南京大学学报(自然科学版) ›› 2019, Vol. 55 ›› Issue (1): 49–60.doi: 10.13232/j.cnki.jnju.2019.01.005
孔 颉，孙权森*，纪则轩，刘亚洲
Kong Jie，Sun Quansen*，Ji Zexuan，Liu Yazhou
摘要： 提出一种基于仿射不变离散哈希的遥感图像快速目标检测新方法. 首先使用一种“选择性搜索”的方法生成目标候选框；其次，提出一种基于仿射不变离散哈希(Affine－Invariant Discrete Hashing，AIDH)的目标检测方法，该方法采用具有低存储、高效率优势的监督离散哈希框架，结合仿射不变优化因子，构造仿射不变离散哈希，通过将具有相同语义信息的仿射变换样本约束到相似的二值码空间，实现检测精度的提高；最后采用判别分类器结合非极大值抑制的方法，进一步过滤掉误检目标框，完成目标的精确定位. 实验证明，在NWPU VHR－10数据集下，该方法相比于经典目标检测方法和新的哈希方法，在具备高效性的同时，在精度上也得到了保证．
中图分类号:
| [1] 曾接贤，付 俊，符 祥. 特征点和不变矩结合的遥感图像飞机目标识别. 中国图象图形学报，2014，19(4)：592－602.(Zeng J X，Fu J，Fu X. Aircraft target Recognition in remote sensing images based on distribution of the feature points and invariant moments. Journal of Image and Graphics，2014，19(4)：592－602.) [2] 张临杰，张 杰，张 晰等. 任务分配均衡的双参数CFAR舰船检测并行算法. 遥感学报，2016，20(2)：344－351.(Zhang L J，Zhang J，Zhang X，et al. Task distribution balancing for parallel two－parameter CFAR ship detection. Journal of Remote Sensing，2016，20(2)：344－351.) [3] 陈 卓，马洪超，张 良. 改进邻域结构与轮廓分析的LiDAR点云立交桥提取. 遥感学报，2013，17(5)：1146－1157.(Chen Z，Ma H C，Zhang L. Cloverleaf interchange boundary extraction from airborne LiDAR data based on advanced neighborhood structure and contour analysis. Journal of Remote Sensing，2013，17(5)：1146－1157.) [4] Cheng G，Zhou P C，Yao X W，et al. Object detection in VHR optical remote sensing images via learning rotation－invariant HOG feature ∥ 2016 4th International Workshop on Earth Observation and Remote Sensing Applications(EORSA). Guangzhou，China：IEEE，2016：433－43. doi：10.1109/EORSA.2016.7552845. [5] Cheng G，Han J W. A survey on object detection in optical remote sensing images. ISPRS Journal of Photogrammetry and Remote Sensing，2016，117：11－28. doi：10.1016/j.isprsjprs.2016.03.014. [6] Liu W F，Zhang Z Q，Li S Y，et al. Road detection by using a generalized Hough transform. Remote Sensing，2017，9(6)：590. doi：10.3390/rs9060590. [7] Bulley H N N，Bishop M P，Shroder J F，et al. Integration of classification tree analyses and spatial metrics to assess changes in supraglacial lakes in the Karakoram Himalaya. International Journal of Remote Sensing，2012，34(2)：387－411. doi：10.1080/01431161.2012.705915. [8] Holbling D，Füreder P，Antolini F，et al. A semi－automated object－based approach for landslide detection validated by persistent scatterer interferometry measures and landslide inventories. Remote Sensing，2012，4(5)：1310－1336. doi：10.3390/rs4051310. [9] Ok A O. Automated detection of buildings from single VHR multispectral images using shadow information and graph cuts. ISPRS Journal of Photogrammetry and Remote Sensing，2013，86：21－40. doi：10.1016/j.isprsjprs.2013.09.004. [10] Khadanga G，Jain K，Merugu S. Use of OBIA for extraction of cadastral parcels ∥ International Conference on Advances in Computing，Communications and Informatics(ICACCI). Jaipur，India：IEEE Press，2016：2226－2230. doi：10.1109/ICACCI.2016.7732382. [11] Hosang J，Benenson R，Dollr P，et al. What makes for effective detection proposals？IEEE Transactions on Pattern Analysis and Machine Intelligence(TPAMI)，2016，38(4)：814－830. doi：10.1109/TPAMI.2015.2465908. [12] Uijlings J R R，VanDeSande K E A，Gevers T，et al. Selective search for object recognition. International Journal of Computer Vision，2013，104(2)：154－171. doi：10.1007/s11263－013－0620－5. [13] Zhao C H，Liu W，Xu Y，et al. A spectral－spatial SVM－based multi－layer learning algorithm for hyperspectral image classification. Remote Sensing Letters，2018，9(3)：218－227. doi：10.1080/2150704X.2017.1415475. [14] Wu S L，Chen H D，Bai Y，et al. A remote sensing image classification method based on sparse representation. Multimedia Tools and Applications，2016，75(19)：12137－12154. doi：10.1007/s11042－016－3320－7. [15] Cheng G，Zhou P C，Han J W. Learning rotation－invariant convolutional neural networks for object detection in VHR optical remote sensing images. IEEE Transactions on Geoscience and Remote Sensing，2016，54(12)：7405－7415. doi：10.1109/TGRS.2016.2601622. [16] 王小美，张红利. 