17、火星环境下的岩石检测与实时啮齿动物跟踪行为检测系统

火星环境下的岩石检测与实时啮齿动物跟踪行为检测系统

火星环境下的岩石检测

在火星探测中，岩石检测是一项重要任务，但目前面临诸多挑战。此前有研究对不同的岩石检测方法进行了比较，包括Rockfinder、Multiple Viola - Jones、Rockster、Stereo Height Segmentation和对图像中每个像素进行分类的支持向量机（SVM）等。这些方法在4种不同的数据集上进行测试，数据集包括来自火星探测漫游者的图像、模拟火星环境的户外图像以及合成图像。然而，这些方法都无法找到岩石的实际轮廓，只能进行近似或仅找到岩石的一部分，且在精确率和召回率的衡量下，F分数都不理想。

相关工作

• Gong和Liu的方法 ：将月球灰度图像分割成超像素，提取每个超像素的大小、位置、强度、纹理和退化等特征，基于割图和Adaboost优化算法进行岩石分割，总运行时间为12秒，F分数为81.95%。
• Shang和Barnes的方法 ：使用模糊粗糙特征选择和支持向量机（SVM）对火星图像像素进行九分类，最佳分类结果为87.18%，未报告运行时间，但计算成本较高。
• Rashno等人的方法 ：从每个像素提取50个特征形成向量，使用基于蚁群优化（ACO）的方法减少分类所需参数，通过SVM和极限学习机（ELM）进行分类，在90张图像数据集上F分数为91.72%，每类运行时间为353秒。
• Xiao等人的方法 ：利用超像素解决岩石检测问题，将图像分割成超像素，计