[發明專利]一種基于JPEG2000碼流的在軌遙感圖像城區檢測方法

有效

• 申請號: 201710052123.3
• 申請日: 2017-01-20
• 公開（公告）號: CN106897674B
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 鄧宸偉;李琤;韓裕祺;南京宏;趙保軍
• 申請（專利權）人: 北京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 郭德忠;李愛英

1.一種基于JPEG2000碼流的遙感圖像城區檢測方法，其特征在于，包括以下步驟：

步驟1：抓取JPEG2000壓縮碼流的Packet：讀取待測遙感圖像的JPEG2000壓縮碼流，根據壓縮標準，提取JPEG2000壓縮碼流中各個Packet的位置；其中，各個Packet包括包頭和包體，同時包體由碼塊構成，其中碼塊中的數據按比特層編碼；

步驟2：獲取包頭信息：基于各個Packet的位置，從每個Packet中獲取包頭碼流信息，其中包頭碼流信息包括自身包頭信息和包體內的所有碼塊信息，且一個包體內的所有碼塊信息為N×N個包頭向量，其中N至少為1；

步驟3：提取并融合包頭的結構與紋理特征量：從N×N個包頭向量中提取三個結構與紋理特征量，其中結構與紋理特征量包括編碼最高位MBP、編碼通道數NCP以及碼流長度BU；然后分別將這三個結構與紋理特征量通過升采樣進行融合，得到對應的比特顯著性特征、編碼顯著性特征以及紋理豐富性特征；

步驟4：將步驟3得到的比特顯著性特征、編碼顯著性特征以及紋理豐富性特征作為ELM多分類器的輸入，對待測遙感圖像的不同結構紋理區域進行分類；其中，ELM多分類器將待測遙感圖像的不同結構紋理區域分為人造區域、自然區域以及平緩區域；

步驟5：根據步驟4的分類結果，得到待測遙感圖像中符合城區結構紋理特性的人造區域的對應碼塊，并將對應碼塊進行膨脹操作后得到補全的連通域，然后進入步驟6；將其他類別的碼塊從其所在的Packet中剔除，不再進行后續操作；

步驟6：提取包體信息：提取步驟5中補全的連通域所在的各個Packet的位置，然后基于各個Packet的位置，從每個Packet中獲取包體碼流信息；

步驟7：采用Tier-2解碼器對碼塊的每個比特層進行熵編碼，從而生成梯度圖：初始化Tier-2解碼器中寄存器的狀態，并利用Tier-2解碼器和JPEG2000熵編碼的方法，計算步驟6得到的包體碼流信息中各個碼塊每個比特層上相鄰編碼位小波系數的變化量，將變化量加權相加后得到小波系數的梯度圖；

步驟8：提取梯度特征：基于尺度空間理論，從步驟7中得到的小波系數的梯度圖中提取局部特征SURF和圖像紋理特征LBP，并將兩個特征進行歸一化處理后得到一個包體特征向量；

步驟9：ELM城區分類：將步驟8得到的包體特征向量作為ELM二分類器的輸入，對待測遙感圖像進行城區-非城區分類；其中，ELM二分類器將待測遙感圖像的不同結構紋理區域分為城區和非城區兩個種類；

步驟10：根據ELM二分類器的分類結果，得到含有城區圖像的碼塊，同時根據這些碼塊所在的Packet在JPEG2000壓縮碼流中的位置，得到各個碼塊在待測遙感圖像中的位置，然后將這些碼塊組織成新的JPEG2000壓縮碼流進行顯示、存儲或傳輸。

2.如權利要求1所述的一種基于JPEG2000碼流的遙感圖像城區檢測方法，其特征在于，步驟4所述的ELM多分類器通過訓練得到，具體的訓練方法為：利用已知遙感圖像建立訓練集，并按照設定的碼塊尺寸大小將已知遙感圖像裁剪成切片圖，將切片圖執行步驟1～步驟3的操作，然后通過步驟3得到的比特顯著性特征、編碼顯著性特征以及紋理豐富性特征來訓練基于超級學習機的ELM多分類器。

3.如權利要求1或2所述的一種基于JPEG2000碼流的遙感圖像城區檢測方法，其特征在于，所述的ELM多分類器內核為sigmoid函數，單層節點數為500。

4.如權利要求1所述的一種基于JPEG2000碼流的遙感圖像城區檢測方法，其特征在于，步驟9所述的ELM二分類器通過訓練得到，具體的訓練方法為：利用已知遙感圖像建立訓練集，并按照設定的碼塊尺寸大小將已知遙感圖像裁剪成切片圖，將切片圖依次執行步驟1～步驟8的操作，然后通過步驟8得到的包體特征向量來訓練ELM二分類器。

5.如權利要求1或4所述的一種基于JPEG2000碼流的遙感圖像城區檢測方法，其特征在于，所述的ELM二分類器內核為sigmoid函數，單層節點數為1000。