bor基函數(shù)與之對(duì)應(yīng)的傅里葉形式，公式分別為：
[0113] 式中，σχ*空間域X方向的有效頻帶寬度，〇 ￥為空間域y方向的有效頻帶寬度， 。。和。v為頻域中對(duì)應(yīng)的有效頻帶寬度。。u= 1/2 π σ χ，σν= 1/2 π σ y，j為虛數(shù)單位， x，y為空域變量，u，v為頻域變量，W是正弦曲線(xiàn)的法線(xiàn)方向的頻率，也是高斯函數(shù)的復(fù)調(diào) 制頻率，表明頻域內(nèi)Gabor濾波器的位置。Gabor函數(shù)形成一個(gè)完整的非正交基，在此基礎(chǔ) 上通過(guò)擴(kuò)展信號(hào)來(lái)描述本地化頻率，Gabor小波被稱(chēng)為一種自相似的函數(shù)。假設(shè)g(x，y)是 Gabor母小波，那么這種自相似的濾波器組可通過(guò)g(x，y)的旋轉(zhuǎn)伸縮來(lái)獲得：
[0114] gnn(x,y) = amg(x, ,y')
[0115] X1 = a m(xcos Θ+ysin θ ) y' = a m(-xsin Θ +ycos Θ )
[0116] 其中，a > 1，m,n為整數(shù)，Θ = ηπ/Κ，且K是Gabor濾波器組的方向數(shù)，m = 0, 1，... S_l，S是尺度個(gè)數(shù)。為了減少濾波圖像的冗余彳目息，設(shè)UjP U h是感興趣的最低頻 和最高頻，Uk為第k個(gè)感興趣區(qū)域的頻率，那么這種策略必須確保在頻譜下支持濾波器響應(yīng) 的半峰值相互接觸。
[0117] 計(jì)算公式如下：
[0120] 2)紋理特征描述。
[0121] 對(duì)于圖片I (X，y)，Gabor濾波器的定義如下：
[0122] Wmn (X，y) =/ I (X1, Yjgmn=Kx-X1, y-y!) (Ix1Cly1
[0123] 其中，（Xl，yi)為圖像中的像素點(diǎn)，*表示復(fù)共輒，它假設(shè)局部紋理區(qū)域在空間上是 均勻的，并且變換系數(shù)幅值的均值和均方差σ m用于表示該區(qū)域的屬性描述，即用該區(qū) 域的均值和均方差表示一個(gè)紋理描述向量：
[0126] 那么，該區(qū)域的紋理特征由所有Gabor濾波器組對(duì)應(yīng)的均值Pnin和均方差σ m組 合。假設(shè)實(shí)驗(yàn)中使用4個(gè)尺度S = 4,6個(gè)方向K = 6的Gabor濾波器組，那么該紋理描述 包含48個(gè)分量：
[0128] 具體步驟為：
[0129] (a)對(duì)原圖進(jìn)行傅里葉變換，得到圖像的實(shí)部和虛部頻域數(shù)據(jù)；
[0130] (b)對(duì)Gabor基進(jìn)行傅里葉變換，得到濾波器組的實(shí)部和虛部頻域數(shù)據(jù)；
[0131] (c)原圖的實(shí)部和虛部頻域數(shù)據(jù)和所有的Gabor濾波器的實(shí)部和虛部相乘，得到 一系列新濾波圖像的實(shí)部和虛部數(shù)據(jù)；
[0132] (d)對(duì)新圖像數(shù)據(jù)的實(shí)部和虛部數(shù)據(jù)進(jìn)行傅里葉反變換，得到濾波圖像。
[0133] (e)求每一副濾波圖像的均值和方差，合成一個(gè)紋理特征描述。
[0134] 通過(guò)Gabor基和圖像在頻域下進(jìn)行相乘計(jì)算濾波數(shù)據(jù)，它要求Gabor基的圖像和 紋理圖像的尺寸大小是一致的，所以如果Gabor基太小，可通過(guò)擴(kuò)大圖像大小和紋理圖像 保持一致。下式描述了紋理提取方法：
[0136] 其中，T表示矩陣的某種運(yùn)算，例如均值、方差、最大值、最小值等，I表示紋理圖 像，G表示Gabor濾波器組，它包含了 η個(gè)Gabor基，最終的紋理表示f和Gabor基的個(gè)數(shù) 是一樣的。?運(yùn)算表示了 Gabor濾波方法，將Gabor基和紋理圖像在頻域下相乘。
