大幅面可見光遙感圖像典型目標識別關鍵技術研究.pdf

1、隨著對地觀測技術的發(fā)展,遙感圖像在軍事和民用領域的應用范圍日趨廣泛。基于遙感圖像的自動目標識別在現(xiàn)代戰(zhàn)爭情報搜集中起著重要的作用,然而現(xiàn)有的遙感信息處理技術水平仍未達到實際應用的需求。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,而相應的數(shù)據(jù)處理技術卻很難適應實時有效處理的要求。為了提高遙感圖像數(shù)據(jù)的利用率、提高遙感信息自動化處理的效率和可靠性、增強軍事偵察和情報信息收集能力,本文圍繞高分

2、辨率遙感圖像中典型目標的標檢測識別問題,研究了圖像分割、感興趣區(qū)域(RegionsofInterest,ROI)檢測、特征提取等關鍵技術,在此基礎上提出一個多類目標檢測識別方法,克服了現(xiàn)有遙感目標檢測算法針對性強、可移植性差的問題,提高了自動目標識別系統(tǒng)的效率和適應性。
　　面向?qū)ο蠓治鍪歉叻直媛蔬b感圖像目標識別的一個重要方向,其前提條件是將圖像分割成具有一定語義信息的區(qū)域?qū)ο?。針對現(xiàn)有分割方法對高分辨遙感圖像分割效率低、自動化程

3、度不高的現(xiàn)狀,提出了一個基于快速均值漂移(MeanShift)算法的標記分水嶺分割方法。首先,對圖像進行雙邊濾波去噪;然后,用改進的快速MeanShift算法進行初始分割;接著,將初始分割結(jié)果中的同質(zhì)性區(qū)域作為標記進行標記分水嶺變換;最后,采用面向?qū)ο蟮乃枷雽擞浄炙畮X分割的結(jié)果進行區(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分割的問題,而且可以通過調(diào)整標記面積閾值來實現(xiàn)不同尺度的分割結(jié)果。通過與其它方法進行分割

4、精度和效率上的實驗對比,證明了本算法在保證分割精度的同時,執(zhí)行效率有了很大的提升。
　　針對復雜場景高分辨率遙感圖像數(shù)據(jù)量大、冗余信息多、目標搜索耗時的問題,提出了一個基于視覺顯著性檢測的ROI提取策略,根據(jù)不同目標的類型和尺度采用不同的方法。對于線性結(jié)構目標,在低分辨率圖像上用一個基于加權直線段長度密度分布的自頂向下顯著性模型,將那些具有高對比度的長直線段所在的區(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)構目標的潛在位置。

5、對于團塊目標,在對應區(qū)域的高分辨率圖像上采用一個基于多尺度顏色直方圖對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關注的區(qū)域作為感興趣區(qū)域,縮小目標搜索的范圍。基于視覺顯著性的ROI提取,能夠快速從大幅面圖像中找出目標的潛在位置,為后續(xù)目標識別做好準備,提高目標識別的效率。
　　根據(jù)遙感圖像目標檢測識別的需要,重點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。首先,將改進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算法;接著,在直線段檢測的基礎上,根據(jù)感知分組原理提取了平行線、垂直線等結(jié)構特征,為機場、橋梁、港口等直線性結(jié)構目標的識別奠定了基礎;然后,提出了一種改進的兩步Hough變換圓檢測算法,用于油庫目標檢測時可提高圓形油罐識別速度和精度;最后,提出了一種高效的連通區(qū)域標記算法,為目標區(qū)域的幾何形狀特征參數(shù)的快速計算奠定了基礎。通過大

7、量實驗表明,各算法都能夠快速準確地提取出相應的形狀特征。
　　在圖像分割、感興趣區(qū)域檢測、特征提取研究的基礎上,提出了一個基于形狀特征的高分辨率遙感圖像多類目標檢測識別方法。本方法首先將利用加權直線段長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)構目標ROI映射到高分辨率圖像,對相應區(qū)域進行面向?qū)ο笏懛诸?為目標識別提供上下文環(huán)境信息;然后,提取線性目標ROI區(qū)域的線性結(jié)構特征生成特征向量,利用決策樹支持向量機識別機場、港口