專利名稱：一種基于頻域分析的可見光遙感圖像感興趣區(qū)域檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感圖像處理及圖像識別技術(shù)領(lǐng)域，具體涉及一種基于頻域分析的可見光遙感圖像感興趣區(qū)域檢測方法。
背景技術(shù)：
遙感圖像的感興趣區(qū)域檢測是遙感與信息交叉學(xué)科的重點(diǎn)、難點(diǎn)問題，無論在軍事領(lǐng)域還是民用領(lǐng)域，都具有重要的理論研究意義與實(shí)際應(yīng)用價值。傳統(tǒng)的遙感圖像感興趣區(qū)域檢測方法往往都是知識驅(qū)動的，經(jīng)過圖像分割與特征提取等過程，先驗(yàn)知識庫與分割閾值的好壞直接決定了后續(xù)圖像處理效果，同時，先驗(yàn)知識庫的建立本身又是一個比較復(fù)雜的問題，一般需要綜合考慮各種專家知識庫、多種區(qū)域目標(biāo)特征模型、背景區(qū)域特點(diǎn)等。視覺注意模型為遙感圖像感興趣區(qū)檢測提供了一個全新的視角，不同于傳統(tǒng)的檢測方法，視覺注意模型完全由數(shù)據(jù)驅(qū)動，不涉及知識庫等外部因素的影響。將視覺注意模型引入遙感圖像感興趣區(qū)域的檢測具有重大的意義。近些年來，已有一些研究與分析將視覺注意模型引入遙感圖像感興趣區(qū)域檢測中，并且成為一項(xiàng)提高大規(guī)模數(shù)據(jù)分析實(shí)時性和準(zhǔn)確性的重要技術(shù)方法。這些方法模擬了人類視覺系統(tǒng)(human visual system, HVS)的視覺注意，它可以提供觀察者可能的感興趣區(qū)域信息，繼而在該區(qū)域中尋找具體目標(biāo)，這樣可以幫助制定合理的計(jì)算資源分配方案，從而大幅地提升已有圖像處理系統(tǒng)的運(yùn)行效率。這種遙感圖像感興趣區(qū)域檢測方法在保證準(zhǔn)確檢測結(jié)果的前提下減少了時間消耗與資源占用，具有重要的應(yīng)用價值和實(shí)際意義。在基于低層視覺特征的視覺注意模型方面，1998年，Itti等人在文章“A Model ofSaliency-Based Visual Attention for Rapid Scene Analysis” 中通過模仿人類視覺自底向上的注意機(jī)制，運(yùn)用金字塔圖像不同級交叉相減的方式，計(jì)算出圖像顏色、方向和強(qiáng)度三個通道的圖，通過疊加三個通道圖，形成顯著圖。在顯著圖中，一些重要目標(biāo)能夠被顯著性區(qū)域突出。Itti模型同人類視覺系統(tǒng)十分接近，利用了各種視覺特性產(chǎn)生顯著圖。張鵬等人在文章“基于視覺注意的遙感圖像分析方法”中根據(jù)人類視覺系統(tǒng)的生理結(jié)構(gòu)與認(rèn)知特點(diǎn)，基于Itti的視覺注意模型提出了一個遙感圖像分析模型，并在此基礎(chǔ)上開發(fā)出了一種新的遙感圖像分析方法。該方法在一定程度上具備了類似于人類視覺系統(tǒng)的選擇性加工能力。將其應(yīng)用于多種類型的真實(shí)遙感圖像，獲得了較為滿意的實(shí)驗(yàn)結(jié)果。在基于數(shù)學(xué)方法的視覺注意模型方面，Harel等人在文章“Graph-Based VisualSaliency” 中提出了基于圖論的算法(Graph-based visual saliency, GBVS)。這種算法在特征提取的過程中類似Itti算法模擬視覺原理，在顯著圖生成的過程引入馬爾可夫鏈(Markow chains)，用純數(shù)學(xué)計(jì)算得到顯著值。