[發明專利]一種有效的遙感圖像目標識別方法

有效

• 申請號: 201710659364.4
• 申請日: 2017-08-04
• 公開（公告）號: CN107463957B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 王鑫;鄧梁;石愛業;徐立中;呂國芳
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李玉平

1.一種有效的遙感圖像目標識別方法，其特征在于：首先對遙感圖像提取Harr特征，然后利用Adaboost進行特征挑選、重組，以特征的線性組合作為遙感目標快速識別分類器；其次對遙感圖像提取顏色特征，然后利用Adaboost進行特征挑選、重組，以特征的線性組合作為遙感目標精確識別分類器；最后將得到的快速識別分類器與精確識別分類器進行級聯，得到最終的聯合分類器，對遙感圖像目標進行快速、準確的識別；

對遙感圖像提取顏色特征，然后利用Adaboost進行特征挑選、重組，以特征的線性組合作為遙感目標精確識別分類器，具體包括：

(1)輸入若干某類遙感目標的訓練樣本圖像RGB_i，i＝1,...,train_sum，其中，train_sum為訓練樣本數量，同時輸入一幅含有該類目標的遙感訓練圖像A；

(2)針對每一幅遙感目標的訓練樣本圖像RGB_i，將其轉換成HIS顏色模型；

(3)利用顏色特征模板窗口去遍歷每一個色調圖H_i，通過修改色調直方圖特征在窗口中的作用范圍，可以得到相應的色調統計特征，遍歷整張色調圖可以得到全局顏色特征，遍歷局部色調圖就可以得到局部顏色特征；確定色調直方圖特征的作用范圍以后，通過修改色調直方圖特征在窗口的初始位置就可以得到不同的色調統計局部特征，遍歷哪個部分色調圖就可以得到哪個部分的顏色特征；

因此設可以得到的每一個色調圖H_i的顏色特征為{Y_i¹,...,Y_i^j,....,Y_i^H_sum}，其中，Y_i^j為對應于H_i的一個顏色特征矩陣值，H_sum為該色調圖得到的特征值的總數量值；

(4)將所有訓練樣本的顏色特征值重新組成下列形式：[Y]＝{Y¹,...,Y^j,....,Y^H_sum}，其中，

(5)對遙感訓練圖像A，劃分成與訓練樣本圖像尺寸大小相同的test_sum_A個子圖像；

(6)針對每一個子圖像，采用與第(2)、第(3)步相同的處理，得到它們的色調圖{H_{1_A},...,H_{k_A},....,H_{test_sum_A}}，以及每個色調圖所對應的顏色特征值矩陣

(7)針對遙感訓練圖像A中的子圖像，基于顏色特征依次進行判斷，求出滿足下列約束的最優解：

通過求取最優解，即可以判斷遙感訓練圖像A中的每一個子圖像是否為遙感目標圖像；

(8)首先賦予每一個子圖像相同的權重，賦予每一個特征相同的重要性系數；其次訓練圖像A與所用特征的類別皆為已知，判斷結果也就已知是否正確，通過計算分類錯誤樣本的權重就可以知道其誤差率，誤差率最低的特征自然精確率最高，針對此輪精確率最高的特征，增加其重要性系數；針對分錯的子圖像，增加其權重；接著，在每次挑選完最小誤差的特征過后，用挑選出來的特征對訓練圖像進行判定，然后把判定為目標的窗口作為下一輪待判定的窗口，在下一輪中利用沒被挑選出來的特征進行進一步判定，然后再挑選此輪最小誤差的特征，從而使得誤差比上一輪更小，在迭代過程中不斷降低誤差，直至誤差率降至閾值以內；最后，將挑選出來的精確性高的若干個特征，將特征與相應的重要性系數相乘，然后線性相加組合生成相應的強分類器，在強分類器判定結果出來以后，判定為目標以后再進行第二個強分類器的進一步判定，強分類器如此級聯在一起就可以形成精確識別分類器。