[發(fā)明專利]一種遙感圖像艦船目標(biāo)識別方法

有效

• 申請?zhí)枺?/td>: 201710815256.1
• 申請日: 2017-09-12
• 公開（公告）號: CN107766792B
• 公開（公告）日: 2021-02-26
• 發(fā)明（設(shè)計）人: 陳禾;齊保貴;王銀婷;莊胤;龍騰
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 李微微;仇蕾安

1.一種遙感圖像艦船目標(biāo)識別方法，其特征在于，包括如下步驟：

步驟1，對原始圖像切片進行全局特征提取，得到一組全局特征；

步驟2，對原始圖像切片進行P-HOG特征提取，得到一組P-HOG特征；

步驟3，基于多種群遺傳算法對步驟1和步驟2得到的兩組特征分別進行選擇，其中，針對任意一組特征的選擇過程均包括如下子步驟：

步驟3.1，對特征進行編碼；

步驟3.2，按照步驟3.1的編碼方式隨機生成設(shè)定數(shù)目的編碼，將這些編碼隨機分成設(shè)定數(shù)目的種群；然后選定一批用于目標(biāo)識別的分類器；

步驟3.3，針對選定的每個分類器，利用上一步得到的每一個種群的編碼所代表的特征向量對該分類器分別進行訓(xùn)練，并得出該分類器的識別精度，并以此精度作為種群個體的適應(yīng)度函數(shù)；

步驟3.4，每個種群通過交叉變異來產(chǎn)生新個體，然后根據(jù)適應(yīng)度函數(shù)選擇出優(yōu)秀個體；

步驟3.5，將每個種群里適應(yīng)度函數(shù)最高的且特征數(shù)量最少的個體作為精英個體放入精英種群進行保存；

步驟3.6，針對產(chǎn)生的新個體，利用步驟3.3的方法繼續(xù)對分類器進行訓(xùn)練，得到適應(yīng)度函數(shù)；然后重復(fù)執(zhí)行步驟3.3至步驟3.6，直到滿足收斂條件；最終得到的精英種群中的最優(yōu)個體即為當(dāng)前分類器對應(yīng)的最優(yōu)特征；

步驟3.7，針對下一個分類器，采用步驟3.3至步驟3.6的方法確定該分類器對應(yīng)的最優(yōu)特征；訓(xùn)練完成所有分類器后，每個分類器對應(yīng)兩組最優(yōu)特征；

步驟4，構(gòu)建組合分類器，對該分類器進行訓(xùn)練，并進行目標(biāo)的判別，具體包括如下子步驟：

步驟4.1，在選定的分類器中，將識別精度靠前的部分分類器作為初級分類器，利用各個初級分類器對應(yīng)的最優(yōu)特征分別進行訓(xùn)練，并將得到的分類結(jié)果輸入到選定的一個次級分類器中進行進一步的訓(xùn)練，由此得到各個分類器的模型；

步驟4.2，對于待識別切片，按照步驟1和步驟2的方法提取出待識別切片的特征；并按照步驟3.6中分類器與最優(yōu)特征的對應(yīng)關(guān)系，從切片的特征中選擇出初級分類器對應(yīng)的最優(yōu)特征，然后分別將最優(yōu)特征輸入到對應(yīng)的分類器中，得到識別結(jié)果，將各個分類器的識別結(jié)果共同輸入到次級分類器中，得到圖像的最終識別結(jié)果。

2.如權(quán)利要求1所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，所述全局特征包括長、寬、長寬比、7個Hu矩、3個中心矩、4個局部RCS密度、方差系數(shù)和形狀復(fù)雜度的19維特征中的部分特征或者全部特征。

3.如權(quán)利要求1所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，所述P-HOG特征為在切片上提取的兩層的P-HOG特征。

4.如權(quán)利要求3所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，所述兩層的P-HOG特征為：在第一層中的1個區(qū)域提取；第二層中的2x2個區(qū)域提取，共提取168維的P-HOG特征。

5.如權(quán)利要求1所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，步驟3.1中對特征進行編碼的具體方法為：形成一個長度與特征數(shù)目一致的編碼序列，給編碼序列各個位置進行隨機賦值，0代表該位置特征沒有選中，1代表該位置特征被選中。

6.如權(quán)利要求1所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，所述選定的一批分類器包括支持向量SVM、貝葉斯、邏輯回歸、線性判別分析、K近鄰和極限學(xué)習(xí)機。

7.如權(quán)利要求6所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，識別精度靠前的部分分類器包括：貝葉斯分類器、邏輯回歸分類器、線性判別分類器。

8.如權(quán)利要求1所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，所述收斂條件為精英種群中精英個體保持10次迭代不變。

9.如權(quán)利要求1所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，所述次級分類器為SVM分類器。

10.如權(quán)利要求1所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，所述設(shè)定數(shù)目的編碼為400組編碼；所述設(shè)定數(shù)目的種群為10個種群。

11.如權(quán)利要求1所述的遙感圖像艦船目標(biāo)識別方法，其特征在于，步驟3.5中，所有的種群產(chǎn)生精英個體并保存到精英種群以后，針對每一個種群，當(dāng)精英種群中增加設(shè)定數(shù)量的精英個體后，將本次產(chǎn)生的精英個體通過移民算子引入到其它種群中，替換掉該種群中適應(yīng)度較差的個體，再執(zhí)行步驟3.6。