[發明專利]一種馬尾松多尺度智能識別的方法及裝置

在審

• 申請號: 201611048367.6
• 申請日: 2016-11-22
• 公開（公告）號: CN106778511A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 王和平;譚弘武;劉寧;鄒彪;操松元;方登洲;郭可貴;楊鵬;黃朝華
• 申請（專利權）人: 國網通用航空有限公司;北京煜邦電力技術股份有限公司;國網安徽省電力公司;國家電網公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/34
• 代理公司: 北京品源專利代理有限公司11332
• 代理人: 孟金喆,胡彬

技術領域

本發明實施例涉及林業遙感圖像智能處理領域，尤其涉及一種馬尾松多尺度智能識別的方法及裝置。

背景技術

隨著遙感影像分辨率的提高，地物目標的空間結構、表層紋理等形態特征得到更加清晰地表達，傳統的基于像素統計值和單一尺度的分類方法適用性較差，其主要原因是這些傳統的分類方法忽略了地物的形狀和紋理特征，而這些信息恰好就是高分辨率遙感影像區分地物的主要特征依據。在采用高空間分辨率影像提取形態結構信息，并結合光譜信息進行樹種分類識別方面，國內外學者已經做出了嘗試并達到了良好的效果，但是大都需要人工過多參與，參數設置過于復雜，構建的識別模型也多局限于特定的數據類型或研究區域。

近年來，隨著計算機視覺研究的深入，人們逐漸認識到選擇性視覺注意機制的重要性。人類在面對復雜場景時能迅速地將自己的注意力聚焦在一些顯著的目標上,從而對這些目標進行優先處理,這里面存在一個視覺選擇性注意的機制。這種資源優化配置的機制使得人腦視覺皮層能在有限的神經資源下很好地處理攝入的視覺信息。基于選擇性視覺注意機制的目標提取方法為森林樹冠的提取提供了可靠的解決方案。但傳統的基于空間域的視覺顯著性計算模型運算量較大，參數設置過于復雜。

發明內容

本發明實施例的目的在于提出一種馬尾松多尺度智能識別的方法及裝置，旨在解決馬尾松智能識別中存在的模型自動化程度低、通用性差和識別精度低的問題。

為達此目的，本發明實施例采用以下技術方案：

第一方面，一種馬尾松多尺度智能識別的方法，所述方法包括：

基于頻域的譜殘余方法分割包含馬尾松的顯著性區域；

獲取預設氣候條件下和預設植株大小條件下的馬尾松的圖片，對所述馬尾松進行形態建模；

在顯著性區域分割的基礎上，根據所述形態模型對所述馬尾松進行目標預測；

基于馬尾松的光譜統計特性，對目標預測的結果進行處理，剔除虛警，獲取最終的馬尾松識別結果。

優選地，所述基于頻域的譜殘余方法分割包含馬尾松的顯著性區域，包括：

對試驗區的物種生長特性進行分析，選取光學和雷達高分辨率遙感影像，進行配準，基于二階平穩小波變換算法進行融合；

按照實驗范圍對融合后的進行裁剪，得到實驗區內的高分辨率遙感影像；

計算高分辨率遙感影像的植被指數，得到植被指數圖，并計算所述植被指數圖的對數譜L(f)，并獲取對數譜的一般形式A(f)和影像的譜殘余R(f)；

將譜殘余圖像進行逆傅里葉變換，得到影像的顯著性圖；

將所述顯著性圖與高分辨率遙感影像進行掩膜處理，得到包含馬尾松的顯著性區域。

優選地，所述獲取對數譜的一般形式A(f)，包括：

所述對數譜的一般形式A(f)＝h_n(f)×L(f)；

其中，所述所述n＝3。

優選地，所述獲取影像的譜殘余R(f)，包括：

基于R(f)＝L(f)-A(f)計算影像的譜殘余R(f)；

其中，所述A(f)表示對數譜的一般形態，為先驗信息輸入，R(f)是輸入影像的統計上的特殊區域，為影像的譜殘余。

優選地，所述獲取預設氣候條件下和預設植株大小條件下的馬尾松的圖片，對所述馬尾松進行形態建模，包括：

對預設氣候條件下的馬尾松進行個體形態分析；

結合高分辨率光學遙感影像的成像參數，對馬尾松的光譜特征曲線進行分析，并構建通用的形態模型。

第二方面，一種馬尾松多尺度智能識別的裝置，所述裝置包括：

分割模塊，用于基于頻域的譜殘余方法分割包含馬尾松的顯著性區域；

第一獲取模塊，用于獲取預設氣候條件下和預設植株大小條件下的馬尾松的圖片，對所述馬尾松進行形態建模；

預測模塊，用于在顯著性區域分割的基礎上，根據所述形態模型對所述馬尾松進行目標預測；

第二獲取模塊，用于基于馬尾松的光譜統計特性，對目標預測的結果進行處理，剔除虛警，獲取最終的馬尾松識別結果。

優選地，所述分割模塊，具體用于：

對試驗區的物種生長特性進行分析，選取光學和雷達高分辨率遙感影像，進行配準，基于二階平穩小波變換算法進行融合；

按照實驗范圍對融合后的進行裁剪，得到實驗區內的高分辨率遙感影像；

計算高分辨率遙感影像的植被指數，得到植被指數圖，并計算所述植被指數圖的對數譜L(f)，并獲取對數譜的一般形式A(f)和影像的譜殘余R(f)；