基于多层次特征描述的高分辨率遥感影像交通目标检测技术

With the development of satellite and remote sensing technologies, the effective extraction of traffic objects (e.g. car and ship) from high-resolution remote sensing image has become imperative as applied in both civilian and military field. However, as current research on feature modelling of traffic object is not deep enough, it is challenging to define highly discriminative and robust features to describe them, and further separate them from other objects. Consequently, the main goal of this project is to model multilevel feature representation (e.g. low-level visual feature and a high-level semantic feature) for traffic objects, by using multiple kernel learning and probabilistic graphical model. With the hierarchical description of object features, it is devoted to build a hierarchical traffic object detection framework as "low-level visual feature - candidate objects extraction - high level semantic feature - object detection refinement". The achievement of this project can be used as theoretical basis and technical support for high-resolution remote sensing image understanding, and applied in fields like intelligent traffic supervision.

从高分辨率遥感影像中自动检测常见的交通类目标(车辆和船只），无论在民用还是军事领域都有着广阔的应用前景。然而在交通目标描述过程中，现有方法多使用人工挑选的低层次视觉特征，而较少关注高层次的目标语义特征，导致目标解译过程中所使用的特征区分性不强，所需要的特征不完备，进而影响后续的目标检测与识别。鉴于此，本课题拟在充分考虑高分辨率遥感影像交通目标特点的基础上，研究多层次的交通目标特征建模方法：(1)基于多核学习的目标低层次视觉特征建模方法；(2)基于概率图模型的目标高层次语义特征建模方法。然后根据特征描述的层次性，建立"低层次视觉特征-候选目标初提取-高层次语义特征-目标提取结果精炼"逐层关联的目标检测机制，为构建实用、有效的高分辨率遥感影像交通目标检测系统提供科学依据。研究成果将能为高分辨率遥感影像智能解译提供理论与关键技术支持，为我国智能交通监控系统的研制提供技术支撑。

随着遥感技术的飞速发展，基于遥感影像的交通参数提取方法逐渐为人们所熟知。尤其是高分辨率卫星遥感能够在大范围内更精细地采集地面上的交通流数据，为基于遥感对地观测技术的交通管理与控制提供了可能。本课题在充分考虑高分辨率遥感影像交通目标特点的基础上，研究基于多层次特征描述的交通目标检测方法，并分别提出基于多核学习的目标低层次视觉特征建模方法和顾及场景语义信息的目标高层次语义特征建模方法，然后根据特征描述的层次性，建立“低层次视觉特征-候选目标初提取-场景语义特征约束-目标提取结果精炼”逐层关联的目标检测机制，为构建实用、有效的高分辨率遥感影像交通目标检测系统提供科学依据。在上述理论研究的基础上，发表学术论文10篇（SCI 检索论文4篇，EI检索论文 6篇），申请发明专利2项，并初步搭建了高分辨率遥感影像车辆目标监测原型系统。本项研究成果将能为高分辨率遥感影像智能解译提供理论与关键技术支持，为我国智能交通监控系统的研制提供技术支撑。