[發(fā)明專(zhuān)利]一種高分辨率遙感圖像多類(lèi)目標(biāo)特征模型的建立方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201010562293.4
• 申請(qǐng)日: 2010-11-26
• 公開(kāi)（公告）號(hào): CN102013014A
• 公開(kāi)（公告）日: 2011-04-13
• 發(fā)明（設(shè)計(jì)）人: 王岳環(huán);宋云峰;桑農(nóng);唐為林;姚瑋;吳劍劍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華中科技大學(xué)
• 主分類(lèi)號(hào): G06K9/46
• 分類(lèi)號(hào): G06K9/46;G06K9/62
• 代理公司: 華中科技大學(xué)專(zhuān)利中心 42201
• 代理人: 朱仁玲

技術(shù)領(lǐng)域

本發(fā)明屬于遙感圖像處理領(lǐng)域，具體涉及一種遙感圖像多類(lèi)目標(biāo)特征模型的建立方法，用于遙感圖像多類(lèi)目標(biāo)的檢測(cè)識(shí)別。

背景技術(shù)

建立目標(biāo)的特征模型，就是通過(guò)對(duì)目標(biāo)進(jìn)行定量的分析，確定目標(biāo)所需要利用的特征，或者判讀該目標(biāo)哪些特征具有顯著性。目標(biāo)特征顯著性取決于目標(biāo)特征的強(qiáng)度，目標(biāo)與雜波特征強(qiáng)度對(duì)比度。如果目標(biāo)特征既有足夠的強(qiáng)度，有與其鄰域背景和其他目標(biāo)具有足夠的特征反差，則可定義該特征為該目標(biāo)的顯著性特征。目標(biāo)的顯著性特征模型，可以近似的刻畫(huà)和表達(dá)目標(biāo)，使該目標(biāo)區(qū)別于其他對(duì)象，對(duì)目標(biāo)的檢測(cè)識(shí)別具有重要的貢獻(xiàn)。

隨著遙感衛(wèi)星光學(xué)成像分辨率的提高，我們所關(guān)注的可識(shí)別目標(biāo)的種類(lèi)越來(lái)越多，而且遙感圖像能提供的目標(biāo)信息也越來(lái)越多，但同時(shí)，由于細(xì)節(jié)信息的過(guò)于豐富，使得細(xì)小目標(biāo)、陰影等干擾因素的影響愈加突出，并且，針對(duì)多類(lèi)目標(biāo)特征模型，同類(lèi)目標(biāo)的差異比較大，類(lèi)別與類(lèi)別之間的差異規(guī)律性不強(qiáng)，這就給多類(lèi)目標(biāo)的特征檢測(cè)提取帶來(lái)了更大的難題。目前對(duì)于遙感圖像目標(biāo)特征的應(yīng)用，主要是有以下兩種方式：一是針對(duì)單一目標(biāo)進(jìn)行分析，建立單目標(biāo)的特征模型；另一種是直接利用簡(jiǎn)單特征進(jìn)行目標(biāo)存在與否的判讀。

對(duì)于遙感圖像多類(lèi)目標(biāo)檢測(cè)識(shí)別的任務(wù)，上述兩種方式，不僅工作量比較大，數(shù)據(jù)處理效率低，而且受背景雜波影響大，檢測(cè)識(shí)別的正確率較低，無(wú)法滿足遙感圖像多類(lèi)目標(biāo)檢測(cè)識(shí)別高效率和高準(zhǔn)確率的要求。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出一種高分辨率遙感圖像多類(lèi)目標(biāo)特征模型的建立方法，主要針對(duì)人造地物目標(biāo)，加入了多分辨率、場(chǎng)景信息和特征量化的思想，結(jié)合各類(lèi)目標(biāo)的顯著性特征和多類(lèi)目標(biāo)的共享特征，從而建立多類(lèi)目標(biāo)的特征模型，能夠?qū)崿F(xiàn)高分辨遙感圖像多類(lèi)目標(biāo)的粗分類(lèi)，并且能提高多類(lèi)目標(biāo)檢測(cè)識(shí)別的效率，其中高分辨率遙感圖像一般指不低于10米分辨率遙感衛(wèi)星圖像。