基于测地距离的KNN高光谱遥感图像分类. 山西煤炭管理干部学院学报，2013，26(4)：135－137.(Wang X M，Zhang H L. Hyperspectral remote sensing image classification using geodesic－based KNN. Journal of Shanxi Coalmining Administrators College，2013，26(4)：135－137.) [17] Wang J D，Zhang T，Song J K，et al. A survey on learning to hash. IEEE Transactions on Pattern Analysis and Machine Intelligence，2018，40(4)：769－790. doi：10.1109/TPAMI.2017.2699960. [18] Weiss Y，Torralba A，Fergus R. Spectral hashing ∥ International Conference on Neural Information Processing Systems(NIPS). Vancouver，Canada：Curran Associates Inc，2008，282(3)：1753－1760. [19] Jiang Q Y，Li W J. Scalable graph hashing with feature transformation ∥ Proceedings of the 24th International Conference on Artificial Intelligence(ICAI). Buenos Aires，Argentina：AAAI Press. 2015：2248－2254. doi：10.1145/1814433. 1814442. [20] Shen F M，Shen C H，Shi Q F，et al. Inductive hashing on manifolds ∥ 2013 IEEE Conference on Computer Vision and Pattern Recognition. Portland，OR，USA：IEEE Press，2013：1562－1569. doi：10.1109/CVPR.2013.205. [21] Liu W，Wang J，Ji R R，et al. Supervised hashing with kernels ∥ 2012 IEEE Conference onComputer Vision and Pattern Recognition. Providence，RI，USA：IEEE Press，2012：2074－2081. doi：10.1109/CVPR.2012.6247912. [22] Norouzi M，Fleet D J. Minimal loss hashing for compact binary codes ∥ Proceedings of the 28th International Conference onInternational Conference on Machine Learning. Washington DC，USA：Omni Press，2011：353－360. [23] Shen F M，Shen C H，Liu W，et al. Supervised discrete hashing ∥ 2015 IEEE Conference on Computer Vision and Pattern Recognition(CVPR). Boston，MA，USA：IEEE Press，2015：37－45. doi：10.1109/CVPR.2015.7298598. [24] 沈肖波. 多视图嵌入学习方法及其应用研究. 博士学位论文．南京：南京理工大学，2017.(Shen X B. Study of multi－view embedding learning techniques with applications. Ph.D. Dissertation.Nanjing：Nanjing University of Science and Technology，2017.) [25] 唐 涛. 图像仿射不变特征及其在遥感图像目标识别中的应用. 硕士学位论文．长沙：国防科学技术大学，2006.(Tang T. Affine invariant feature and its application to target recognition in remote sensing images.Master Dissertation.Changsha：National University of Defense Technology，2006.) [26] 王凤国，冯象初，张小波. 平稳小波变换在仿射不变性目标识别中的应用. 计算机工程与应用，2007，43(21)：239－241.(Wang F G，Feng X C，Zhang X B. Stationary wavelet transform for affine invariant image object recognition. Computer Engineering and Applications，2007，43(21)：239－241.) [27] 张洁玉，陈 强，白小晶等. 基于广义典型相关分析的仿射不变特征提取方法. 电子与信息学报，2009，31(10)：2465－2469.(Zhang J Y，Chen Q，Bai X J，et al. Affine invariant feature extraction algorithm based on generalized canonical correlation analysis. Journal of Electronics & Information Technology，2009，31(10)：2465－2469.) [28] 高 峰，文项坚. 利用仿射几何的仿射不变特征提取方法. 中国图象图形学报，2011，16(3)：389－397.(Gao F，Wen X J. A new method for affine invariants extraction based on affine geometry. Journal of Image and Graphics，2011，16(3)：389－397.) [29] Felzenszwalb P F，Huttenlocher D P. Efficient graph－based image segmentation. International Journal of Computer Vision，2004，59(2)：167－181. doi：10.1023/b：visi.0000022288.19776.77. [30] Long Y，Gong Y P，Xiao Z F，et al. Accurate object localization in remote sensing images based on convolutional neural networks. IEEE Transactions on Geoscience and Remote Sensing，2017，55(5)：2486－2498. doi：10.1109/TGRS.2016.2645610. [31] Felzenszwalb P F，Girshick R B，Mcallester D，et al. Object detection with discriminatively trained part－based models. IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，32(9)：1627－1645. doi：10.1109/TPAMI.2009.167. [32] 刘 静，郭 建，贺遵亮. 基于Gist和PHOG特征的场景分类. 计算机工程，2015，41(4)：232－235，240.(Liu J，Guo J，He Z L. Scene classification based on gist and PHOG feature. Computer Engineering，2015，41(4)：232－235，240.) |
| [1] | 胡 太, 杨 明. 结合目标检测的小目标语义分割算法[J]. 南京大学学报(自然科学版), 2019, 55(1): 73-84. |
| [2] | 丁轶，郭乔进，李宁**. 一种新的目标检测方法:Latent Dirichlet classification* [J]. 南京大学学报(自然科学版), 2012, 48(2): 214-220. |
| [3] | 高凯亮, 覃团发** , 陈跃波, 常侃 . 一种混合高斯背景模型下的像素分类运动目标检测方法* [J]. 南京大学学报(自然科学版), 2011, 47(2): 195-200. |
|