[發明專利]一種高分辨率遙感圖像自動語義標記方法

有效

• 申請號: 201310128944.2
• 申請日: 2013-04-15
• 公開（公告）號: CN103198333A
• 公開（公告）日: 2013-07-10
• 發明（設計）人: 陳克明;鑒萍;郭建恩;周志鑫;張道兵;孫顯
• 申請（專利權）人: 中國科學院電子學研究所
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06T7/00
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 李愛英;高燕燕

技術領域

本發明涉及遙感圖像處理領域，尤其涉及高分辨率遙感圖像的語義標注或語義分類方法。

背景技術

遙感圖像語義自動標注是遙感圖像組織、索引的基礎，特別是隨著近年來遙感數據爆炸式增加，高分辨率遙感圖像數據量極大，直接查找、獲取圖像困難更大，高分辨率遙感圖像的語義標注意義更加明顯。但是現有的人工直接標注費時、費力，可行性不強，急需從圖像語義層次的高效標注方法。現有技術中，對高分辨率遙感圖像語義標注的方法主要有：多示例-多標記學習方法（Multi-instance?multi-label?learning，簡稱MIML）。

多示例-多標記學習方法是近年來提出的一種方便的圖像分類、標注方法。與傳統的圖像標注方法相比，多示例-多標記學習方法在分類器訓練過程中不需要對每一個圖像區域進行標記，只需要對包的標記進行標記，指示包中是否包含示例標記，因此，在分類器訓練中比較簡單方便，實際可操作性比較強。

但是傳統的多示例-多標記學習方法忽略了詞袋中示例之間的語義相關性，并且在示例構造時往往采用均勻切分圖像的方法，致使多示例-多標記學習方法在圖像標注時均衡對待每一個示例，無法真正從圖像目標角度出發實現圖像的語義層標注。這種處理問題的思路明顯不符合遙感圖像的特點：遙感圖像尺寸一般很大，反映了一個較大區域內的地物地貌，而遙感圖像通常在遙感圖像解譯過程中，用戶感興趣的只是其中若干局部區域，因此，直接提取整幅圖像的全局特征根本無法反映感興趣的目標概念，故有必要對整幅圖像進行分解或者分割。例如，從低空間尺度圖像上可以更方便區分“陸地”和“海洋”，從中等空間分辨率上可以區分“陸地”上的“城市”和“鄉村”，而想要區分開“城市”中的“建筑物”、“道路”、“植被”等目標語義則需要較高空間分辨率。另外，可以明顯看出，這些語義標簽之間存在嚴格的等級隸屬關系。以圖像區域目標為單位，結合圖像空間尺度變換，利用遙感圖像地物先驗信息，實現遙感圖像等級語義隸屬關系建模，是提高遙感圖像語義標注的主要途徑。

發明內容

本發明提供了一種高分辨率遙感圖像自動語義標記方法，將目標等級語義模型和多示例-多標記學習方法相結合，通過利用遙感圖像中目標語義之間的等級隸屬先驗信息，構建目標等級語義模型，以克服傳統多示例-多標記學習方法中對示例之間語義相關性以及語義等級約束的忽略造成的標注精度不高。

本發明的技術方案為：

步驟S102，對高分辨率遙感圖像進行多尺度分解，自低分辨率尺度開始，每個尺度上的圖像進行過分割，獲取多個尺度上的過分割區域；

步驟S104，以每個尺度上過分割區域為單位對每一幅遙感圖像提取顏色特征、紋理特征，SIFT特征以及熵特征，以過分割區域為單位構造特征向量；

步驟S106，以某個尺度上圖像為詞袋，以該圖像中的過分割區域為多示例學習中的示例，以過分割區域的特征向量為示例的特征，在每個尺度上構造一個多示例-多標記學習框架，從而在多個尺度上形成一個等級語義多示例-多標記學習框架，利用訓練樣本分別在每個尺度上訓練多示例-多標記學習框架中的分類器，得到最佳分類器參數設置；

步驟S108，利用已訓練的多示例-多標記學習框架中的分類器，自低尺度到高尺度為序，對測試數據首先在低尺度上進行語義標注，并將標注的語義信息傳遞到高尺度，在低尺度語義信息輔助下對高尺度上圖像進行語義標注；標注結果以概率形式輸出，所有尺度上的語義標注結果構成圖像地物類型等級標注置信構成圖。

所述步驟S102中對高分辨率遙感圖像進行多尺度分解，利用小波金字塔變換方法對每幅圖像進行多個尺度分解，由每一層的小波低頻系數圖像及原始圖像構成多尺度圖像序列。

所述步驟S102中自低分辨率尺度開始，每個尺度上的圖像進行過分割，利用分水嶺分割方法自低分辨率尺度開始，在每個尺度上進行圖像過分割。

所述等級多示例-多標記學習框架構建的步驟包括：

單尺度上多示例-多標記學習方法的構建：每個尺度上的圖像的每個過分割區域作為多示例-多標記學習方法中的一個示例，該尺度上的圖像作為多示例-多標記學習方法中的一個詞袋，區域的特征矢量對應為該示例的特征表述，區域的標注作為示例的標記；如果一個詞袋中所有的示例均標記為負樣本時，該詞袋被標記為副詞袋；如果一個詞袋中有一個示例被標記為正樣本時，該詞袋被標記為正詞袋；通過“詞袋-圖像，示例-區域”的映射，完成單一尺度上遙感圖像的多示例-多標記學習框架構建；