[發(fā)明專利]基于多尺度譜聚類及決策級(jí)融合的SAR圖像溢油檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310162878.0
• 申請(qǐng)日: 2013-05-03
• 公開（公告）號(hào): CN103236063A
• 公開（公告）日: 2013-08-07
• 發(fā)明（設(shè)計(jì)）人: 朱立琴;高成
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 李玉平

1.一種基于多尺度譜聚類及決策級(jí)融合的SAR圖像溢油檢測(cè)方法，其特征在于：首先，建立基于小波變換的SAR圖像多尺度對(duì)象級(jí)譜聚類分割方法，在不同尺度下分別提取溢油或疑似溢油區(qū)域；其次，對(duì)上述影像分割結(jié)果，利用多元指標(biāo)組合的神經(jīng)網(wǎng)絡(luò)溢油識(shí)別方法在單一尺度上進(jìn)行識(shí)別，建立多尺度決策級(jí)融合策略，融合單一尺度的檢測(cè)結(jié)果完成檢測(cè)并形成統(tǒng)一的檢測(cè)框架；最后，以識(shí)別過程中的主要性能指標(biāo)為基礎(chǔ)，進(jìn)行新建溢油識(shí)別方法的性能評(píng)估。

2.?如權(quán)利要求1所述的基于多尺度譜聚類及決策級(jí)融合的SAR圖像溢油檢測(cè)方法，其特征在于：所述多尺度的對(duì)象級(jí)譜聚類分割方法為，

首先建立小波尺度分解次數(shù)自適應(yīng)快速選擇算法，最佳分解尺度應(yīng)使后期的多尺度分析取得運(yùn)算時(shí)間與檢測(cè)精度的平衡；在此基礎(chǔ)上，通過尺度自適應(yīng)分割方法，對(duì)不同尺度上的低頻子圖像進(jìn)行快速分割預(yù)處理，進(jìn)而在每一尺度上構(gòu)建基于分割結(jié)果的相似性矩陣，計(jì)算特征值及特征向量，構(gòu)建對(duì)象級(jí)譜聚類分割方法；從而獲得單一尺度的分割結(jié)果；對(duì)每一尺度獨(dú)立進(jìn)行分割，提取油膜或疑似油膜在多個(gè)尺度下所在的區(qū)域。

3.如權(quán)利要求1所述的基于多尺度譜聚類及決策級(jí)融合的SAR圖像溢油檢測(cè)方法，其特征在于：基于多元綜合指標(biāo)的神經(jīng)網(wǎng)絡(luò)溢油識(shí)別方法為，

根據(jù)不同尺度下獲得的不同分割結(jié)果，利用多元綜合指標(biāo)神經(jīng)元網(wǎng)絡(luò)算法在單一尺度上識(shí)別溢油區(qū)域；在現(xiàn)有算法基礎(chǔ)上，通過引入?yún)^(qū)域灰度直方圖來統(tǒng)一描述區(qū)域灰度及紋理特征，替代常用灰度特征和紋理特征的描述方法；測(cè)試常用的神經(jīng)網(wǎng)絡(luò)模型對(duì)SAR溢油檢測(cè)的性能，在多尺度下綜合比較模型運(yùn)行時(shí)間與檢測(cè)效果，選擇一種較優(yōu)的納入本項(xiàng)目擬建的檢測(cè)框架。

4.如權(quán)利要求1所述的基于多尺度譜聚類及決策級(jí)融合的SAR圖像溢油檢測(cè)方法，其特征在于：研究多尺度決策級(jí)融合策略，融合不同尺度下溢油檢測(cè)結(jié)果，實(shí)現(xiàn)最終的溢油區(qū)域識(shí)別；在研究現(xiàn)有經(jīng)典決策級(jí)融合算法基礎(chǔ)上，擬建立一種新的多尺度決策級(jí)溢油檢測(cè)融合算法，與對(duì)象級(jí)譜聚類分割及識(shí)別結(jié)合，形成完整的檢測(cè)框架；擬通過多幅ENVISAT-1?ASAR數(shù)據(jù)，采用所建立的檢測(cè)框架用于解決我國(guó)海洋主要航線、石油鉆井平臺(tái)密集區(qū)域等典型區(qū)域的溢油檢測(cè)；以檢測(cè)過程中主要性能指標(biāo)為基礎(chǔ)，進(jìn)行所構(gòu)建框架的性能評(píng)估；并結(jié)合波浪和生物油膜因素，對(duì)參數(shù)進(jìn)行優(yōu)化，通過對(duì)比試驗(yàn)驗(yàn)證所提框架的效果。