[發(fā)明專利]一種有效的遙感圖像目標(biāo)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710659364.4
• 申請(qǐng)日: 2017-08-04
• 公開(kāi)（公告）號(hào): CN107463957B
• 公開(kāi)（公告）日: 2020-04-03
• 發(fā)明（設(shè)計(jì)）人: 王鑫;鄧梁;石愛(ài)業(yè);徐立中;呂國(guó)芳
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 李玉平

本發(fā)明公開(kāi)一種有效的遙感圖像目標(biāo)識(shí)別方法，訓(xùn)練階段中設(shè)計(jì)基于Harr特征和Adaboost的遙感圖像目標(biāo)快速分類器，該分類器首先提取遙感圖像Harr特征，然后利用Adaboost對(duì)提取出來(lái)的Harr特征進(jìn)行挑選、組合；設(shè)計(jì)基于顏色特征和Adaboost的遙感圖像目標(biāo)精確分類器，該分類器首先提取遙感圖像的顏色特征，然后利用Adaboost對(duì)提取出來(lái)的顏色特征進(jìn)行挑選、組合。識(shí)別階段中，將訓(xùn)練階段中獲得的快速分類器與精確分類器用級(jí)聯(lián)方式聯(lián)合在一起，再應(yīng)用于測(cè)試圖像的識(shí)別過(guò)程，通過(guò)判定快速分類器的分類結(jié)果可確定是否進(jìn)一步使用精確分類器。通過(guò)對(duì)實(shí)際遙感圖像進(jìn)行實(shí)驗(yàn)，結(jié)果表明該方法不僅確保了一定的識(shí)別精確性，且大大降低了時(shí)間復(fù)雜度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種有效的遙感圖像目標(biāo)識(shí)別方法，屬于數(shù)字圖像處理技術(shù)領(lǐng) 域。

背景技術(shù)

隨著遙感傳感器技術(shù)的迅速發(fā)展，遙感圖像信息呈現(xiàn)出幾何級(jí)數(shù)的急劇增 長(zhǎng)，人們想要了解遙感實(shí)時(shí)信息的話，遙感圖像分類識(shí)別變得必不可少，進(jìn)行良 好的分類識(shí)別能夠使在大量信息中快速、高效地得出人們所感興趣的信息。

但是，現(xiàn)階段遙感圖像目標(biāo)識(shí)別技術(shù)針對(duì)遙感圖像信息復(fù)雜、數(shù)據(jù)量大，會(huì) 產(chǎn)生目標(biāo)識(shí)別中特征檢測(cè)準(zhǔn)確度低、特征匹配識(shí)別時(shí)間長(zhǎng)等問(wèn)題，為此，本發(fā)明 提出了一種有效的遙感圖像目標(biāo)識(shí)別方法，旨在提升目標(biāo)識(shí)別精確度的同時(shí)，大 大降低識(shí)別計(jì)算量。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明提供出了一種有效的遙感目 標(biāo)識(shí)別方法。該方法不僅可以保證了一定的精確性，而且能夠大大提高識(shí)別速度， 減少時(shí)間成本。

技術(shù)方案：一種有效的遙感圖像目標(biāo)識(shí)別方法，首先對(duì)遙感圖像提取Harr 特征，然后利用Adaboost進(jìn)行特征挑選、重組，以生成遙感目標(biāo)快速識(shí)別分類 器；其次對(duì)遙感圖像提取顏色特征，然后利用Adaboost進(jìn)行特征挑選、重組， 以生成遙感目標(biāo)精確識(shí)別分類器；最后將得到的快速識(shí)別分類器與精確識(shí)別分類 器進(jìn)行級(jí)聯(lián)，得到最終的聯(lián)合分類器，對(duì)遙感圖像目標(biāo)進(jìn)行快速、準(zhǔn)確的識(shí)別。 具體包括如下步驟：

步驟一：對(duì)遙感圖像提取Harr特征，然后利用Adaboost進(jìn)行特征挑選、重 組，以特征的線性組合作為遙感目標(biāo)快速識(shí)別分類器。

(1)輸入若干某類遙感目標(biāo)的訓(xùn)練樣本圖像RGB_i(i＝1,...,train_sum)， 其中，train_sum為訓(xùn)練樣本數(shù)量，同時(shí)輸入一幅含有該類目標(biāo)的遙感訓(xùn)練圖像 A。

(2)針對(duì)每一幅遙感目標(biāo)的訓(xùn)練樣本圖像RGB_i，將其灰度化，得到其灰度 圖像gray_i，并利用下式將灰度圖轉(zhuǎn)換成積分圖integral_i：

其中integral_i(m,n)為積分圖中坐標(biāo)為(m，n)的值，gray_i(k,l)是灰度 圖中坐標(biāo)為(k,l)的灰度值，上式說(shuō)明積分圖值的獲取是灰度圖的一個(gè)累積相 加的過(guò)程。綜合所有訓(xùn)練樣本圖像的積分圖，可得 {integral₁,...,integral_i,....,integral_{train_sum}}。

(3)Harr特征的獲取是通過(guò)利用Harr特征模板窗口去遍歷每一個(gè)積分圖， 在這個(gè)過(guò)程中，通過(guò)修改Harr特征模板在窗口中的作用范圍，可以得到相應(yīng)的 全局特征矩陣和局部特征矩陣，遍歷整張積分圖可以得到全局特征矩陣，遍歷局 部積分圖就可以得到局部特征矩陣；確定Harr特征模板的作用范圍以后，通過(guò) 修改Harr特征模板在窗口的初始位置就可以得到不同的局部特征矩陣，遍歷哪 個(gè)部分積分圖就可以得到哪個(gè)部分的局部特征矩陣；確定Harr特征模板的作用 范圍和初始位置以后，通過(guò)修改Harr特征模板的類別就可以得到完全不同類別 的全局特征矩陣和局部特征矩陣。