[0137] 對(duì)人工地物區(qū)域進(jìn)行精確分割后，則可利用SVM進(jìn)行分類(lèi)識(shí)別，各個(gè)人工地物區(qū) 域的具體種類(lèi)。
[0138] 如圖3所示，Gabor紋理能夠識(shí)別衛(wèi)星遙感影像中的村落、樓房、廠(chǎng)房；其中，以矩 形為節(jié)點(diǎn)表示村落，以圓形為節(jié)點(diǎn)的表示樓房，以三角形為節(jié)點(diǎn)的表示廠(chǎng)房。Gabor濾波器 具有非常強(qiáng)的穩(wěn)定性，適合做遙感影像的紋理提取，但是它生成的紋理向量較多。SVM恰好 能夠適應(yīng)Gabor的紋理向量，對(duì)村落、樓房、廠(chǎng)房進(jìn)行了樣本訓(xùn)練和影像分類(lèi)，具有很好的 分類(lèi)效果。
[0139] 綜上所述，通過(guò)上述實(shí)施例的步驟，則可以對(duì)遙感影像進(jìn)行準(zhǔn)確、有效地分割，并 確定分割區(qū)域的類(lèi)別，比較后能夠得到地物變化情況。
[0140] 通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實(shí)施例可 以通過(guò)軟件實(shí)現(xiàn)，也可以借助軟件加必要的通用硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)?；谶@樣的理解， 上述實(shí)施例的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該軟件產(chǎn)品可以存儲(chǔ)在一個(gè)非易 失性存儲(chǔ)介質(zhì)（可以是CD-ROM，U盤(pán)，移動(dòng)硬盤(pán)等）中，包括若干指令用以使得一臺(tái)計(jì)算機(jī) 設(shè)備（可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）執(zhí)行本發(fā)明各個(gè)實(shí)施例所述的方法。
[0141] 以上所述，僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書(shū)的保護(hù)范 圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種衛(wèi)星遙感影像中地物精確識(shí)別方法，其特征在于，包括： 根據(jù)與衛(wèi)星遙感全色影像配準(zhǔn)后的多光譜影像數(shù)據(jù)的植被指數(shù)和水體指數(shù)，提取出植 被和水域區(qū)域，并根據(jù)植被和水域區(qū)域的幾何形態(tài)特征確定具體種類(lèi)； 根據(jù)地物的灰度特點(diǎn)，采用灰度一致性技術(shù)將提取出植被和水域區(qū)域的衛(wèi)星遙感全色 影像分割為不同的區(qū)域，再根據(jù)區(qū)域的幾何特征提取出工廠(chǎng)區(qū)域； 提取出工廠(chǎng)區(qū)域、植被與水域區(qū)域的剩余區(qū)域即為人工地物區(qū)域，采用紋理特征的提 取方法對(duì)人工地物區(qū)域進(jìn)行分割處理，并根據(jù)分割后的各個(gè)人工地物區(qū)域紋理特征進(jìn)行 SVM的分類(lèi)識(shí)別過(guò)程，獲得各個(gè)人工地物區(qū)域的具體種類(lèi)。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)與衛(wèi)星遙感全色影像配準(zhǔn)后的 多光譜影像數(shù)據(jù)的植被指數(shù)和水體指數(shù)，提取出植被和水域區(qū)域，并根據(jù)植被和水域區(qū)域 的幾何形態(tài)特征確定具體種類(lèi)包括： 使用大氣阻抗植被指數(shù)，提取出森林和部分工廠(chǎng)，使用鏈碼技術(shù)去掉面積小于設(shè)定值 的區(qū)域得到森林區(qū)域； 使用除了大氣阻抗植被指數(shù)外的其他方法提取全部植被區(qū)域，去除森林區(qū)域之后得到 田地和城區(qū)部分植被，去除面積小于設(shè)定值的區(qū)域后得到田地區(qū)域； 使用水體指數(shù)提水域，并根據(jù)水域的幾何特征確定水域的具體種類(lèi)。