[發明專利]基于巴氏系數的單類標注下遙感影像目標區域提取方法

在審

• 申請號: 201810334259.8
• 申請日: 2018-04-14
• 公開（公告）號: CN108920998A
• 公開（公告）日: 2018-11-30
• 發明（設計）人: 張燕;張晨光
• 申請（專利權）人: 海南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于遙感影像在單類標注下目標區域的提取方法，其特征在于依次包括如下步驟：1）接收多光譜高分辨率遙感影像，選取若干波段組成多通道圖像，并標注目標區域的少量像元位置；2）提取所有像元的特征向量，按標注分成正類和待標注向量集；3）建立隱含混合高斯?伯努利受限玻爾茨曼機；4）以最小化正類（目標）與負類（非目標）之間的巴氏系數為目標，擬合模型與正類和待標注向量的數據分布，得到模型參數；5）計算得到待標注像元的類別并提取目標區域。本發明具有如下優點：1）適用于僅單類標注下目標區域提取；2）較高的標注準確率，且只需標注少量目標像元；3）不需要人為設定或預訓練得到?分類閾值；4)較快的運算速度。

技術領域

本發明涉及一種遙感影像在單類標注下目標區域的提取方法，屬于電子信息技術領域。

背景技術

遙感技術已廣泛用于各種城市和環境應用當中，如土地利用變化的監測，水質測量和植被測繪等。一般地，這些遙感技術都有賴于遙感影像中的目標分類和提取。目標提取指在影像中對目標和非目標區域加以區分并得到影像中所有目標位置的技術過程，本質上可以看成是機器學習的過程：在已標注正負類的像元特征組成的樣本數據集上學習并構造出一個統計分類模型，并利用該模型得到待標注像元的類別。得助于機器學習和圖像處理技術的發展，現有的遙感目標提取方法已經可以提供比較好的提取效果。

盡管如此，在某些應用項目中，我們可能只對特定的目標區域感興趣，而對其它區域不感興趣。例如，如果項目的目標是從遙感數據中檢索道路并更新到現有交通工具體系中，那影像中的森林和農地等區域就不是項目應該感興趣的內容。在這些項目中，因為僅對目標區域感興趣，已標注的像元位置通常僅包含目標類，而不包含非目標類。事實上，不感興趣的區域眾多，即使標注了部分非目標區域類，也很難包含所有的非目標類，即已標注非目標區域類通常都是缺失的。這種僅包含已標注的正類（目標區域）訓練樣本，而不包含負類（非目標區域）訓練樣本的分類問題在機器學習中稱為單類學習問題。對于這類問題，傳統監督分類方法并不適用，因為傳統監督分類器需要遙感影像中所有類被都有訓練像元被標注，而在遙感影像尤其是高分辨率遙感影像中手動標注所有不感興趣類的訓練像元通常費時費力且一般都不現實。因此，有必要發展單類標注下穩定高效的遙感影像目標區域提取方法。