针对以上科学问题,我校土地科学技术学院康志忠教授团队对小尺寸撞击坑的自动提取过程中撞击坑的形态表达和最优识别模型的构建进行了研究,取得了以下创新性研究成果:
1、采用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)表达撞击坑在影像中的形态特征。HOG特征通过描述边缘方向和梯度强度分布可以准确地表达影像中目标的形态特性,对光照变化和局部微小变形不敏感。图1为不同尺度撞击坑和非撞击坑及对应的可视化HOG特征。可看出,不同尺度的撞击坑HOG特征具有相似的近圆形状分布,而非撞击坑HOG特征则分布不规则。
2、依据撞击坑样本数量有限和HOG属于高维特征的特点,采用支持向量机(SVM)构建识别模型,同时借鉴迁移学习的思路,综合利用嫦娥一号、二号卫星不同分辨率光学影像建立一种由粗到精的撞击坑样本库更新策略用以学习最优的SVM识别模型。由于充分利用了不同尺度撞击坑间的相似性,渐进地动态优化识别模型,从而显著提高了小尺寸撞击坑提取的正确率。
研究结论表明:基于HOG特征分析和表达不同尺度撞击坑间的相似性,有效地减缓了光照变化和撞击坑退化的影响;借鉴迁移学习的思路对撞击坑样本库进行渐进式的更新,显著地提高了自动提取算法的适用性,成功提取的撞击坑最小尺寸达到20m,从而为着陆器/巡视器避障以及月球地层遥感定年精度的提高提供了有力的技术支撑。
![](http://www.cugb.edu.cn/uploadCms/img/20600/2019012911370100026.jpg)
图1 不同尺度撞击坑和非坑及其对应的HOG特征
![](http://www.cugb.edu.cn/uploadCms/img/20600/20190129113710626819.jpg)
图2 优化的识别模型撞击坑提取结果对比
上述成果发表在地学遥感权威期刊《IEEE Transactions on Geoscience and Remote Sensing》上:Zhizhong Kang *, Xingkun Wang, Teng Hu, and Juntao Yang. Coarse-to-Fine Extraction of Small-Scale Lunar Impact Craters From the CCD Images of the Chang'E Lunar Orbiters. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(1):181-193. [IF 2017 =4.662].
附件20190129113726281342.pdf(21.104069MB)