王鑫等人在文章“基于圖像顯著性區(qū)域的遙感圖像機(jī)場檢測”中針對已有方法對圖像逐像素進(jìn)行分析的不足，基于GBVS模型將人眼的注意力選擇計(jì)算模型引入到遙感圖像的機(jī)場目標(biāo)檢測中，提出一種基于圖像顯著性區(qū)域的遙感圖像中機(jī)場目標(biāo)檢測與識別的方法，以提高自動目標(biāo)檢測的效率。基于低層視覺特征的視覺注意模型較好地模擬了人眼視覺的關(guān)注方式，但是沒有充分考慮圖像的頻域特征，同時計(jì)算速度慢、效率低，難以達(dá)到實(shí)時應(yīng)用的要求?；跀?shù)學(xué)方法的視覺注意模型計(jì)算速度快，但是僅考慮了圖像的自身特征，容易出現(xiàn)漏檢、誤檢的現(xiàn)象。近些年Ell和Sangwine等人將四元數(shù)傅里葉變換應(yīng)用到彩色圖像中。其優(yōu)勢在于把彩色圖像視為一個矢量整體，不僅獲得了彩色圖像頻域信息的完整描述，而且保留了彩色圖像各通道間的相互關(guān)系，可以用于可見光遙感圖像的感興趣區(qū)域檢測中。在感興趣區(qū)域描述方面，傳統(tǒng)方法中，用一個固定半徑圓來描述感興趣區(qū)域。它在識別隨機(jī)區(qū)域時會帶來大量冗余信息，不利于圖像的壓縮。使用單一閾值的速度非?？?，但是感興趣區(qū)域會有很多小碎片，區(qū)域中會有一些黑斑，區(qū)域的描述不夠準(zhǔn)確。最大類間方差法(Ostu方法)是一種自動的非參數(shù)非監(jiān)督的閾值選擇法，該方法可以說是自適應(yīng)計(jì)算單閾值的簡單高效方法。該方法具有計(jì)算簡單、自適應(yīng)強(qiáng)等優(yōu)點(diǎn)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供了一種基于頻域分析的可見光遙感圖像感興趣區(qū)域檢測方法，該方法用于對可見光遙感圖像的感興趣區(qū)域進(jìn)行精確檢測?，F(xiàn)有的感興趣區(qū)域檢測方法主要依靠圖像在空域中表現(xiàn)出來的各種特征完成檢測，沒有充分考慮圖像的頻域特性，針對可見光遙感圖像的感興趣區(qū)域進(jìn)行檢測時，對細(xì)節(jié)豐富且顯著的地物信息無法完成精確檢測。所以本發(fā)明方法主要關(guān)注兩個方面:I)提升可見光遙感圖像感興趣區(qū)域檢測精度，獲得更為準(zhǔn)確的感興趣區(qū)域信息；2)降低可見光遙感圖像感興趣區(qū)域檢測的計(jì)算復(fù)雜度。本發(fā)明所使用的技術(shù)方案包括可見光遙感圖像的顯著圖生成，感興趣區(qū)域模板生成以及感興趣區(qū)域生成三個主要過程，具體包括以下步驟:步驟一:利用HSI (hue色調(diào)，saturation色飽和度，intensity亮度)彩色空間變換對可見光遙感圖像進(jìn)行預(yù)處理，即分別提取圖像的R(red，紅色)、G(green，綠色)、B (blue，藍(lán)色)三個分量，利用HSI彩色空間變換將所獲得的R、G、B三個分量轉(zhuǎn)換到HSI彩色空間，獲取可見光遙感圖像的H、S、I三個分量。之所以進(jìn)行彩色空間變換是由于HSI彩色空間與人類的顏色感知系統(tǒng)是一致的并且其優(yōu)于RGB顏色空間，所以本發(fā)明將可見光遙感圖像從RGB空間變換到了 HSI空間。步驟二:將步驟一得到的H、S、I三個分量作為輸入變量，輸入到四元數(shù)傅里葉變換中，計(jì)算后獲得可見光遙感圖像頻域的幅度譜與相位譜信息；步驟三:將頻譜中的相位譜保留，采用巴特沃斯高通濾波器對可見光遙感圖像的幅度譜進(jìn)行高通濾波，得到幅度譜的高頻信息；步驟四:將相位譜與幅度譜的高頻信息作為輸入變量，輸入到四元數(shù)傅里葉反變換中，計(jì)算后得到可見光遙感圖像空間域的特征圖。具體過程為:I)將相位譜與幅度譜的高頻信息作為輸入變量，輸入到四元數(shù)傅里葉反變換中；2)計(jì)算四元數(shù)傅里葉反變換，在空間域構(gòu)成輸出圖像；3)將輸出圖像轉(zhuǎn)化為灰度圖像，得到可見光遙感圖像空間域的特征圖。