-
公开(公告)号：CN107622239B
公开(公告)日：2019-11-26
申请号：CN201710854158.9
申请日：2017-09-15
Applicant: 北方工业大学
Abstract: 一种层次化局部结构约束的遥感图像指定建筑区检测方法，针对复杂大视场遥感图像指定建筑区，本发明提出了一种层次化局部结构约束的遥感图像指定建筑区检测算法。首先，在关键点生成阶段提出一种基于结构模式描述的疑似建筑区关键点筛选方法，利用多级局部模式直方图特征，对初始关键点进行局部模式特征描述，然后采用OC‑SVM筛选出具有建筑属性的关键点。其次，在关键点匹配阶段，提出关键点局部结构相似性双层匹配方法，并对粗匹配后具有较高局部结构相似性的关键点进行精匹配，以此来构建一种对大视场遥感图像指定建筑区快速、可靠的检测方法。
-
公开(公告)号：CN106056084B
公开(公告)日：2019-05-24
申请号：CN201610382461.9
申请日：2016-06-01
Applicant: 北方工业大学
Abstract: 一种多分辨层次化筛选的遥感图像港口船舶检测方法，针对大尺寸高分辨率光学遥感图像港口内船舶，采用coarse‑to‑fine(由粗到细)方法对图像处理，结合突异检测方法与Harris角点描述子(Harris Corner Detector)检测方法，构建一种高效的港口内船舶检测方法。首先，将大尺寸图像抽样后的图像分别执行突异与多角度旋转突异检测，判断两种方法得到的疑似船舶面积，并将判断结果进行区域拓展，得到港口区域的疑似显著区。之后，取得原分辨率图像中的疑似显著区域，再对原分辨率下的疑似显著区分别进行突异和多角度旋转突异检测，使用Harris角点描述子方法检测两种检测方法得到的疑似船舶的船头特征，将检测得到的船舶坐标返回到原高分辨率图像中进行标记，最终得到原高分辨率图像中的船舶标记。
-
公开(公告)号：CN107169412A
公开(公告)日：2017-09-15
申请号：CN201710226601.8
申请日：2017-04-09
Applicant: 北方工业大学
CPC classification number: G06K9/0063 , G06T7/11 , G06T7/136 , G06T2207/10032
Abstract: 本发明提出了基于混合模型决策的遥感图像靠港船只检测方法，采用层次化算法框架实现港内船舶的精确检测。候选区筛选阶段，对输入的高分辨率大尺寸的港口图像进行快速水体分离，并基于全向双维度交叉扫描方法快速筛选候选区。候选区鉴别阶段，提出一种基于混合决策模板进行候选区的可靠鉴别的方法。首先，根据船舶关键部位和整体特征，以及与周围环境的上下文关系，训练并得到三个决策子模型，并将子模型各自判决结果基于混合模型决策模板进行候选区鉴别。相对于传统方法，本方法能有效克服船舶种类繁多，停泊姿态各异以及船身被部分遮挡等因素带来的不利影响，并只需较短的时间就能得到精确度较高的检测结果。
-
公开(公告)号：CN106067022A
公开(公告)日：2016-11-02
申请号：CN201610366241.7
申请日：2016-05-28
Applicant: 北方工业大学
CPC classification number: G06K9/3241 , G06K9/6256
Abstract: 一种基于DPM算法的遥感图像靠港船舶检测虚警剔除方法，针对光学遥感图像中港口内船舶目标，结合已有的基于形态特征候选区域检测算法，构建一种高效的靠港船舶目标的虚警剔除方法。首先离线建立船舶目标训练数据库，训练并初始化船舶模型；并通过HOG算法构建特征图像金字塔；之后在特征金字塔l层分辨率图像上计算根模型响应得分；找到与l层特征图像相对应的两倍分辨率特征图像，在此图像上计算得到部件模型的响应得分，并对高分区域进行拓展；最后根据根模型与部件模型的得分，得到特征图像金字塔每层的综合得分，通过迭代循环优化得到候选区图像上船舶目标的位置。
-
-
-
Search Results
14
records
(took 0.026 seconds)
