Novel approach of crater detection by crater candidate region selection and matrix-pattern-oriented least squares support vector machine

影响的坑通常在行星，卫星，流星和另外的太阳系身体的表面上被发现。以便加快构造坑的数据库的率，开发坑察觉算法是重要的。这份报纸论述一条新奇途径自动地在行星的表面上检测坑。途径包含二部分：坑候选人区域选择和坑察觉。在第一部分，坑候选人区域选择被 KanadeLucasTomasi (KLT ) 察觉者完成。Matrix-pattern-oriented 最不摆平支持向量机器(MatLSSVM ) ，作为最不方形的支持向量机器(SVM ) 的 matrixization 版本，继承最少的广场支持向量机器(LSSVM ) 的优点，极大地减少存储空间并且保留在与一般 LSSVM 相比的每个图象矩阵以内的空间冗余性。途径的第二部分采用 MatLSSVM 为坑察觉设计分类器。从 Google 火星包括 160 个 preprocessed 图象补丁的数据集上的试验性的结果证明坑察觉的精确性率能直到 88% 。另外，在这份报纸介绍的途径的突出的特征是完成坑察觉直接作为输入模式拿缩放的坑候选人区域。最后实验的结果证明那个基于 MatLSSVM 的分类器能根据基于 KLT 的坑候选人区域选择有效地检测坑区域。