逐层特征选择的多层部件模型用于遥感图像飞机目标检测

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

逐层特征选择的多层部件模型用于遥感图像飞机目标检测

张宇, 何楚, 石博, 徐新

文章导航 > 武汉大学学报 ( 信息科学版) > 2014 > 39(12): 1406-1411

张宇, 何楚, 石博, 徐新. 逐层特征选择的多层部件模型用于遥感图像飞机目标检测[J]. 武汉大学学报 ( 信息科学版), 2014, 39(12): 1406-1411.

引用本文:

张宇, 何楚, 石博, 徐新. 逐层特征选择的多层部件模型用于遥感图像飞机目标检测[J]. 武汉大学学报 ( 信息科学版), 2014, 39(12): 1406-1411.

Zhang Yu, He Chu, Shi Bo, Xu Xin. Multrlayer Feature Selection Based Hierarchal Component Model for Aero-plane Detection on Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2014, 39(12): 1406-1411.

Citation:

Zhang Yu, He Chu, Shi Bo, Xu Xin. Multrlayer Feature Selection Based Hierarchal Component Model for Aero-plane Detection on Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2014, 39(12): 1406-1411.

逐层特征选择的多层部件模型用于遥感图像飞机目标检测

张宇¹,
何楚^1,2,
石博¹,
徐新¹

¹武汉大学电子信息学院湖北武汉 430072; ²武汉大学测绘遥感信息工程国家重点实验室湖北武汉 430079

基金项目: 国家973计划资助项目2013CB733404 国家自然科学基金资助项目41371342 61331016 湖北省自然科学基金资助项目2012FFB04203

作者简介:
张宇博士主要从事SAR图像解译研究

中图分类号: P231.5 P237

Multrlayer Feature Selection Based Hierarchal Component Model for Aero-plane Detection on Remote Sensing Image

Zhang Yu¹,
He Chu^1,2,
Shi Bo¹,
Xu Xin¹

¹School of Electronic Information Wuhan University Wuhan 430072 China; ²State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University Wuhan 430079 China;

摘要: 提出了一种基于逐层特征选择的多层部件模型目标检测算法(multi-layer feature selection based hierarchal component model,MFSHCM)，用于遥感图像飞机目标检测。通过提取目标多特征并结合局部判别式模型的建模方法，首先将提取的目标多种特征采用多核学习的方法经过核函数变换后再进行组合，提高了目标描述的准确性;其次考虑到目标自身固有的结构特性，特别是层次结构关系，引入分层的思想，构造目标的分层结构特征，并通过分层特征选择有效地降低了特征计算的复杂度;最后将MKL多特征和分层结构相结合，利用LSVM学习和推理，提出了基于逐层特征选择的多层部件模型目标检测算法。实验中将该算法在收集的十大机场真实场景数据上进行测试，验证了算法的有效性。
- 遥感 /
- 分层结构(LHS) /
- 多核学习(MKL) /
- 多特征组合 /
- 分层特征选择 /
- 目标检测
Abstract: In this paper，we propose a multiple feature based hierarchal component model for aero-plane detection on remote sensing image.In order to take the use of multiple features together with Part-based Model approach，we propose the new algorithm:first，in order to give a more clear description of the target，MKL learning method is used to combine the multiple feature extracted from the target through a liner combination procedure，then，because the object itself has structure features，we build a latent hierarchical structure model(LHSM)，at last，we combine the MKL and LHS together to form the algorithm proposed in the beginning. We also test the effects of the new algorithm by collecting the remote sensing images from ten international airports;the result shows that the new approach is worthwhile.
- remote sensing /
- latent hierarchical structure /
- multiple kernels learning /
- feature combination hierarchal feature selection /
- object detection /

