[發(fā)明專利]一種基于S-HOG特征的光學(xué)遙感圖像船識別方法

有效

• 申請?zhí)枺?/td>: 201611249675.5
• 申請日: 2016-12-29
• 公開（公告）號: CN106709523B
• 公開（公告）日: 2020-01-10
• 發(fā)明（設(shè)計(jì)）人: 劉峰;王玉亭;張俊青;劉騰飛
• 申請（專利權(quán)）人: 北京理工雷科電子信息技術(shù)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(xué)專利中心
• 代理人: 李愛英;郭德忠

本發(fā)明提供了一種基于S?HOG特征的光學(xué)遙感圖像船識別方法，能夠解決現(xiàn)有的船識別技術(shù)中特征維數(shù)多，算法復(fù)雜度高所帶來的弊端，提高船識別的精度。本發(fā)明采用的S?HOG特征只有24維特征，相比于傳統(tǒng)的上百維度的HOG特征來說，大大降低了特征維數(shù)，減少了計(jì)算復(fù)雜度。本發(fā)明采用的S?HOG特征，船目標(biāo)在轉(zhuǎn)正后，邊緣及內(nèi)部的梯度角主要分布在0度左右和180度左右，而其他目標(biāo)的梯度角分布并無規(guī)律。因此，利用SVM分類器，這一特征能夠較好的將船與其他虛警目標(biāo)分離開來。本發(fā)明采用的平滑濾波，利用象素間的空間關(guān)系及灰度相似性進(jìn)行均勻?yàn)V波處理，能夠減小船目標(biāo)內(nèi)部紋理信息的差異性，將背景與目標(biāo)更容易區(qū)分開。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，具體涉及一種基于S-HOG(Ship-HOG，船目標(biāo)-方向梯度直方圖)特征的光學(xué)遙感圖像船識別方法。

背景技術(shù)

船目標(biāo)識別是計(jì)算機(jī)視覺和模式識別關(guān)注的重要問題，其在精確制導(dǎo)、海上交通管理、反恐、搜救等軍事和民用領(lǐng)域具有十分重要的意義。對于大視場下的光學(xué)遙感圖像船檢測結(jié)果中存在大量虛警的問題，單純依靠人工目視判讀來獲取船目標(biāo)信息的傳統(tǒng)方式，由于效率低、主觀性強(qiáng)、成本高、信息獲取周期長等缺陷，已遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)代社會(huì)對高效信息的需求。如何快速準(zhǔn)確地從海量遙感數(shù)據(jù)中自動(dòng)提取和識別出船目標(biāo)已成為當(dāng)前迫切需要解決的難題。

傳統(tǒng)的HOG特征光學(xué)遙感圖像船識別方法計(jì)算復(fù)雜，計(jì)算量大，特征維數(shù)高且存在冗余，容易降低識別正確率和識別速度。導(dǎo)致大量云和噪聲干擾以及巖石島嶼等海面虛假目標(biāo)難以和真實(shí)的目標(biāo)區(qū)分開來。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于S-HOG特征的光學(xué)遙感圖像船識別方法，能夠解決現(xiàn)有的船識別技術(shù)中特征維數(shù)多，算法復(fù)雜度高所帶來的弊端，提高船識別的精度。

本發(fā)明是通過以下技術(shù)方案來實(shí)現(xiàn)的：

步驟1，對目標(biāo)切片數(shù)據(jù)進(jìn)行平滑濾波；

步驟2，對平滑濾波后的圖像進(jìn)行分割，得到二值圖；

步驟3，目標(biāo)切片轉(zhuǎn)正：

對分割得到二值圖進(jìn)行“4”連通區(qū)域標(biāo)記，獲得標(biāo)記區(qū)域的面積，二值圖中面積最大的連通區(qū)域，稱為最大連通區(qū)域；

將最大連通區(qū)域按一個(gè)方向依次旋轉(zhuǎn)，每次旋轉(zhuǎn)1度，共旋轉(zhuǎn)180次，計(jì)算每次旋轉(zhuǎn)后最大連通區(qū)域的最小外接矩形面積，180個(gè)最小外接矩形面積的最小值所對應(yīng)的旋轉(zhuǎn)角度為θ，將目標(biāo)切片數(shù)據(jù)原圖按該方向旋轉(zhuǎn)θ角度，實(shí)現(xiàn)目標(biāo)切片的轉(zhuǎn)正；

步驟4，計(jì)算梯度方向：

在切片轉(zhuǎn)正的基礎(chǔ)上，分別計(jì)算目標(biāo)的在X方向和Y方向的梯度值，并計(jì)算每個(gè)像素點(diǎn)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(gè)角度區(qū)間，0°方向與船身方向垂直，8個(gè)角度區(qū)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(jù)各個(gè)像素點(diǎn)的梯度方向角，分別統(tǒng)計(jì)B1、B2和B3中屬于各角度區(qū)間的像素點(diǎn)個(gè)數(shù)，完成B1、B2和B3的S-HOG特征提取；

步驟5.3，采用L2范數(shù)分別對B1、B2和B3在8個(gè)區(qū)間的像素點(diǎn)個(gè)數(shù)進(jìn)行歸一化，得到B1、B2和B3對應(yīng)的歸一化向量，將這三個(gè)歸一化向量進(jìn)行堆疊，得到堆疊后的S-HOG特征向量；

步驟6，船目標(biāo)識別：