衛星影像中飛機機型之辨識

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：19

、訪客IP：18.119.129.31

姓名

陳建銘(Ken-Ming Chen) 查詢紙本館藏

畢業系所

資訊工程學系

論文名稱

衛星影像中飛機機型之辨識
(Aircraft Type Recognition in Satellite Images)

相關論文

★ 使用視位與語音生物特徵作即時線上身分辨識	★ 以影像為基礎之SMD包裝料帶對位系統
★ 手持式行動裝置內容偽變造偵測暨刪除內容資料復原的研究	★ 基於SIFT演算法進行車牌認證
★ 基於動態線性決策函數之區域圖樣特徵於人臉辨識應用	★ 基於GPU的SAR資料庫模擬器：SAR回波訊號與影像資料庫平行化架構 (PASSED)
★ 利用掌紋作個人身份之確認	★ 利用色彩統計與鏡頭運鏡方式作視訊索引
★ 利用欄位群聚特徵和四個方向相鄰樹作表格文件分類	★ 筆劃特徵用於離線中文字的辨認
★ 利用可調式區塊比對並結合多圖像資訊之影像運動向量估測	★ 彩色影像分析及其應用於色彩量化影像搜尋及人臉偵測
★ 中英文名片商標的擷取及辨識	★ 利用虛筆資訊特徵作中文簽名確認
★ 基於三角幾何學及顏色特徵作人臉偵測、人臉角度分類與人臉辨識	★ 一個以膚色為基礎之互補人臉偵測策略

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

衛星影像透過衛星設備全天候24小時隨時可以取得，不像航照圖片必須利用飛機搭載攝影器材進行拍攝，容易受天候影響而無法順利取得影像資料；最近許多研究學者，利用衛星影像進行能源探勘、污染監控…等研究，倘若應用於軍事用途上，更能不受限於領空航空權與安全理由…等因素，做到敵方軍情的分析。衛星影像研究的課題，可以應用在許多層面上，其中，又以國防安全最為重要；隨著衛星的進展，影像上可利用的資訊也將愈來愈多，屆時對於評估全球軍事的動態，也有正面的幫助。
本論文主要的目的是在分析飛機的衛星影像，判讀飛機是屬於哪種機型；首先利用影像處理的技巧，強化衛星影像的品質、過濾雜訊、自動二元化、旋轉到同一個方位、平移、縮放…等前處理，再根據飛機的特性，找出多種不同的特徵來當作辨識的依據，最後訓練出適當的權重，使用階層式的辨識方式來判讀飛機的類型。
最後經實驗結果驗証，使用充份飛機衛星影像的類型，辨識系統已經有良好、穩定的辨識成果。

摘要(英)

The collection of satellite images is not constrained by time which can be captured day and night. It is unlike the images captured by aircrafts which are heavily constrained by weather conditions and environmental factors to secure useful images. Recently, satellite images have been widely applied in many fields, such as resource mining, pollution monitoring, etc. In this thesis, we plan to apply it to the military to analyze the movement of enemy for security purpose. The information conveyed by satellite images will increase with the increase in the resolution of current remote sensing devices. Hence, it can be uplifted to more advanced high-level applications in military use.
The main purpose of this dissertation is to analyze the satellite images that contain aircrafts and recognize the types of the allocated aircrafts. In our system, image processing techniques are first employed to perform the image preprocessing tasks, such as image quality enhancement, noise removal, automatic binarization, and rotation, scaling, translation adjustment. Then, distinguishable features derived from the characteristics exhibited by aircrafts are extracted on which the recognition are based. Last, multi-level recognition scheme is adopted to recognize the types of aircrafts by incorporating suitable weight into each recognition level.
Experiments were conducted on a wide variety of satellite images. Experimental results reveals the feasibility and validity of the proposed approach in recognizing aircrafts in satellite images.