[1]	李星华, 白学辰, 李正军, 左芝勇. 面向高分影像建筑物提取的多层次特征融合网络 . 武汉大学学报 ( 信息科学版), 2022, 47(8): 1236-1244. doi: 10.13203/j.whugis20210506
[2]	张海明, 王明常, 陈学业, 王凤艳, 杨国东, 高苏. 领域知识优化深度置信网络的遥感变化检测 . 武汉大学学报 ( 信息科学版), 2022, 47(5): 762-768. doi: 10.13203/j.whugis20190471
[3]	任加新, 刘万增, 李志林, 李然, 翟曦. 利用卷积神经网络进行“问题地图”智能检测 . 武汉大学学报 ( 信息科学版), 2021, 46(4): 570-577. doi: 10.13203/j.whugis20190259
[4]	张立福, 王飒, 刘华亮, 林昱坤, 王晋年, 朱曼, 高了然, 童庆禧. 从光谱到时谱——遥感时间序列变化检测研究进展 . 武汉大学学报 ( 信息科学版), 2021, 46(4): 451-468. doi: 10.13203/j.whugis20200666
[5]	巨袁臻, 许强, 金时超, 李为乐, 董秀军, 郭庆华. 使用深度学习方法实现黄土滑坡自动识别 . 武汉大学学报 ( 信息科学版), 2020, 45(11): 1747-1755. doi: 10.13203/j.whugis20200132
[6]	张瑞倩, 邵振峰, Aleksei Portnov, 汪家明. 多尺度空洞卷积的无人机影像目标检测方法 . 武汉大学学报 ( 信息科学版), 2020, 45(6): 895-903. doi: 10.13203/j.whugis20200253
[7]	门计林, 刘越岩, 张斌, 周繁. 多结构卷积神经网络特征级联的高分影像土地利用分类 . 武汉大学学报 ( 信息科学版), 2019, 44(12): 1841-1848. doi: 10.13203/j.whugis20180137
[8]	何楚, 张宇, 廖紫纤, 徐新. 基于压缩感知的sar图像cfar目标检测算法 . 武汉大学学报 ( 信息科学版), 2014, 39(7): 878-882.
[9]	李斌, 燕琴, 张丽, 梁勇. 长江中游洪涝灾害特征的MODIS时序监测与分析 . 武汉大学学报 ( 信息科学版), 2013, 38(7): 789-793.
[10]	杨晟, 李学军, 朱诗兵, 刘涛. 近似核线影像的轻量级多阶多尺度特征准稠密匹配 . 武汉大学学报 ( 信息科学版), 2013, 38(11): 1298-1302.
[11]	何楚, 张宇, 廖紫纤, 廖明生. 基于分层自适应部分模型的遥感图像飞机目标检测 . 武汉大学学报 ( 信息科学版), 2013, 38(6): 656-660.
[12]	李德仁, 胡晓光, 朱欣焰. 基于视觉反差的显著图生成与目标检测 . 武汉大学学报 ( 信息科学版), 2012, 37(4): 379-383.
[13]	邵振峰, 李德仁, 朱先强. 利用改进的遗传算法对红外影像自适应目标进行检测 . 武汉大学学报 ( 信息科学版), 2011, 36(5): 535-539.
[14]	汪长城, 廖明生. 一种多孔径SAR图像目标检测方法 . 武汉大学学报 ( 信息科学版), 2009, 34(1): 32-35.
[15]	万幼川, 申邵洪, 张景雄. 基于概率统计模型的遥感影像变化检测 . 武汉大学学报 ( 信息科学版), 2008, 33(7): 669-672.
[16]	钟燕飞1　张良培1　龚健雅1　李平湘1. 基于资源限制性人工免疫系统的多光谱遥感影像分类方法 . 武汉大学学报 ( 信息科学版), 2006, 31(1): 47-50.
[17]	杨文, 孙洪, 徐新, 徐戈. 星载SAR图像船舶及航迹检测 . 武汉大学学报 ( 信息科学版), 2004, 29(8): 682-685.
[18]	梅建新, 段汕, 秦前清. 基于支持向量机的特定目标检测方法 . 武汉大学学报 ( 信息科学版), 2004, 29(10): 912-915,932.
[19]	张路, 廖明生, 盛辉. 基于正交变换的多通道遥感影像变化检测 . 武汉大学学报 ( 信息科学版), 2004, 29(5): 456-460,469. doi: 10.13203/j.whugis2004.05.018
[20]	朱国宾. 面向多分辨率层次结构的遥感影像分析方法 . 武汉大学学报 ( 信息科学版), 2003, 28(3): 315-320.

WeChat

点击查看大图

计量

文章访问数: 919
HTML全文浏览量: 37
PDF下载量: 557
被引次数: 0

逐层特征选择的多层部件模型用于遥感图像飞机目标检测

¹武汉大学电子信息学院湖北武汉 430072; ²武汉大学测绘遥感信息工程国家重点实验室湖北武汉 430079

基金项目: 国家973计划资助项目2013CB733404 国家自然科学基金资助项目41371342 61331016 湖北省自然科学基金资助项目2012FFB04203

作者简介:
张宇博士主要从事SAR图像解译研究

收稿日期: 2014-07-01
刊出日期: 2014-12-05

中图分类号: P231.5 P237

关键词:

分层结构(LHS) /

多核学习(MKL) /

多特征组合 /

分层特征选择 /

摘要: 提出了一种基于逐层特征选择的多层部件模型目标检测算法(multi-layer feature selection based hierarchal component model,MFSHCM)，用于遥感图像飞机目标检测。通过提取目标多特征并结合局部判别式模型的建模方法，首先将提取的目标多种特征采用多核学习的方法经过核函数变换后再进行组合，提高了目标描述的准确性;其次考虑到目标自身固有的结构特性，特别是层次结构关系，引入分层的思想，构造目标的分层结构特征，并通过分层特征选择有效地降低了特征计算的复杂度;最后将MKL多特征和分层结构相结合，利用LSVM学习和推理，提出了基于逐层特征选择的多层部件模型目标检测算法。实验中将该算法在收集的十大机场真实场景数据上进行测试，验证了算法的有效性。

English Abstract

张宇, 何楚, 石博, 徐新. 逐层特征选择的多层部件模型用于遥感图像飞机目标检测[J]. 武汉大学学报 ( 信息科学版), 2014, 39(12): 1406-1411.

引用本文:

张宇, 何楚, 石博, 徐新. 逐层特征选择的多层部件模型用于遥感图像飞机目标检测[J]. 武汉大学学报 ( 信息科学版), 2014, 39(12): 1406-1411.

Zhang Yu, He Chu, Shi Bo, Xu Xin. Multrlayer Feature Selection Based Hierarchal Component Model for Aero-plane Detection on Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2014, 39(12): 1406-1411.

Citation:

Zhang Yu, He Chu, Shi Bo, Xu Xin. Multrlayer Feature Selection Based Hierarchal Component Model for Aero-plane Detection on Remote Sensing Image[J]. Geomatics and Information Science of Wuhan University, 2014, 39(12): 1406-1411.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码