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用灰度一致性技術(shù)將提取出植被 和水域區(qū)域的衛(wèi)星遙感全色影像分割為不同的區(qū)域包括： 采用雙邊濾波器對(duì)提取出植被和水域區(qū)域的衛(wèi)星遙感全色影像進(jìn)行去噪處理； 采用灰度一致性生長(zhǎng)法對(duì)去噪處理后的影像進(jìn)行分割，將灰度值相同的區(qū)域分割出 來(lái)，獲得若干灰度值相同的區(qū)域。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用灰度一致性生長(zhǎng)法對(duì)去噪處理 后的影像進(jìn)行分割，將灰度值相同的區(qū)域分割出來(lái)包括： 初始點(diǎn)集合A為去噪處理后的影像中的一個(gè)點(diǎn)，灰度平均值A(chǔ)vg為當(dāng)前集合A所有點(diǎn) 灰度值的平均值； 點(diǎn)集合A周?chē)狞c(diǎn)作為候選點(diǎn)，如果候選點(diǎn)的灰度值和Avg之差小于設(shè)定的閾值，則該 點(diǎn)加入點(diǎn)集合A中，并更新Avg值； 重復(fù)該步驟，直到?jīng)]有新的點(diǎn)加入，此時(shí)集合A即為具有灰度相似性的區(qū)域。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用紋理特征的提取方法對(duì)人工地 物區(qū)域進(jìn)行分割處理包括： 采用Gabor濾波器對(duì)人工地物區(qū)域進(jìn)行濾波處理； 對(duì)濾波后的圖像進(jìn)行紋理特征提取，獲得紋理圖像； 對(duì)紋理圖像進(jìn)行SVM的分類(lèi)，從而完成對(duì)分割后區(qū)域的精確分類(lèi)。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種衛(wèi)星遙感影像中地物精確識(shí)別方法，包括：根據(jù)與衛(wèi)星遙感全色影像配準(zhǔn)后的多光譜影像數(shù)據(jù)的植被指數(shù)和水體指數(shù)，提取出植被和水域區(qū)域，并根據(jù)植被和水域區(qū)域的幾何形態(tài)特征確定具體種類(lèi)；根據(jù)地物的灰度特點(diǎn)，采用灰度一致性技術(shù)將提取出植被和水域區(qū)域的衛(wèi)星遙感全色影像分割為不同的區(qū)域，再根據(jù)區(qū)域的幾何特征提取出工廠(chǎng)區(qū)域；提取出工廠(chǎng)區(qū)域、植被與水域區(qū)域的剩余區(qū)域即為人工地物區(qū)域，采用紋理特征的提取方法對(duì)人工地物區(qū)域進(jìn)行分割處理，并根據(jù)分割后的各個(gè)人工地物區(qū)域紋理特征進(jìn)行SVM的分類(lèi)識(shí)別過(guò)程，獲得各個(gè)人工地物區(qū)域的具體種類(lèi)。通過(guò)采用本發(fā)明公開(kāi)的方法，能夠?qū)πl(wèi)星遙感影像中的地物進(jìn)行精確的檢測(cè)識(shí)別。
【IPC分類(lèi)】G06K9/00
【公開(kāi)號(hào)】CN105303184
【申請(qǐng)?zhí)枴緾N201510830724
【發(fā)明人】張國(guó)英, 李孟軍, 宋科科
【申請(qǐng)人】中國(guó)礦業(yè)大學(xué)(北京)
【公開(kāi)日】2016年2月3日
【申請(qǐng)日】2015年11月25日