[發明專利]一種層次化篩選的遙感圖像提取港口倉庫的方法

有效

• 申請號: 201711256477.6
• 申請日: 2017-12-04
• 公開（公告）號: CN108108670B
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 董敏;齊越;聶向軍;孫路;查雅平;李蕊;陳君穎;馬杰;梅思婧
• 申請（專利權）人: 交通運輸部規劃研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 胡劍輝

1.一種層次化篩選的遙感圖像提取港口倉庫的方法，其特征在于，包括如下步驟：

S100、基于活動輪廓模型提取港口海岸線，對遙感圖像的任意區域進行逐次的紋理特征識別，形成海域紋理區域和不規則紋理區域，并提取港口海岸邊緣線；

S200、不充分光譜特征提取多層次的主成分圖像，任意選取不規則紋理區域的樣本，通過CA變換，且以類間差異和類內差異比值最大為優化條件，使得不同的差異值組成不同層次的主成分圖像；

S300、空間關系特征精準識別港口倉庫，對主成分圖像提取港口倉庫的關聯關系，并將識別的待分析倉庫組成特征點集；

S400、基于WTA視覺快速適應性選擇，特征點集通過場景圖像提取視覺敏感圖像特征，獲取真實場景圖像的反饋選擇，進而精準提取港口倉庫。

2.根據權利要求1所述的一種層次化篩選的遙感圖像提取港口倉庫的方法，其特征在于，在步驟S100中，紋理特征識別采用灰度共生矩陣法，其識別的具體步驟如下所示：

S101、任意選取遙感圖像的一塊區域，并且設定該區域有L個灰度值，則對應于該區域的灰度共生矩陣為LXL階的矩陣；

S102、在矩陣中選取任意位置(i，j)，其中(i，j＝1,2，…，L)，則該處位置元素是從灰度為i的像素離開某個固定位置關系ζ＝(DX，DY)處灰度為j的像素對出現的頻率，其中ζ為位移量，DX和DY分別是兩個不同方向上的距離；

S103、通過灰度共生矩陣的位置關系提取紋理特征量，如角二階矩和對比度其中P為(i，j)處的特征向量，n為提取的次數。

3.根據權利要求1所述的一種層次化篩選的遙感圖像提取港口倉庫的方法，其特征在于，在步驟S100中，在海域紋理區域和不規則紋理區域之間通過濾波器算法提取港口海岸邊緣線，且通過濾波器算法優化港口海岸邊緣線的具體步驟為：首先獲取紋理特征的離散數據，并且通過離散化的Gabor模板矩陣和圖像數據矩陣卷積在濾波器進行圖像特征提取時，選取最低的中心頻率，并再次進行頻譜疊加計算得到濾波圖像。

4.根據權利要求1所述的一種層次化篩選的遙感圖像提取港口倉庫的方法，其特征在于，在步驟S200中，在CA變換之前通過線性變換式Y＝TX來提取任意數據集的最大化器類間方差與類內方差的比值，其中T為理想變換矩陣，從而確保其最大的可分離性，進而為CA變換提供優化基礎數據。

5.根據權利要求4所述的一種層次化篩選的遙感圖像提取港口倉庫的方法，其特征在于，所述理想轉換矩陣的具體算法：

S201、設定σ_A為變換后類型1和類型2之間的標準差，且σ_w1和σ_w2為變換后類型1和類型2的類內標準差，且σ_w為σ_w1和σ_w2的平均值；

S202、變換后方差和變換前方差之間關系為：

其中S_w和S_A分別為給定樣本的類內散度矩陣和類間散度矩陣，t為映射變換向量；

S203、設定映射變換向量t為類間方差與類內方差的比值的特定值，即當趨向于最大化時有(S_A-ΛS_W)T＝0，其中Λ表示所有的特征值λ組成的對角矩陣，而所有的列向量t組成的矩陣T就是所要求的理想變換矩陣。

6.根據權利要求1所述的一種層次化篩選的遙感圖像提取港口倉庫的方法，其特征在于，在步驟S300中，提取港口倉庫的關聯關系，其包括空間特征的點特征、線特征和面特征，并且基于遙感圖像的光譜特征，通過抽取遙感圖像的分層屬性，獲取上述關聯關系的層次性關系特征。

7.根據權利要求6所述的一種層次化篩選的遙感圖像提取港口倉庫的方法，其特征在于，所述港口倉庫的關聯關系如港口倉庫的道路關系、港口倉庫的轉運廣場關系、港口倉庫的封閉關系，通過港口倉庫的關聯空間關系提取整體屬性。