[發(fā)明專利]基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法

有效

• 申請?zhí)枺?/td>: 201310024473.0
• 申請日: 2013-01-23
• 公開（公告）號: CN103093241A
• 公開（公告）日: 2013-05-08
• 發(fā)明（設(shè)計）人: 陳亮;龍騰;龐楓騫;畢福昆
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/54
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 楊志兵;高燕燕

技術(shù)領(lǐng)域

本發(fā)明涉及一種光學(xué)遙感圖像非勻質(zhì)云層判別方法，尤其涉及一種基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，屬于模式識別技術(shù)領(lǐng)域。

背景技術(shù)

本發(fā)明的處理對象是非勻質(zhì)云，它的產(chǎn)生由于陽光入射角度、不同高低云的相互遮擋或者云的不同區(qū)域薄厚不同等因素，造成本來高亮且均勻的云層中出現(xiàn)一些散布的低亮像素。于是，這種類型的云層被認(rèn)為是非勻質(zhì)云，同時勻質(zhì)云則是指那些高亮而又均勻的厚云。

目前的云判別的方法主要是針對勻質(zhì)的高亮厚云，通過提取這類云特征，然后利用分類器進行判決。常見的勻質(zhì)的高亮厚云的特征提取可以分為以下三個方面：灰度、紋理和邊緣：1）灰度方面的特征通常是基于灰度直方圖的，包括灰度均值、直方圖方差、云的覆蓋率；2）紋理方面的特征最常用的是基于灰度共生矩陣的方法，因為其運算簡單而且檢測效果較好。這種方法首先要統(tǒng)計灰度共生矩陣，然后計算灰度共生矩陣派生特征，包括能量、平穩(wěn)度、對比度、熵等；3）邊緣方面的特征主要是通過對原圖進行模板濾波得到的，常見的有Prewitt算子、Roberts算子和Sobel算子。

對于分類器，主要種類有鄰近分類器、模糊邏輯分類器、判決樹分類器、神經(jīng)網(wǎng)絡(luò)分類器以及支持向量機分類器等，而本發(fā)明中所選的是應(yīng)用廣泛并且具有較優(yōu)性能的支持向量機。支持向量機(Support?Vector?Machine，SVM)是Corinna?Cortes和Vapnik等于1995年首先提出的基于統(tǒng)計學(xué)習(xí)理論中VC維理論和結(jié)構(gòu)風(fēng)險最小原理的一種新的學(xué)習(xí)方法，它是以置信范圍值最小化為優(yōu)化目標(biāo)的。不同于基于經(jīng)驗風(fēng)險最小化的原則的傳統(tǒng)分類方法，支持向量機是在有限的樣本情況下的學(xué)習(xí)行為，因此解決了小樣本下的分類問題，由于引入VC維理論，從而避免了維數(shù)災(zāi)難的問題。

與此同時，支持向量機還引入了核函數(shù)思想，將復(fù)雜的非線性問題通過空間轉(zhuǎn)換到線性空間求解，從而使算法更加簡單。支持向量機以其完備的數(shù)學(xué)公式和超強的解決小樣本、非線性、高維數(shù)據(jù)問題的能力，目前已應(yīng)用到很多研究領(lǐng)域。例如人臉識別、數(shù)字識別、圖像分類等。

勻質(zhì)的高亮厚云在利用上面提到的特征通過分類器時能得到很好的分類效果，但對于非勻質(zhì)云則不然。在非人工場景中，同一解譯對象內(nèi)部如果既有高亮像素又有低亮像素，則高亮像素和低亮像素之間必然有過渡的中間級灰度。所以，和勻質(zhì)的高亮厚云相比，非勻質(zhì)云的亮度較低、紋理豐富以及邊緣大量存在。

由于統(tǒng)計性特征的模式識別框架會丟失大量的空域信息，所以在某些情況下，這些非勻質(zhì)云與一些不同亮度混合型的解譯對象（如山脈海陸交界處）在特征上很類似。從非勻質(zhì)云低亮像素散布的這一特點出發(fā)，如果可以通過某種手段找到這些低亮像素，并把它們的灰度值調(diào)高，這樣就可以將非勻質(zhì)云改善為同質(zhì)云，這時采用勻質(zhì)云的判別方法就可以得到較好的分類效果。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提出一種基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，能夠?qū)Ψ莿蛸|(zhì)云中的低亮像素進行灰度補償，從而實現(xiàn)對非勻質(zhì)云層的判別。

為了達到上面目的，本發(fā)明的基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法包括下列步驟：

一種基于同質(zhì)化處理的光學(xué)遙感圖像非勻質(zhì)云層判別方法，包括下列步驟：

第一步：計算云的自適應(yīng)門限：讀入待判別圖像，然后利用邊緣改進的最大間類差法OTSU進行全局閾值處理，從而得到云的自適應(yīng)門限；

第二步：提取兩幅典型二值圖：利用第一步得到的云的自適應(yīng)門限對待判別圖像進行二值化，得到云二值圖；利用設(shè)定的海的固定亮度門限和Sobel邊緣門限，對待判別圖像進行二值化，得到海二值圖，將云二值圖和海二值圖進行融合，得到云海二值圖；

第三步：獲得云的位置標(biāo)記圖：對第二步得到的云海二值圖既膨脹又腐蝕，對海二值圖只進行膨脹，然后利用處理后的兩幅圖得到云的位置標(biāo)記圖；

第四步：對待判別圖像進行同質(zhì)化處理：根據(jù)第三步得到的云的位置標(biāo)記圖，對待判別圖像中的非云像素進行灰度補償，從而使非勻質(zhì)云變?yōu)閯蛸|(zhì)云；

第五步：特征提取及歸一化：對第四步同質(zhì)化處理后的圖像提取灰度、紋理和邊緣這些針對勻質(zhì)厚云提取的特征，然后對特征進行歸一化；

第六步：利用支持向量機進行判決：利用預(yù)先訓(xùn)練得到的模型，配合支持向量機的判決函數(shù)對第五步的歸一化特征進行多分類，得到同質(zhì)化處理后的判決結(jié)果，至此整個過程結(jié)束。

其中，第二步中對待判別圖像提取兩幅典型二值圖采用下述方法：