[發明專利]整合模式識別與上下文知識的光學遙感圖像云判別方法有效
| 申請號: | 201310043706.1 | 申請日: | 2013-02-04 |
| 公開(公告)號: | CN103150567A | 公開(公告)日: | 2013-06-12 |
| 發明(設計)人: | 龍騰;劉峰;龐楓騫;畢福昆;陳亮 | 申請(專利權)人: | 北京理工大學 |
| 主分類號: | G06K9/34 | 分類號: | G06K9/34;G06K9/62 |
| 代理公司: | 北京理工大學專利中心 11120 | 代理人: | 楊志兵;高燕燕 |
| 地址: | 100081 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 整合 模式識別 上下文 知識 光學 遙感 圖像 判別 方法 | ||
1.一種整合模式識別與上下文知識的光學遙感圖像云判別方法,其特征在于,包括:
第一步,對原圖進行抽樣及分塊:讀入一幅光學遙感圖像并進行抽樣和分塊;所述分塊采用有重疊的分塊方式,即采用L×L的正方形在光學遙感圖像中進行水平和豎直方向的步進,步進量為L/2,獲得多個分塊,稱為Tile,每四個上下左右相鄰相互重疊的Tile分塊可以看成是九個不重疊的大小為L/2×L/2的小分塊構成,這種小分塊稱為Block;
第二步,對各個Tile分塊進行模式識別:利用模式識別依次對每個Tile分塊進行判決,并且將判決值存入Tile索引矩陣,判決值包括屬于云的置信度、屬于地物的置信度和不確定,這里將判決值不確定賦值為基準B,置信度間隔為D,云的判決值應該是B+mD,對應地物的判決值是B-nD,其中m和n取正整數,云或地物的置信度越高m或n的值就越大;
第三步、確定不同類型對象特征的閾值范圍;所述不同類型對象包括不同置信度的云、不確定和不同置信度的地物;
第四步,根據Tile索引矩陣確定Block的判決值并進行微調:
步驟S41)對于每一個Tile分塊,分別計算組成該Tile分塊的4個Block的灰度均值,基于第三步中得到的閾值范圍采用門限判決法對Block進行云判決,判決值采用第二步中所用的形式,即不確定時為B,判為云時B+mD,判為地物時B-nD;
步驟S42)利用Tile分塊及其內部4個Block的判決值計算Tile的微調因子Factor:
其中,Sum指Tile中判為云或地物Block判決值之和,n指Tile中判為不確定Block個數,Predict指Tile的判決值;
步驟S43)對于Tile中判決為不確定的Block,將步驟S42)中得到的微調因子與Tile的判決值相加作為該Block的臨時判決值;
第五步,每一Block屬于多個Tile分塊,因此每一Block具有多個臨時判決值,根據同一Block的臨時判決值綜合確定Block的判決值,Block判決值組成Block索引矩陣;利用上下文知識,對Block索引矩陣中的判決值進行修正;
第六步,利用修正后的Block判決值所標記的云位置,對光學遙感圖像進行云剔除。
2.如權利要求1所述的方法,其特征在于,所述第三步為:利用Tile的模式識別結果確定不同類型對象特征的閾值范圍;具體為:
步驟S31)利用Tile索引矩陣,在其中尋找其中判決值相同的Tile,并統計這些Tile中不同對象的特征值;
步驟S32)每種類型對象的特征都被統計到了一起以后,將這些特征的最大值和最小值作為其范圍,也就是閾值的上限和下限;
步驟S33)由于不能保證每個場景中都有所有置信度的云和地物,所以對于那些缺少的類型,其閾值采用實驗總結出的經驗門限或訓練得到的門限。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京理工大學,未經北京理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201310043706.1/1.html,轉載請聲明來源鉆瓜專利網。





