火星暗坡条纹自动识别

2021/07/13 |编辑|

    火星表面的暗条纹是当今火星上可以观察到的活跃地质特征之一。暗条纹的检测是研究其外观、形态、分布以及进一步揭示其潜在地质机制的先决条件。我们提出了一种基于机器学习的自动暗条纹检测方法。该方法首先提取兴趣区域,然后对兴趣区域进行特征提取后识别。兴趣区域采用最小外接矩形来计算其局部二进制模式特征,结合了梯度和区域灰度信息。对特征进行提取和归一化后,使用 Adaboost 机器学习算法训练暗条纹分类器。我们提出的方法的整体检测精度为 92.4%,真阳性率为 79.1%,假阳性率为 3.7%,尤其该方法在消除非暗条纹区域较为有效。

图 1 采用的HiRISE影像分布


图 2 采用的最小外接矩形的暗条纹和非暗条纹兴趣区域特征提取


图 3 部分暗条纹提取结果和非暗条纹剔除结果


 

附相关文章:


Wang, Y., K. Di, X. Xin, W. Wan, 2017. Automatic detection of Martian dark slope streaks by machine learning using HiRISE images,ISPRS Journal of Photogrammetry and Remote Sensing, 129:12-20.

   

备案序号:京ICP备05080539号-7
单位:中国科学院空天信息创新研究院行星制图与遥感实验室
地址:北京市朝阳区大屯路甲20号北
邮编:100101