项目名称: 基于形状先验的遥感目标可信识别技术研究

项目编号: No.61202199

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 孔丁科

作者单位: 浙江工商大学

项目金额: 24万元

中文摘要: 随着遥感技术的迅速发展,图像分辨率越来越高,对遥感图像处理和应用研究提出了新的挑战。遥感目标的精确提取与识别不仅依据光谱或者强度信息,对空间关系以及目标形状等特征信息和先验知识也存在较强的依赖性。基于形状信息的遥感目标识别技术能根据形状约束指导目标提取与识别,增强了遮挡、阴影等信息缺失情况下遥感目标识别的鲁棒性,更切合当前遥感图像的实际应用需求。本项目旨在研究基于形状先验的遥感目标可信识别技术,探求实现遥感目标可信识别的形状先验水平集模型:结合非参数建模理论,建立形状水平集建模中形状描述以及一致性表达等问题的一体化解决方法;明确全局形状约束和局部结构表征的关系,建立实现目标精确提取的局部拟合形状先验模型;优化先验形状的量化表征,建立用于遥感目标自动识别的多特征融合变分水平集模型框架。本项目研究将丰富遥感图像目标识别的理论与方法,为实现高效率、高精度的遥感目标自动识别提供技术支持。

中文关键词: 遥感图像;水平集;形状先验;目标识别;

英文摘要: With the rapid development of remote sensing technology, high resolution has become available in current series of remote sensing images. The remote sensing image interpretation presents new challenges. Actually, object recognition for remote sensing imagery is not only based on the spectral or intensity information, but also has a strong dependence on spatial relationships, shape information and prior knowledge. Object recognition technologies using shape information can efficiently guide the object extraction and recognition according to the shape constraint, thus enhance the robustness of handling remote sensing images with information-absent, such as shade and shadow. Therefore, they are more suitable to actual requirements of remote sensing imagery.The aim of this project is to seek shape prior based reliable object recognition for remote sensing imagery via variational models. Firstly, based on the nonparametric modeling theory, we build an integration solution including shape description and consistent expression via level set. Secondly, we investigate the relationship between global shape constraints and local structural characterization, and realize the shape constrained local fitting models for accurate extraction. Then, we establish a variational level set framework for automatic target recognition of

英文关键词: Remote Sensing Imagery;Level Set;Shape Prior;Object Recognition;

成为VIP会员查看完整内容
2

相关内容

【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
干货 | 基于深度学习的目标检测算法综述(二)
AI科技评论
21+阅读 · 2018年8月20日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
17+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
14+阅读 · 2021年3月10日
小贴士
相关VIP内容
【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
相关资讯
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
干货 | 基于深度学习的目标检测算法综述(二)
AI科技评论
21+阅读 · 2018年8月20日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30日
人脸检测与识别总结
计算机视觉战队
21+阅读 · 2017年11月29日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
17+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员