關鍵字(中)

★ 飛機
★ 衛星影像
★ 辨識

關鍵字(英)

★ aircraft
★ satellite Images
★ recognition

論文目次

Abstract i
摘要 ii
誌謝 iii
目錄 iv
附圖目錄 vii
附表目錄 x
第一章 1
緒論 1
1.1 研究動機 1
1.2 相關研究 2
1.3系統架構 3
1.4 論文架構 5
第二章 6
前處理 6
2.1框取飛機 6
2.2 灰階化 7
2.3 自動二元化 7
2.4 去除雜訊 11
2.5 旋轉成同一個方位 15
2.5.1 旋轉 15
2.5.2 物件動量與物件主軸方向 16
2.5.3 對稱性 20
2.5.4 調整飛機的方向 27
2.6 平移 28
2.7 正規化 28
第三章 30
特徵抽取 30
3.1 面積的特徵 30
3.1.1 面積的特性 30
3.1.2 面積特徵的抽取 31
3.2 飛機外形的特徵 32
3.2.1 飛機外形的特性 32
3.2.2 飛機外形特徵的抽取 33
3.3 距離函數(Distance Table)的特徵 34
3.3.1 距離函數的特性 34
3.3.2 距離函數特徵的抽取 35
3.4 Zernike moments的特徵 38
3.4.1 Zernike moments的特性 38
3.4.2 Zernike moments介紹 38
3.4.3 Zernike moments特徵的抽取 39
3.4.4 討論Zernike moments 3個不變量 41
3.5 小波(Wavelet)的特徵 42
3.5.1 Wavelet的特性 42
3.5.2 Wavelet的介紹 43
3.5.3 Wavelet特徵的抽取 46
第四章 48
特徵比對 48
4.1 建立資料庫 48
4.2 五種特徵個別的特徵比對方法 50
4.2.1 面積的比對方法 50
4.2.2 外形的比對方法 53
4.2.3 距離函數(Distance Table)的比對方法 53
4.2.4 Zernike moments的比對方法 54
4.2.5 小波(Wavelets)的比對方法 54
4.3 整合五種特徵的比對結果 56
4.3.1 整合5種特徵 56
4.3.2 決定各個特徵的權重 59
4.4 確認 63
第五章 64
實驗與討論 64
5.1 資料庫衛星影像來源與整理 64
5.2 實驗結果 66
5.2.1 實驗 66
5.2.2 權重及辨識率 82
5.2.3 細部的權重及確認後的辨識率 83
5.2.4 錯誤影像的分析 85
5.3 辨識的困難點 86
第六章 88
結論與未來工作 88
6.1 結論 88
6.2 未來工作 90
參考文獻 91

參考文獻

[1] S.X. Liao, M. Pawlak, “ Image Analysis with Zernike Moment
Descriptors ”, IEEE, 1997.
[2] S. X. Liao, M. Pawlak, “ On the Accuracy of Zernike Moments for Image Analysis ”, IEEE Transactions on Pattern Analysis and Machine Intelligence,
Vol. 20, No. 12, December 1998.
[3] R. Alferez, Y.F. Wang, “ Geometric and Illumination Invariants for
Object Recognition ”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 21, No. 6, June 1999.
[4] H.K. Kim, J.D. Kim, D.G. Sim, and D.I. Oh, “ A Modified
Zernike Moment Shape Descriptor Invariant to Translation, Rotation and Scale for Similarity-base Image Retrieval ”, IEEE, 2000.
[5] G. Nagy, “ Twenty Years of Documents Image Analysis in PAMI ”, IEEE
Transactions on Pattern Analysis and Machine Intelligence, Vol. 22, No. 1, January 2000.
[6] M. Pesaresi, J.A. Benediktsson, ” A New Approach for the Morphological Segnemtation of High-Resolution Satellite Imagery ”, IEEE Transactions on Geoscience and Remote Sensing, Vol. 39, No. 2, February 2001.
[7] A. Mohan, C. Papageorgiou, and T. Poggio, “ Example-Based
Object Detection in Images bye Components ”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, No. 4, April 2001.
[8] P. Slavik, V. Govindaraju, “ Equivalence of Different Methods for Slant and Skew Corrections in Word Recognition Applications ”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, No. 3, March 2001.
[9] E.J. Stollnitz, T.D. DeRose, and D.H. Salesin, “ Wavelets for Computer
Graphics ”, Morgan Kaufmann Publishers, Inc., San Francisco, California., Ch5.
[10] 凃銀田, “ 以區塊為基礎作灰階背景文件影像二值化 ”, 國立中央大學資訊工程研究所碩士論文, 1998.
[11] 吳宗翰, “ 衛星影像中之道路萃取 ”, 國立中央大學資訊工程研究所碩士論文, 1999.
[12] 陳同孝, 張真誠, 黃國峰, “ 數位影像處理技術 ”, 松崗電腦圖書資料股份有限公司, 2001.
[13] 呂信德, “ 利用多重專家之車牌辨識系統 ”, 國立中央大學資訊工程研究所碩士論文, 2002.

指導教授

范國清(Kuo-Chin Fan)

審核日期

2003-6-30

推文