一种火星表面非结构型地形识别方法技术

本发明专利技术公开了一种火星表面非结构型地形识别方法，属于图像识别领域，具体为首先，在火星表面非结构型地形的历史Mars32k数据集中提取训练集图像，并利用LBP算法得到各图像无模糊情况下的LBP特征编码；然后，对各LBP特征编码图分别进行N次模糊，对每次模糊的LBP编码图分别求取图像熵。接着，利用LBP特征编码和图像熵的特征向量合并成火星表面非结构型地形的特征向量S；最后，使用支持向量机SVM对特征向量S进行特征分类训练，将训练好的SVM分类器用于测试集验证，即可完成每张图像对应的非结构地形识别结果。本发明专利技术解决了火星表面非结构型地形的识别问题，相比现有的识别算法，具有特征维数小，识别率高的特点。识别率高的特点。识别率高的特点。

【技术实现步骤摘要】
一种火星表面非结构型地形识别方法


本专利技术属于图像识别领域，具体涉及一种火星表面非结构型地形识别方法。

技术介绍

随着现代空间探测技术的发展，火星探测活动成为未来研究的重点。而对火星表面各类障碍物的检测是支持火星车自主活动的重要前提。研究火星形貌与地质构造特征已作为火星探测的首要目标之一，见文献[1]。在规划安全有效的火星车运行轨迹时，一般通过分析火星车传感器获取的数据，来区分不同地形以获取火星表面环境的关键信息。基于不同的传感器模式的地形分类研究有很多，其中视觉传感器具有易于获取信息、信息量大、信号处理算法研究丰富等优点，是当前火星环境研究的重要手段。针对火星地形，在对视觉传感器获取的信息处理上，目前大致分为使用神经网络和非神经网络的两类方法。非神经网络算法(见文献[2]和文献[3])是根据提出的识别模型或算子，采用语义分割的方法，基于标记的障碍地形数据进行训练，分别提取卫星和车载相机下获得的火星表面图像信息。使用神经网络的算法(见文献[4]和文献[5])一般采用机器学习和卷积神经网络对相同火星表面的数据集进行训练分类，最终进行火星表面图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火星表面非结构型地形识别方法，其特征在于，具体步骤如下：首先，在火星表面非结构型地形的历史Mars32k数据集中提取训练集图像，并利用LBP算法得到各图像无模糊情况下的LBP特征编码；然后，对各LBP特征编码图分别进行N次模糊，对每次模糊的LBP编码图分别求取图像熵；接着，利用LBP特征编码和图像熵的特征向量合并成火星表面非结构型地形的特征向量S；最后，使用支持向量机SVM对特征向量S进行特征分类训练，将训练好的SVM分类器用于测试集验证，即可完成每张图像对应的非结构地形识别结果。2.如权利要求1所述的一种火星表面非结构型地形识别方法，其特征在于，所述LBP算法中3
×
3窗口的中心像素点的LBP特征值，计算公式为：式中，(x
c
,y
c
)为3
×
3窗口的中心像素点坐标；i表示3
×
3窗口中除中心像素点外，从左上角起顺时针的像素点从0开始的序数；I(x
i
,y

【专利技术属性】
技术研发人员：杨博，于贺，刘超凡，魏翔，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：