[發明專利]一種視覺注意模型驅動的稀土礦區遙感信息智能提取方法

有效

• 申請號: 201910317994.2
• 申請日: 2019-04-19
• 公開（公告）號: CN110059704B
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 彭燕;張兆明;何國金
• 申請（專利權）人: 中國科學院遙感與數字地球研究所
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽

本發明公布了一種視覺注意模型驅動的稀土礦開采區遙感信息智能提取方法。本發明所屬技術領域為遙感數據智能挖掘方向，具體涉及稀土礦開采區遙感信息智能提取。本發明綜合分析南方離子型稀土礦在高分辨率遙感影像上的特點，利用Itti視覺注意模型所生成的顯著圖作為GrabCut模型的初始輸入，替代常規以人工選框的方式來得到GrabCut模型的初始輸入，實現GrabCut模型自動分割圖像；并將NDVI信息加入到GrabCut模型的能量函數中作為約束項，來減少植被等信息對目標信息提取的干擾，從而提高礦區目標提取的精度。該方法能自動地進行稀土礦開采區信息提取，且具有較高的提取精度，是一種實用性強的稀土礦開采區遙感信息智能提取方法。

技術領域

本發明所屬技術領域為遙感數據智能挖掘方向，具體涉及稀土礦開采區遙感信息智能提取。

背景技術

稀土礦產資源是一種不可再生的資源，在機械制造、石油化工、農林牧業、航天航空及軍工技術等方面都有較為廣泛的用途。隨著對稀土資源需求量的不斷增加，濫采濫伐現象嚴重，而不當的開采方式會導致植被嚴重破壞、景觀和地形地貌的該變，以及土壤污染和水體污染等諸多的環境問題。因此需要對稀土礦區進行監測與調查，從而為相關部門管理及治理礦區的生態環境提供數據支撐。由于稀土礦區往往位于山區，且其開采比較零散、占地面積大，利用傳統的國土資源動態巡查的方式進行稀土礦區調查的時效性差、周期長、效率低，且費時費力。隨著近年來高空間分辨率遙感衛星數據的涌現，高空間分辨率遙感信息提取技術已成為調查稀土礦區的有利手段。

遙感分類技術可以分為基于像素的分類方法和面向對象的分類方法。基于像素的分類方法常被用于中低空間分辨率的遙感影像，并不適合高空間分辨率的遙感影像。面向對象的分類方法能利用光譜、空間、紋理以及上下文關系等特征，往往被應用于高分辨率遙感衛星數據。利用面向對象的分類方法進行礦區信息提取，能獲取較為準確的結果，但是比較費時，而且很多時候還需要人工干涉。隨著人工智能的發展，有學者提出了基于視覺注意模型來提取稀土礦開采區信息，并能獲得較好的結果。人類的視覺注意行為往往是在一個復雜的場景中迅速找到自己感興趣的區域從而來做出決定，視覺注意模型就是模擬人類的這種視覺注意行為來快速聚焦于一張圖像中的感興趣區域，生成顯著圖像。而僅通過視覺注意模型很難精確地提取目標的邊界，往往需要結合分割算法來準確地提取目標。目前分割方法主要分為監督的分割方法、非監督的分割方法以及交互式圖像分割方法。其中，交互式的圖像分割方法由于人工交互能獲得較多的圖像分割信息，所以分割結果較為精確。GrabCut算法因為具有簡潔的交互性和較好的圖像分割結果，所以被廣泛用于圖像分割。對于自然圖片，一般只需要人為畫個矩形作為模型的初始輸入，就能獲得較為滿意的結果。該模型已經被用于解決不同類型的圖像分割問題，例如醫學影像CT和PET等影像分割、人臉識別、運動車輛車牌號識別等，但是GrabCut算法在高分辨率遙感影像分割中的應用研究尚比較少。當所分割的圖像復雜、景觀破碎且很大時，該模型并不能得到很好的分割結果；同時該模型需要人為設定初始的掩膜圖，如果不能得到較好的分割結果，需要再次人為給定背景區，直到結果滿意為止。因此，利用常規的GrabCut模型不能實現稀土礦開采區信息智能提取，而且這個過程中存在很大的不確定性。

針對這些問題，本發明充分利用視覺注意模型和GrabCut模型的優缺點，首先利用視覺注意模型來生成目標顯著圖，從而將復雜的場景變得簡單，所生成的顯著圖作為GrabCut模型的初始值，替代人為設定的初始輸入，從而實現目標提取的全自動化和智能化。同時將歸一化差值植被指數(Normalized Difference Vegetation Index,NDVI)作為GrabCut模型中能量函數(Energy Function)的約束項來減小植被的影響、提高分割結果的精度。因此，本發明提出了一種基于視覺注意模型的改進的GrabCut模型實現高分辨率遙感影像稀土礦開采區信息的智能提取。

發明內容