步驟五:采用高斯金字塔對步驟四得到的特征圖進(jìn)行高斯低通濾波，并進(jìn)行空間降維，獲得顯著圖；步驟六:采用最大類間方差法對顯著圖進(jìn)行閾值分割并對分割結(jié)果完成二值化操作，獲得可見光遙感圖像的感興趣區(qū)域模板。具體過程為:I)采用最大類間方差法得到顯著圖的最優(yōu)分割閾值；2)根據(jù)得到的閾值對圖像進(jìn)行二值化分割，感興趣區(qū)域?yàn)?，非感興趣區(qū)域?yàn)? ;2)得到二值化感興趣區(qū)域模板。步驟七:將感興趣區(qū)域模板升維到與原始可見光遙感圖像大小一致，然后基于該模板與原始圖像進(jìn)行掩膜操作，得到可見光遙感圖像的感興趣區(qū)域，即完成對原始可見光遙感圖像的感興趣區(qū)域檢測。本發(fā)明提出的方法具有如下的優(yōu)點(diǎn):(I)本發(fā)明使用的四元數(shù)傅里葉變換可以采取快速傅里葉變換形式，解決了可見光遙感圖像的計(jì)算效率問題。它可以滿足實(shí)時計(jì)算的要求；(2)本發(fā)明保留了四元數(shù)傅里葉變換后頻域的相位譜，很好地凸顯了圖像中物體的位置信息，提升了感興趣區(qū)域的定位準(zhǔn)確度；(3)本發(fā)明對四元數(shù)傅里葉變換后頻域的幅度譜進(jìn)行了巴特沃斯高通濾波，很好地保留了細(xì)節(jié)信息的能量，使閾值分割的結(jié)果更為精確；(4)本發(fā)明利用最大類間方差法進(jìn)行閾值分割。該方法能夠在低計(jì)算復(fù)雜度下快速獲得顯著圖的分割閾值，從而快速、高效地獲得感興趣區(qū)域邊界信息的精確描述。本發(fā)明的研究工作得到了國家自然科學(xué)基金項(xiàng)目(61071103)與中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(2012LYB50)的資助。


圖1為本發(fā)明的流程圖；圖2為本發(fā)明所使用的可見光遙感圖像不例圖片；圖3為本發(fā)明所使用示例圖片的H、S、I三個分量的結(jié)果。(a)為H分量，(b)為S分量，(C)為I分量；圖4為本發(fā)明的顯著圖和感興趣區(qū)域圖。(a)為示例圖片的顯著圖，(b)為示例圖片的感興趣區(qū)域圖；圖5為示例圖片采用本發(fā)明方法和其他方法生成的顯著圖的比較。(a)為Itti方法生成的顯著圖，(b)為GBVS方法生成的顯著圖，(c)為本發(fā)明方法生成的顯著圖；圖6為示例圖片采用本發(fā)明方法和其他方法生成的感興趣區(qū)域圖的比較。(a)為Itti方法生成的感興趣區(qū)域圖，(b)為GBVS方法生成的感興趣區(qū)域圖，(c)為本發(fā)明方法生成的感興趣區(qū)域圖；圖7為示例圖片的地面實(shí)況(Ground-Truth)顯著度圖；圖8為ROC曲線圖，評價了 Itti方法、GBVS方法與本發(fā)明方法在可見光遙感圖像感興趣區(qū)域檢測中的性能。
具體實(shí)施例方式下面結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)說明。本發(fā)明的總體框架如圖1所示，現(xiàn)介紹每一步實(shí)現(xiàn)細(xì)節(jié)。步驟一:利用HSI (hue色調(diào)，saturation色飽和度，intensity亮度)彩色空間變換對可見光遙感圖像(如圖2所示)進(jìn)行預(yù)處理，即分別提取圖像的R(red，紅色)、G (green，綠色)、B (blue，藍(lán)色)三個分量，利用HSI彩色空間變換將所獲得的R、G、B三個分量轉(zhuǎn)換到HSI彩色空間，獲取可見光遙感圖像的H、S、I三個分量:
權(quán)利要求
1.一種基于頻域分析的可見光遙感圖像感興趣區(qū)域檢測方法，該方法用于檢測可見光遙感圖像得到精確的感興趣區(qū)域，其特征在于，包括以下步驟: 步驟一:利用HSI (hue色調(diào)，saturation色飽和度，intensity亮度)彩色空間變換對可見光遙感圖像進(jìn)行預(yù)處理，即分別提取圖像的R(red，紅色)、G (green，綠色)、B(blue，藍(lán)色)三個分量，利用HSI彩色空間變換將所獲得的R、G、B三個分量轉(zhuǎn)換到HSI彩色空間，獲取可見光遙感圖像的H、S、I三個分量； 步驟二:將步驟一得到的H、S、I三個分量作為輸入變量，輸入到四元數(shù)傅里葉變換中，計(jì)算后獲得可見光遙感圖像頻域的幅度譜與相位譜信息； 步驟三:將頻譜中的相位譜保留，采用巴特沃斯高通濾波器對可見光遙感圖像的幅度譜進(jìn)行高通濾波，得到幅度譜的高頻信息； 步驟四:將相位譜與幅度譜的高頻信息作為輸入變量，輸入到四元數(shù)傅里葉反變換中，計(jì)算后得到可見光遙感圖像空間域的特征圖； 步驟五:采用高斯金字塔對步驟四得到的特征圖進(jìn)行高斯低通濾波，并進(jìn)行空間降維，獲得顯著圖； 步驟六:采用最大類間方差法對顯著圖進(jìn)行閾值分割并對分割結(jié)果完成二值化操作，獲得可見光遙感圖像的感興趣區(qū)域模板； 步驟七:將感興趣區(qū)域模板升維到與原始可見光遙感圖像大小一致，然后基于該模板與原始圖像進(jìn)行掩膜操作，得到最終的可見光遙感圖像的感興趣區(qū)域，即完成對原始可見光遙感圖像的感興趣區(qū)域檢測。
2.根據(jù)權(quán)利要求1所述的一種基于頻域分析的可見光遙感圖像感興趣區(qū)域檢測方法，其特征在于，所述步驟四的具體過程為: 1)將相位譜與幅度譜的高頻信息作為輸入變量，輸入到四元數(shù)傅里葉反變換中； 2)計(jì)算四元數(shù)傅里葉反變換，在空間域構(gòu)成輸出圖像； 3)將輸出圖像轉(zhuǎn)化為灰度圖像，得到可見光遙感圖像空間域的特征圖。
3.根據(jù)權(quán)利要求1所述的一種基于頻域分析的可見光遙感圖像感興趣區(qū)域檢測方法，其特征在于，所述步驟六的具體過程為: 1)采用最大類間方差法得到顯著圖的最優(yōu)分割閾值； 2)根據(jù)得到的閾值對圖像進(jìn)行二值化分割，感興趣區(qū)域?yàn)?，非感興趣區(qū)域?yàn)?; 2)得到二值化感興趣區(qū)域模板。
全文摘要
本發(fā)明公開一種基于頻域分析的可見光遙感圖像感興趣區(qū)域檢測方法，屬于遙感圖像處理及圖像識別技術(shù)領(lǐng)域。實(shí)施過程包括1)對圖像進(jìn)行預(yù)處理；2)將預(yù)處理結(jié)果進(jìn)行四元數(shù)傅里葉變換，獲得圖像的頻域信息；3)保留相位譜并用巴特沃斯高通濾波器獲取幅度譜高頻信息；4)對相位譜與幅度譜高頻信息做四元數(shù)傅里葉反變換，得到特征圖；5)利用高斯金字塔對特征圖濾波與降維，獲得顯著圖；6)對顯著圖進(jìn)行閾值分割與二值化，獲得感興趣區(qū)域模板；7)將模板升維并與原始圖像做掩膜操作，得到最終的感興趣區(qū)域。本發(fā)明實(shí)現(xiàn)了感興趣區(qū)域的快速、準(zhǔn)確定位，具有區(qū)域描述精度高、計(jì)算復(fù)雜度低等優(yōu)點(diǎn)，可用于環(huán)境監(jiān)測、土地利用與農(nóng)業(yè)調(diào)查等領(lǐng)域。
文檔編號G06T7/40GK103177458SQ20131013271
公開日2013年6月26日 申請日期2013年4月17日 優(yōu)先權(quán)日2013年4月17日
發(fā)明者張立保, 楊凱娜, 余先川, 徐金東 申請人:北京師范大學(xué)