實(shí)現(xiàn)本發(fā)明的目的所采用的具體技術(shù)方案如下：

一種高分辨率遙感圖像多類(lèi)目標(biāo)特征模型的建立方法，先根據(jù)目標(biāo)的物理大小將感興趣的多類(lèi)目標(biāo)進(jìn)行分組，每一組指定一個(gè)分辨率，將各類(lèi)目標(biāo)的高分辨率遙感圖像分辨率調(diào)整為相應(yīng)的指定分辨率，從而得到分辨率不同的多組圖像，對(duì)分辨率相同的每組圖像均進(jìn)行如下處理：

(1)目標(biāo)分析

對(duì)感興趣目標(biāo)進(jìn)行分析，尋找目標(biāo)在遙感成像方面所表現(xiàn)的特征及目標(biāo)所在場(chǎng)景的信息，得到對(duì)目標(biāo)顯著外觀形態(tài)的表達(dá)。

(2)特征提取

首先，對(duì)各類(lèi)目標(biāo)進(jìn)行基本特征的提取，如輪廓、線等，并對(duì)提取的特征進(jìn)行預(yù)處理，濾除低對(duì)比度、低梯度的特征(對(duì)比度指橫截面上灰度變化的累積，對(duì)比度梯度是衡量圖像中灰度變化的參數(shù)，一般可設(shè)對(duì)比度小于一定閾值A(chǔ)(如15)的特征為低對(duì)比度特征，梯度小于一定閾值B(如10)的特征為低梯度特征，實(shí)際操作中可根據(jù)需要進(jìn)行具體參數(shù)閾值的設(shè)定)；其次，對(duì)預(yù)處理后的基本特征和上述場(chǎng)景信息進(jìn)行特征分析組合，得到高級(jí)特征組，如對(duì)線段組合成平行線、L連接、T連接等；然后，對(duì)預(yù)處理后的基本特征以及高級(jí)特征組實(shí)現(xiàn)具有物理意義的表達(dá)，進(jìn)而構(gòu)成特征集合；最后，利用上述得到的對(duì)目標(biāo)顯著外觀形態(tài)的表達(dá)，從所述特征集合中計(jì)算出各類(lèi)目標(biāo)的顯著性特征組。

在高分辨率遙感圖像中，可以清楚的觀察到豐富的結(jié)構(gòu)信息，其中人造地物目標(biāo)更是具有明顯的形狀結(jié)構(gòu)特征，如邊緣、拐角等，形狀結(jié)構(gòu)特征可以對(duì)人造地物目標(biāo)實(shí)現(xiàn)有效的描述。

(3)特征量化

首先，對(duì)上述各類(lèi)目標(biāo)的顯著性特征組進(jìn)行全局分布的統(tǒng)計(jì)分析，尋找合適的上下限；其次，選取恰當(dāng)?shù)牧炕瘏^(qū)間，確定量化后特征向量的維數(shù)；然后，針對(duì)每組特征進(jìn)行初步量化，產(chǎn)生特征向量；最后根據(jù)量化后特征向量的分布對(duì)量化標(biāo)準(zhǔn)進(jìn)行微調(diào)，使量化后的特征更穩(wěn)定。

其中，針對(duì)特征集合A，分別為A₁、A₂...，共n(A)組特征，特征組A_i包含n(A_i)個(gè)子特征A_i1、A_i2...。對(duì)于每個(gè)具體特征A_ij，可以根據(jù)A_i的分布來(lái)確定其上下限，然后確定量化的步長(zhǎng)和量化區(qū)間的數(shù)目，n(A_ij)表示特征A_ij的量化區(qū)間數(shù)目，因此量化后的特征向量的維數(shù)為i表示特征組標(biāo)號(hào)，j表示對(duì)應(yīng)特征組中子特征的標(biāo)號(hào)。

對(duì)各類(lèi)目標(biāo)的顯著性特征進(jìn)行量化分析，可以有效的控制特征向量的維數(shù)，有效的表達(dá)目標(biāo)，有助于訓(xùn)練多分類(lèi)器和后續(xù)的多類(lèi)目標(biāo)的識(shí)別。

(4)建立基于共享特征的多類(lèi)目標(biāo)特征模型