專利名稱：基于選擇性視覺注意機制的馬尾松多尺度智能識別模型的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于林業(yè)遙感圖像智能處理領(lǐng)域，特別涉及一種基于選擇性視覺注意機制的馬尾松多尺度智能識別模型，用于馬尾松的智能識別。
背景技術(shù)：
隨著遙感影像分辨率的提高，地物目標(biāo)的空間結(jié)構(gòu)、表層紋理等形態(tài)特征得到更加清晰地表達，傳統(tǒng)的基于像素統(tǒng)計值和單一尺度的分類方法適用性較差，其主要原因是這些傳統(tǒng)的分類方法忽略了地物的形狀和紋理特征，而這些信息恰好就是高分辨率遙感影像區(qū)分地物的主要特征依據(jù)。在采用高空間分辨率影像提取形態(tài)結(jié)構(gòu)信息，并結(jié)合光譜信息進行樹種分類識別方面，國內(nèi)外學(xué)者已經(jīng)做出了嘗試并達到了良好的效果，但是大都需要人工過多參與，參數(shù)設(shè)置過于復(fù)雜，構(gòu)建的識別模型也多局限于特定的數(shù)據(jù)類型或研究區(qū)域。近年來，隨著計算機視覺研究的深入，人們逐漸認(rèn)識到選擇性視覺注意機制的重要性。人類在面對復(fù)雜場景時能迅速地將自己的注意力聚焦在一些顯著的目標(biāo)上，從而對這些目標(biāo)進行優(yōu)先處理， 這里面存在一個視覺選擇性注意的機制。這種資源優(yōu)化配置的機制使得人腦視覺皮層能在有限的神經(jīng)資源下很好地處理攝入的視覺信息?；谶x擇性視覺注意機制的目標(biāo)提取方法為森林樹冠的提取提供了可靠的解決方案。傳統(tǒng)的基于空間域的視覺顯著性計算模型運算量較大，參數(shù)設(shè)置過于復(fù)雜，為了克服這個缺陷，本項目采用基于頻域的視覺顯著性計算方法，并結(jié)合形態(tài)學(xué)分析方法對基于譜殘余的顯著性區(qū)域計算方法進行改進，發(fā)明了一種基于選擇性視覺注意機制的多尺度智能識別模型。

發(fā)明內(nèi)容
本發(fā)明的技術(shù)解決問題是:提供一種基于選擇性視覺注意機制的多尺度智能識別模型，目的在于解決馬尾松智能識別中存在的模型自動化程度低、通用性差和識別精度低的問題，優(yōu)化顯著性區(qū)域分割的最佳因子選擇方法，滿足各種氣候條件下的馬尾松顯著性特征的正確提??；優(yōu)化形態(tài)模型建立的選擇參數(shù)，降低算法對單株馬尾松的敏感性，對不同氣候條件和不同植株大小條件下馬尾松的形態(tài)特征進行分析，構(gòu)建具有一定通用性的建模方法。本發(fā)明的技術(shù)方案為:基于選擇性視覺注意機制的馬尾松多尺度智能識別模型，其實現(xiàn)步驟如下:(I)選取多源遙感影像，進行自動配準(zhǔn)并融合，得到融合后的結(jié)果圖，在融合圖的基礎(chǔ)上，模仿人眼的視覺注意機理，結(jié)合影像上下文信息，基于譜殘余的方法計算每個像素點的顯著性值，得到每個像素點引起人眼視覺注意的程度大小，將計算資源集中到引起人眼視覺注意的區(qū)域，分割得到顯著性區(qū)域；(2)形態(tài)結(jié)構(gòu)參數(shù)是理解馬尾松的重要因素，結(jié)合影像獲取時的成像參數(shù)、影像分辨率以及目標(biāo)的大小，利用輪廓結(jié)構(gòu)對不同條件下的馬尾松建模，在顯著性區(qū)域中提取輪廓結(jié)構(gòu)，進行形態(tài)建模；(3)根據(jù)形態(tài)建模的結(jié)果構(gòu)建基于改進的視覺注意機制的多尺度智能識別模型，提取視覺注意機制感興趣的多維特征，實現(xiàn)馬尾松的精確識別。本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于:(I)該模型可以識別出不同植株大小等多種條件下的馬尾松，魯棒性強，通用性好;(2)該模型可以在不同尺度條件下實現(xiàn)馬尾松的智能識別；(3)該模型可以實現(xiàn)馬尾松的自動識別。
四

