题目：复杂场景下典型地物目标识别技术研究

人造地物目标（如机场，油库等）的自动识别在民用导航和军事等多方面都有着很大的意义。许多研究者在这方面都做了很多的工作，但是针对有参考图像的地物目标识别，目前基本上都基于图像匹配算法。本文通过总结传统的地物目标识别算法的局限性，提出一种全新的显著语义模型来实现典型地物目标的自动识别。本文研究内容主要包括以下几个方面：首先，介绍了两种经典的基于特征的图像匹配算法SIFT和BRISK，并总结出匹配算法在地物目标识别应用中的局限性。其次, 不同于传统的基于特征匹配技术进行地物目标识别的思路，提出了一种基于显著语义模型的地物目标定位识别方法。在低层特征空间利用视觉关注模型将实时航拍图像分解成若干个视觉显著子图，提取出目标可能存在的候选区域；同时对训练图像集构建基于SIFT局部特征的特征袋语义模型，并利用模型中的特征字典提取出显著性子图所包含的显著语义特征，从而实现了典型地物目标的定位与识别。最后，对传统的基于k均值聚类的特征袋模型进行了改进，将原始数据投影到一个低维语义空间，建立基于LPI聚类的特征袋模型，能够更好的描述特征潜在的局部结构，更具判别力，从而进一步提高了识别率。实验分析表明，本文提出的典型地物目标自动识别算法对单目标和多目标建模都是快速而有效的，在识别率和运算速度两个方面均优于基于图像匹配的目标识别算法，具有重要的现实意义。