低分辨率图像弱小点目标特征准确提取方法

详细信息    查看全文 | 推荐本文 |

英文篇名：An accurate method for extracting small target features from low resolution images 作者：郭艳 英文作者：GUO Yan;Shaanxi Post and Telecommunication College; 关键词：低分辨率 ; 图像目标 ; 特征提取 ; 稳健参数 ; 相似度量 ; 时域复合 英文关键词：low resolution;;image target;;feature extraction;;robust parameter;;similarity measure;;time domain composition 中文刊名：GWDZ 英文刊名：Electronic Design Engineering 机构：陕西邮电职业技术学院; 出版日期：2019-05-20 出版单位：电子设计工程 年：2019 期：v.27;No.408 基金：陕西省高等教育教学改革研究项目(陕教〔2017〕372号);; 陕西邮电职业技术学院院级课题项目(陕邮职院〔2017〕100号) 语种：中文; 页：GWDZ201910014 页数：5 CN：10 ISSN：61-1477/TN 分类号：68-71+75

摘要

传统SIFT图像特征提取方法存在特征点数据维度过高等弊端。为解决上述问题,提出MFANet低分辨率图像弱小点目标特征准确提取方法。利用图像数据描述结果估计弱小点的稳健参数,对图像目标进行分割及初始化处理,完成低分辨率图像的弱小点目标识别。在此基础上,利用相似度量确定、图像目标特征的时域复合属性分析结果,计算MFANet提取描述子,完成新型低分辨率图像弱小点目标特征准确提取方法的搭建。对比实验结果显示,与传统SIFT图像特征提取方法相比,应用MFANet低分辨率图像弱小点目标特征准确提取方法后,特征点数据维度得到有效控制,可将特征点数据维度降低41.66%。
        Traditional SIFT image feature extraction methods have disadvantages such as high dimension of feature points and so on. In order to solve the above problems,a method of accurate feature extraction from MFANet low resolution images is presented. The robust parameters of the weak points are estimated by the image data description results,and the image targets are segmented and initialized to complete the weak point target recognition of the low resolution image. On this basis,MFANet is calculated to extract descriptors by using similarity measure determination and time domain composite attribute analysis results of image target features,and a new method of extracting weak point target features accurately from low-resolution images is established. Compared with the traditional SIFT image feature extraction method,the MFANet method can effectively control the dimension of feature point data and reduce the dimension of feature point data by 41.66%.

引文

[1]包莹莹,王华君,徐燕华,等.基于稀疏编码和随机森林的多帧图像超分辨率算法[J].电子设计工程,2017,25(8):158-162.
    [2]孙皓泽,常天庆,王全东,等.一种基于分层多尺度卷积特征提取的坦克装甲目标图像检测方法[J].兵工学报,2017,38(9):1681-1691.
    [3]邹业兵,朱彦陈,王欣,等.基于红外图像序列的排球运动关键技术特征提取方法[J].湘潭大学自然科学学报,2018,16(2):43-45.
    [4]丁闯,张兵志,任国春,等.行星轮系损伤动力学仿真与特征提取[J].计算机仿真,2018,35(24):367-372.
    [5]吴健辉,商橙,张国云,等.基于运动点团的鱼眼图像中多目标检测方法研究[J].计算机工程与应用,2016,52(24):158-161.
    [6]吴天爱,黄树彩,苑智玮,等.联合NSCT和SVD方法的红外弱小目标复杂背景抑制[J].红外技术,2016,38(9):758-764.
    [7]王刚,刘洋,高科,等.面向大规模图像拷贝检测的一种目标级签名提取方法[J].计算机辅助设计与图形学学报,2016,28(9):1543-1549.
    [8]顾晓辉,杨绍普,刘永强,等.基于多目标交叉熵优化的轮对轴承故障特征提取方法[J].机械工程学报,2018,54(4):285-292.
    [9]李靖卿,冯存前,龙戈农,等.基于多站微多普勒融合的弹道目标特征提取[J].系统工程与电子技术,2016,38(7):1549-1554.
    [10]赵双,鲁卫红,冯存前,等.基于宽窄带微多普勒信息的进动目标特征提取[J].北京航空航天大学学报,2016,42(10):2250-2257.
    [11]梁颖,张群,杨秋,等.双通道SAR/DPCA的地面振动目标特征提取方法[J].西安电子科技大学学报,2016,43(3):114-119.
    [12]陈小龙,关键,于晓涵,等.基于短时稀疏时频分布的雷达目标微动特征提取及检测方法[J].电子与信息学报,2017,39(5):1017-1023.
    [13]唐超,邵龙义.高光谱遥感地物目标识别算法及其在岩性特征提取中的应用[J].遥感技术与应用,2017,32(4):691-697.
    [14]孙俊灵,马鹏阁,孙光民,等.低信噪比下机载多脉冲激光雷达姿态不敏感性特征提取研究[J].红外与激光工程,2017,46(3):222-230.
    [15]车美琴,阿里木·赛买提,杜培军,等.利用旋转不变特征提取全极化SAR影像人工地物[J].遥感学报,2016,20(2):303-314.
    [16]刘建伟,孙正康,刘泽宇,等.核典型关联性分析相关特征提取与核逻辑斯蒂回归域自适应学习[J].电子学报,2016,44(12):2908-2915.