大幅面可見(jiàn)光遙感圖像典型目標(biāo)識(shí)別關(guān)鍵技術(shù)研究.pdf

1、隨著對(duì)地觀測(cè)技術(shù)的發(fā)展,遙感圖像在軍事和民用領(lǐng)域的應(yīng)用范圍日趨廣泛。基于遙感圖像的自動(dòng)目標(biāo)識(shí)別在現(xiàn)代戰(zhàn)爭(zhēng)情報(bào)搜集中起著重要的作用,然而現(xiàn)有的遙感信息處理技術(shù)水平仍未達(dá)到實(shí)際應(yīng)用的需求。尤其是隨著遙感圖像分辨率的提高,遙感成像系統(tǒng)產(chǎn)生的圖像數(shù)據(jù)量劇增,單幅遙感圖像的尺寸顯著增大,而相應(yīng)的數(shù)據(jù)處理技術(shù)卻很難適應(yīng)實(shí)時(shí)有效處理的要求。為了提高遙感圖像數(shù)據(jù)的利用率、提高遙感信息自動(dòng)化處理的效率和可靠性、增強(qiáng)軍事偵察和情報(bào)信息收集能力,本文圍繞高分

2、辨率遙感圖像中典型目標(biāo)的標(biāo)檢測(cè)識(shí)別問(wèn)題,研究了圖像分割、感興趣區(qū)域(RegionsofInterest,ROI)檢測(cè)、特征提取等關(guān)鍵技術(shù),在此基礎(chǔ)上提出一個(gè)多類目標(biāo)檢測(cè)識(shí)別方法,克服了現(xiàn)有遙感目標(biāo)檢測(cè)算法針對(duì)性強(qiáng)、可移植性差的問(wèn)題,提高了自動(dòng)目標(biāo)識(shí)別系統(tǒng)的效率和適應(yīng)性。
　　面向?qū)ο蠓治鍪歉叻直媛蔬b感圖像目標(biāo)識(shí)別的一個(gè)重要方向,其前提條件是將圖像分割成具有一定語(yǔ)義信息的區(qū)域?qū)ο蟆ａ槍?duì)現(xiàn)有分割方法對(duì)高分辨遙感圖像分割效率低、自動(dòng)化程

3、度不高的現(xiàn)狀,提出了一個(gè)基于快速均值漂移(MeanShift)算法的標(biāo)記分水嶺分割方法。首先,對(duì)圖像進(jìn)行雙邊濾波去噪;然后,用改進(jìn)的快速M(fèi)eanShift算法進(jìn)行初始分割;接著,將初始分割結(jié)果中的同質(zhì)性區(qū)域作為標(biāo)記進(jìn)行標(biāo)記分水嶺變換;最后,采用面向?qū)ο蟮乃枷雽?duì)標(biāo)記分水嶺分割的結(jié)果進(jìn)行區(qū)域合并得到最終的分割結(jié)果。該方法有效解決了傳統(tǒng)分水嶺分割容易造成過(guò)分割的問(wèn)題,而且可以通過(guò)調(diào)整標(biāo)記面積閾值來(lái)實(shí)現(xiàn)不同尺度的分割結(jié)果。通過(guò)與其它方法進(jìn)行分割

4、精度和效率上的實(shí)驗(yàn)對(duì)比,證明了本算法在保證分割精度的同時(shí),執(zhí)行效率有了很大的提升。
　　針對(duì)復(fù)雜場(chǎng)景高分辨率遙感圖像數(shù)據(jù)量大、冗余信息多、目標(biāo)搜索耗時(shí)的問(wèn)題,提出了一個(gè)基于視覺(jué)顯著性檢測(cè)的ROI提取策略,根據(jù)不同目標(biāo)的類型和尺度采用不同的方法。對(duì)于線性結(jié)構(gòu)目標(biāo),在低分辨率圖像上用一個(gè)基于加權(quán)直線段長(zhǎng)度密度分布的自頂向下顯著性模型,將那些具有高對(duì)比度的長(zhǎng)直線段所在的區(qū)域作為感興趣區(qū)域,能夠快速定位圖像中大型直線性結(jié)構(gòu)目標(biāo)的潛在位置。

5、對(duì)于團(tuán)塊目標(biāo),在對(duì)應(yīng)區(qū)域的高分辨率圖像上采用一個(gè)基于多尺度顏色直方圖對(duì)比度的自底向上顯著性模型,快速生成一幅全分辨率顯著圖,將其與超像素分割結(jié)果相結(jié)合,根據(jù)各超像素的平均顯著度提取出那些容易引起人類視覺(jué)關(guān)注的區(qū)域作為感興趣區(qū)域,縮小目標(biāo)搜索的范圍?；谝曈X(jué)顯著性的ROI提取,能夠快速?gòu)拇蠓鎴D像中找出目標(biāo)的潛在位置,為后續(xù)目標(biāo)識(shí)別做好準(zhǔn)備,提高目標(biāo)識(shí)別的效率。
　　根據(jù)遙感圖像目標(biāo)檢測(cè)識(shí)別的需要,重點(diǎn)研究了遙感圖像中線特征、圓特征

6、、區(qū)域幾何特征的快速提取技術(shù)。首先,將改進(jìn)的相位編組直線段提取方法與感知分組連接相結(jié)合,提出一種快速直線段檢測(cè)算法;接著,在直線段檢測(cè)的基礎(chǔ)上,根據(jù)感知分組原理提取了平行線、垂直線等結(jié)構(gòu)特征,為機(jī)場(chǎng)、橋梁、港口等直線性結(jié)構(gòu)目標(biāo)的識(shí)別奠定了基礎(chǔ);然后,提出了一種改進(jìn)的兩步Hough變換圓檢測(cè)算法,用于油庫(kù)目標(biāo)檢測(cè)時(shí)可提高圓形油罐識(shí)別速度和精度;最后,提出了一種高效的連通區(qū)域標(biāo)記算法,為目標(biāo)區(qū)域的幾何形狀特征參數(shù)的快速計(jì)算奠定了基礎(chǔ)。通過(guò)大

7、量實(shí)驗(yàn)表明,各算法都能夠快速準(zhǔn)確地提取出相應(yīng)的形狀特征。
　　在圖像分割、感興趣區(qū)域檢測(cè)、特征提取研究的基礎(chǔ)上,提出了一個(gè)基于形狀特征的高分辨率遙感圖像多類目標(biāo)檢測(cè)識(shí)別方法。本方法首先將利用加權(quán)直線段長(zhǎng)度密度分布顯著性模型在低分辨率圖像上提取的線性結(jié)構(gòu)目標(biāo)ROI映射到高分辨率圖像,對(duì)相應(yīng)區(qū)域進(jìn)行面向?qū)ο笏懛诸?為目標(biāo)識(shí)別提供上下文環(huán)境信息;然后,提取線性目標(biāo)ROI區(qū)域的線性結(jié)構(gòu)特征生成特征向量,利用決策樹(shù)支持向量機(jī)識(shí)別機(jī)場(chǎng)、港口