基于局部特征的空间目标图像分类

摘要

随着全球太空资源开发热潮的不断高涨,空间目标识别技术变得越来越重要,它是人类研究空间、控制空间的基础,对国家安全具有重要的意义,尤其在军事上表现地更为突出。但是该领域的研究还处于初级阶段,存在很多尚未解决的问题,因此有必要开展相关的理论研究工作。
　　空间目标主要是指卫星,随着天基光学系统对空间目标具备逐步成像的能力,这为从光学图像角度识别空间目标提供了可靠条件。如同一般图像,空间目标图像往往也都存在噪声、光照模糊、视角变化等因素;另外空间目标分类是一种类内的目标分类,各目标的外观特征差异较小因此会造成图像表达上的相似性问题,这给空间目标识别带来很大难度。本文根据空间目标图像特点,通过引用一般目标的识别技术分别从图像局部不变特征、图像紧凑表示、目标分类三个层次进行了研究。首先概述了空间目标识别的用途和发展状况,接着针对空间目标图像提出了一种新的局部特征算法,并提取图像的局部特征。而后在此基础上利用高斯混合模型(GMM)进行全局图像的特征建模得到图像的第一层表示,在该层表示的基础上通过概率潜在语义分析(PLSA)分解得到每个图像的二次表示来提高图像表示向量的判别性,最后使用支持向量机的方法进行分类识别,实验结果验证了本文所提算法的有效性。最后总结了全文的研究工作,提出了空间目标识别面临的困难和建议以及今后所需要完善的相关问题。

目录

封面

声明

中文摘要

英文摘要

致谢

目录

图表清单

第一章 绪论

1.1图像目标分类和识别

1.2图像目标识别技术的难点

1.3基于局部特征的目标识别方法

1.4空间目标识别

1.5本文的主要研究内容和创新点

1.6论文的章节组织

第二章 图像的局部特征

2.1局部特征

2.2本文所使用的局部特征

2.3实验结果与分析

2.4本章小结

第三章 支持向量机

3.1线性可分支持向量机

3.2线性不可分支持向量机

3.3非线性支持向量机

3.4支持向量机的多类分类

3.5本章小结

第四章 基于水平集的空间目标图像分类

4.1水平集方法简介

4.2不变矩函数

4.3实验数据仿真

4.4实验结果

4.4本章小结

第五章 基于二次表示的空间目标图像分类

5.1引言

5.2预备知识

5.3图像视觉模式的直方图表示

5.4图像二次表示

5.5本文方法的特点

5.6实验结果

5.7 本章小结

第六章 论文总结

6.1本文研究工作总结

6.2不足之处

参考文献

攻读硕士学位期间参与科研项目及发表的论文