《遥感图像目的识别文献综述.docx》由会员分享，可在线阅读，更多相关《遥感图像目的识别文献综述.docx（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、遥感图像目的识别文献综述本栏目责任编辑：唐一东人工智能及识别技术遥感图像目的识别文献综述谭博彦娄底市第一中学，湖南娄底417000摘要：随着科学技术的不断发展，十分是遥感技术的飞速发展，遥感图像的分辨率越来越高，其包含的信息也越来越复杂，因而，迫切需要发展感兴趣目的自动识别技术。准确识别对象对民用导航、环境保护、军事等各个方面意义重大，提高对象的自动识别精度也是不可缺少的。本文通过查阅分析遥感图像识别的文献资料，对目的识别使用的一些基本理论和方法进行了综合归纳。关键词：遥感图像；目的识别；综述中图分类号：TP311文献标识码：A文章编号：1009-3044(2021)35-0206-03ALi
2、teratureReviewonRemoteSensingImageTargetRecognitionTANBo-yan(Class1422The1stMiddleSchoolofLoudi,Loudi417000China)Abstract：Withthecontinuousdevelopmentofscienceandtechnology,Especiallytherapiddevelopmentofremotesensingtech-nology,Theresolutionoftheremotesensingimagesishigherandhigher,itcontainsinform
3、ationisbecomingmoreandmorecomplex,therefore,anurgentneedtodevelopinterestinautomatictargetrecognitiontechnology.Accuratelyidentifytheobjectisofgreatsignificancetocivilnavigation,environmentprotection,militaryandothervariousaspects,toimprovetheautomaticidentificationprecisionoftheobjectisalsoindispen
4、sable.Thisarticlethroughtheanalysisofremotesensingimagerecognitionoftheliterature,thetargetrecognitionusingsomeofthebasictheoryandmethodaresummarized.Keywords：remotesensingimage;targetrecognition;literaturereview目的识别是计算机视觉、图像处理和机器学习中的重要研究课题之一。目前，目的识别的技术已经广泛应用在各个领域中，近些年来其在遥感图像中的应用也越来越普遍。对遥感图像进行准确地目的识
5、别，一直是计算机图像识别中的一个难题，且随着遥感技术的迅速发展，其也成了该领域一个重要研究方向。准确定位遥感图像中的感兴趣目的，同时提取其状态参数和属性值，是遥感图像目的识别的基本任务。该任务需要经过地学、生物学、物候学等综合性的专家知识指导，运用信息科学和数学等一系列方法来实现简单地电磁辐射特性的记录，到地物时空分布变化的反演，这是一个非常典型的穿插学科问题1。如今，遥感图像目的识别共有两种方法2，一种是数据驱动型，表现为由下而上，一种知识驱动型，表现为由上而下。第一种是先对图像进行普通的分割、标记、特征提取等，之后对每个已标记区域的特征向量和目的模型进行匹配。第二种则是根据描绘模型，对图像
6、的可能特征提出合理假设，然后根据假设进行分割、标记等。这两种方法，前者通常是结合分类技术来进行，后者则是结合推理技术和先验知识来进行。1基于分类技术的识别方法基于分类技术的遥感图像识别，最常被用于识别点、提取区域以及识别构造目的中的构造基元。此类方法多采用纹理、光谱、形状等特征，通过提取出多种特征的邻近窗口，用来获取在不同的尺度上的图像信息3。根据分类器能否需要采用训练样本我们还能够将遥感图像识别方法分为监督分类和非监督分类方法。其中，监督分类的精度是由所选取的训练样本决定的，而非监督分类则常被当做预处理部分，其更多的是用于获取整个图像的上下文信息，同时还可用于新目的的探索和发现。1.1监督分
7、类的方法1.1.1基于神经网络的分类方法正相对于其他分类方法来讲，基于神经网络的分类方法的研究时间较早，代表性成果也较多。其应用范围涉及农作物、森林、土地利用分类以及特定目的的识别，网络模型包括了反向传播BP、分层、模糊和混合神经网络等。梁路宏4等把模板匹配和神经网络方法相结合进行人脸识别。严柏军5等人为计算火车的车皮数，将图像的直方图特征、投影特征和矩阵特征相结合作为神经网络的输入向量，进行货车车锁识别。李文娟6为到达优化网络目的，对现有的黄金分割算法进行了改良，其基于LM算法改良BP网络建立LM-BP水质评价模型，又将遗传算法与BP网络结合，为其寻找最优收稿日期：2021-10-16206DOI:10.14004/