zhǔn)確性，在識(shí)別時(shí)首先采用主動(dòng)活動(dòng)輪廓(Snake)模型提取港口目標(biāo)輪廓。Snake模型可以在模型本身的內(nèi)部能量和由圖像產(chǎn)生的外部能量的共同作用使模型不斷逼近目標(biāo)輪廓。改進(jìn)Snake內(nèi)力計(jì)算方法，避免向強(qiáng)邊緣聚集。采用梯度矢量場(Gradient Vector Fl

3、ow,GVF)作為Snake外力，擴(kuò)大模型的捕獲范圍。實(shí)驗(yàn)證明由Snake模型提取的港口目標(biāo)輪廓具有很高的精度。
　　采用基于特征點(diǎn)的Hausdorff距離匹配識(shí)別港口目標(biāo)。通過分析比較各種特征點(diǎn)提取算法，最小吸收核同值區(qū)(Smallest Univalue Segment Assimilating Nucleus,SUSAN)角點(diǎn)檢測(cè)算子具有計(jì)算量小、精度高、穩(wěn)定性好、對(duì)噪聲不敏感等優(yōu)點(diǎn)，可以很好的描述目標(biāo)輪廓特征。采用自適應(yīng)方

4、法計(jì)算灰度閾值和幾何閾值；采用穩(wěn)健有效的相似比較函數(shù)；通過吸收核質(zhì)心與中心的距離去除虛假角點(diǎn)。Hausdorff距離描述兩個(gè)模糊點(diǎn)集之間的相似度，本文對(duì)其進(jìn)行了兩部分改進(jìn)，即部分Hausdorff距離和基于角點(diǎn)特征響應(yīng)值的Hausdorff距離，以消除出格點(diǎn)和圖像遮擋對(duì)匹配結(jié)果的影響。
　　在VC++ 6.0上建立實(shí)驗(yàn)平臺(tái)，利用基于內(nèi)容的相似搜索中的K緊鄰(K Nearest Neighbor,KNN)查詢方法評(píng)價(jià)本文算法，得到回