圖1是本發(fā)明的技術(shù)路線圖。
五具體實施例方式如圖1所示，本發(fā)明方法的具體實施方式
包含四個步驟，具體如下:(I)基于頻域的譜殘余方法分割包含馬尾松的顯著性區(qū)域；a)對試驗區(qū)的物種生長特性進行分析，選取光學(xué)和雷達高分辨率遙感影像，進行配準(zhǔn)，然后基于二階平穩(wěn)小波變換算法進行融合；

b)按照實驗范圍對融合后的進行裁剪，得到實驗區(qū)內(nèi)的高分辨率遙感影像；c)計算高分辨率遙感影像的植被指數(shù)，得到植被指數(shù)圖；d)計算植被指數(shù)圖的對數(shù)譜L (f)；e)基于公式(I)計算對數(shù)譜的一般形式A(f)；A(f)=hn(f) XL(f) (I)其中
權(quán)利要求
1.一種基于選擇性視覺注意機制的馬尾松多尺度智能識別模型，其特征在于，基于顯著性區(qū)域分割提取視覺注意機制感興趣的多維特征，基于形態(tài)學(xué)分析法進一步捕捉各種條件下馬尾松的形態(tài)結(jié)構(gòu)特征，進行形態(tài)建模，構(gòu)建基于選擇性視覺注意機制的多尺度智能識別模型，實現(xiàn)馬尾松的精確識別，方便了森林資源的綜合監(jiān)測與防控，主要實驗方案包括以下三個環(huán)節(jié): (1)選取多源遙感影像，進行自動配準(zhǔn)并融合，得到融合后的結(jié)果圖，在融合圖的基礎(chǔ)上，模仿人眼的視覺注意機理，結(jié)合影像上下文信息，基于譜殘余的方法計算每個像素點的顯著性值，得到每個像素點引起人眼視覺注意的程度大小，將計算資源集中到引起人眼視覺注意的區(qū)域，分割得到顯著性區(qū)域； (2)形態(tài)結(jié)構(gòu)參數(shù)是理解馬尾松的重要因素，結(jié)合影像獲取時的成像參數(shù)、影像分辨率以及目標(biāo)的大小，利用輪廓結(jié)構(gòu)對不同條件下的馬尾松建模，在顯著性區(qū)域中提取輪廓結(jié)構(gòu)，進行形態(tài)建模； (3)根據(jù)形態(tài)建模的結(jié)果構(gòu)建基于改進的視覺注意機制的多尺度智能識別模型，提取視覺注意機制感興趣的多維 特征，實現(xiàn)馬尾松的精確識別。
全文摘要
本發(fā)明涉及一種基于選擇性視覺注意機制的馬尾松多尺度智能識別模型，識別步驟為基于顯著性區(qū)域分割提取視覺注意機制感興趣的多維特征，基于形態(tài)學(xué)分析法進一步捕捉各種條件下馬尾松的形態(tài)結(jié)構(gòu)特征，進行形態(tài)建模，構(gòu)建基于選擇性視覺注意機制的多尺度智能識別模型，實現(xiàn)馬尾松的精確識別，方便了森林資源的綜合監(jiān)測與防控。
文檔編號G06K9/00GK103226695SQ201310113180
公開日2013年7月31日 申請日期2013年4月2日 優(yōu)先權(quán)日2013年4月2日
發(fā)明者王瑞瑞, 石偉, 陳玲, 黃華國 申請人:北京林業(yè)大學(xué)