[發明專利]一種基于S-HOG特征的光學遙感圖像船識別方法

有效

• 申請號: 201611249675.5
• 申請日: 2016-12-29
• 公開（公告）號: CN106709523B
• 公開（公告）日: 2020-01-10
• 發明（設計）人: 劉峰;王玉亭;張俊青;劉騰飛
• 申請（專利權）人: 北京理工雷科電子信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/44;G06K9/38;G06K9/46
• 代理公司: 11120 北京理工大學專利中心
• 代理人: 李愛英;郭德忠

1.一種基于S-HOG特征的光學遙感圖像船識別方法，其特征在于，包括：

步驟1，對目標切片數據進行平滑濾波；

步驟2，對平滑濾波后的圖像進行分割，得到二值圖；

步驟3，目標切片轉正：

對分割得到二值圖進行“4”連通區域標記，獲得標記區域的面積，二值圖中面積最大的連通區域，稱為最大連通區域；

將最大連通區域按一個方向依次旋轉，每次旋轉1度，共旋轉180次，計算每次旋轉后最大連通區域的最小外接矩形面積，180個最小外接矩形面積的最小值所對應的旋轉角度為θ，將目標切片數據原圖按該方向旋轉θ角度，實現目標切片的轉正；

步驟4，計算梯度方向：

在切片轉正的基礎上，分別計算目標在X方向和Y方向的梯度值，并計算每個像素點的梯度方向角；

步驟5，S-HOG特征提取及歸一化：

步驟5.1，以船心為中心，將切片所在的圓周面平均分成8個角度區間，0°方向與船身方向垂直，8個角度區間分別為：[337.5°～22.5°)，[22.5°～67.5°)，[67.5°～112.5°)，[112.5°～157.5°)，[157.5°～202.5°)，[202.5°～247.5°)，[247.5°～292.5°)和[292.5°～337.5°)；

步驟5.2，將船分為三部分，包括船身上半部分B1，船身下半部分B2和船身整體B3，依據各個像素點的梯度方向角，分別統計B1、B2和B3中屬于各角度區間的像素點個數，完成B1、B2和B3的S-HOG特征提取；

步驟5.3，采用L2范數分別對B1、B2和B3在8個區間的像素點個數進行歸一化，得到B1、B2和B3對應的歸一化向量，將這三個歸一化向量進行堆疊，得到堆疊后的S-HOG特征向量；

步驟6，船目標識別：

采用SVM算法對步驟5得到的堆疊后的S-HOG特征向量進行識別，完成船目標的分類識別。

2.如權利要求1所述的一種基于S-HOG特征的光學遙感圖像船識別方法，其特征在于，所述步驟1具體為：

對目標切片進行滑窗內的平滑濾波，以切片數據的左上角為滑窗起點，L×L的正方形滑窗在光學遙感目標切片數據中進行水平和豎直方向的步進，滑窗步進量為1；對于一個L×L的正方形滑窗，對應的平滑濾波公式如下：

I_f(i)代表L×L的正方形滑窗內像素i濾波后的灰度值強度，I(i)代表L×L的正方形滑窗像素i的原始灰度值，λ是平衡濾波光滑性的因子，其中ω_i,j為L×L的正方形滑窗內數據之間的相似性權重；

L×L的正方形滑窗內數據之間的相似性權重ω_i,j表達式為:

I(i)代表L×L的正方形滑窗像素i的原始灰度值，I(j)代表L×L的正方形滑窗像素j的原始灰度值；P(i)代表L×L的正方形滑窗像素i的位置，P(j)代表L×L的正方形滑窗像素j的位置；γ_c代表濾波后的灰度值強度控制因子，γ_p代表正方形滑窗像素i與正方形滑窗像素j的空間距離控制因子；Z_i為歸一化因子，確保∑_i,j∈Ωω_ij＝1，其中Ω代表L×L的數據空間。

3.如權利要求1所述的一種基于S-HOG特征的光學遙感圖像船識別方法，其特征在于，所述步驟2采用Otsu分割算法對平滑濾波后的圖像進行分割。

4.如權利要求1所述的一種基于S-HOG特征的光學遙感圖像船識別方法，其特征在于，所述步驟3的旋轉公式如下：

其中，x,y為像素坐標，每次旋轉1度，cosθ＝cos1°＝0.9998，sinθ＝sin1°＝0.0175，每旋轉一次，獲得旋轉后目標區域的行最小值x_min、行最大值x_max、列最小值y_min、列最大值y_max，存儲在XYBorad，得到該角度下的最小外接矩形的面積，考慮到對稱的原因，共旋轉180度，180個角度下最小外接矩形的面積的最小值即為最終外接矩形的面積，最終外接矩形的面積所對應的旋轉角度為θ。