火星撞击坑和冲沟为其表面的典型地物，提取和识别工作是进行地物分布及数据研究、变化检测的前提，是进一步揭示地质构造机理和演化的先决条件。对于火星表面的典型地物——撞击坑及冲沟，我们提出了以下自动提取方法：（1）撞击坑：采用机器学习方法基于地形数据对撞击坑进行自动识别和坑缘提取，结果表明所采用自动识别方法能够显著减少错误提取率，在表面复杂的地区仍具有较高的正确提取率；（2）冲沟：基于多种数学形态学方法，对HiRISE影像上的冲沟进行自动提取，在不同实验区的提取结果表明具有较高的提取率，提高了提取效率。
撞击坑自动提取结果：左列为机器学习识别结果，右列为基于识别结果提取的坑缘
冲沟自动提取结果：绿色为正确检测结果，黄色为漏检测，红色为错检测
附相关文章：
Di, K., W. Li, Z. Yue, Y. Sun, Y. Liu, 2014.
A machine learning approach to crater detection from topographic data , Advances in Space Research,54(2014):2419-2429.
Li, W., K. Di, Z. Yue, Y. Liu, S. Sun 2015.
Automated Detection of Martian Gullies from HiRISE Imagery, Photogrammetric Engineering & Remote Sensing,81(12): 913-920.
|
