高空间分辨率光学图像目标自动识别系统中的关键技术研究

目前大部分目标识别算法是针对每一种特定目标设计的一种或几种识别方法，每种方法需要选择特定的图像特征、描述子和分类器，从而造成识别算法杂乱无章、互相之间难以借鉴、识别效果很难评价。在该项申请中，为了使语义分割、单体目标识别和组合目标识别过程有一个合理的解释，并且能够定义统一的目标识别接口，我们用一个Bayes框架将这几个步骤统一起来。首先我们学习各种语义区域的模型，并将图像分割为不同的语义区域。然后，基于语义区域的分割进行单体目标的识别，语义区域为单体目标的识别提供关注区域。最后基于单体目标识别的结果进行组合目标识别。语义分割为单体目标和组合目标识别提供先验，单体目标识别为组合目标识别提供线索。在研究清楚目标、图像分辨率、特征以及分类器关系的基础上，我们采用有效的识别策略- - 多类竞争去解决识别过程中的关键问题，为最终完成一个灵活可配置的大型高分辨率光学图像目标自动识别系统打下坚实基础。