多分类器融合的光学遥感图像目标识别算法

作者：姬晓飞; 石宇辰

来源：计算机技术与发展, 2019, 29(11): 52-56.

• 光学遥感图像
• 决策级融合
• Hog特征
• Zernike特征
• 支持向量机
• BP神经网络
• 随机森林

光学遥感图像的多目标检测与识别一直是图像处理与分析的热点研究问题。基于单一特征单一分类器的多目标光学遥感图像分类识别算法存在识别准确率不高的问题。对此,充分利用特征与识别方法之间的适应性,提出了一种多特征多分类器融合的光学遥感图像多目标识别算法。首先对光学遥感图像的分类目标提取2种具有平移、缩放不变性的特征表示:Hog特征和Zernike特征;其次分别用3种适应性较好的分类器(BP神经网络、支持向量机(SVM)、随机森林(RF))进行分类;最后在决策级分别融合两种特征、三种分类器的概率输出,给出最终的分类结果。实验结果表明,该算法较大程度地提高了光学遥感图像多目标识别的准确性,对飞机、舰船、油罐、汽车四类多目标的识别取得了95.37%的正确识别率。

• 单位
  自动化学院; 沈阳航空航天大学