一種基于局部不變特征的遙感影像對象表達(dá)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種遙感影像處理領(lǐng)域，具體說是一種基于局部不變特征的遙感影像 對象表達(dá)方法。
【背景技術(shù)】
[0002] 隨著遙感影像空間分辨率的不斷提高，利用其獲取的地理空間信息逐漸成為各應(yīng) 用行業(yè)數(shù)據(jù)的重要來源。但目前適合于高空間分辨率遙感影像特征提取和自動(dòng)解譯的技術(shù) 還十分缺乏，遠(yuǎn)未達(dá)到實(shí)用化的程度。而特征提取、特征選擇又是遙感影像自動(dòng)分類和識(shí)別 中的關(guān)鍵技術(shù)。研宄如何從眾多的特征中提取出那些直接決定后期應(yīng)用的最有效的局部不 變特征，并將提取的圖像低層視覺特征與圖像的高層語義特征之間建立對應(yīng)關(guān)系，實(shí)現(xiàn)特 征空間維數(shù)的壓縮，提高遙感圖像處理效率，具有十分明顯的實(shí)際意義。局部不變特征已成 為當(dāng)今圖像處理領(lǐng)域內(nèi)一個(gè)較為活躍的研宄方向，涌現(xiàn)了大批研宄成果。但是這些研宄成 果主要集中在三維重建、數(shù)字水印、運(yùn)動(dòng)跟蹤、機(jī)器人導(dǎo)航、圖像全景拼接和視頻數(shù)據(jù)挖掘 等領(lǐng)域。在遙感影像特別是高空間分辨率遙感影像中的研宄還有待進(jìn)一步深入。局部不變 特征可以很好地適應(yīng)于遙感影像由于飛行器姿態(tài)、太陽光照射角度、以及天氣或氣候等方 面的變化引起的仿射形變。將其應(yīng)用領(lǐng)域擴(kuò)展到遙感圖像的處理，為局部不變性特征的應(yīng) 用提出了新的思路，在尺度空間中對高空間分辨率遙感影像的特征進(jìn)行提取研宄，使其能 適用于廣義仿射變換下的遙感影像的處理，這對于局部不變特征的算法改進(jìn)和發(fā)展具有重 要的理論意義。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供了一種基于局部不變特征的遙感影像對象表達(dá)方法，基于尺度空間， 提取高空間分辨率遙感影像的角點(diǎn)、邊緣和區(qū)域等視覺特征，利用視覺詞袋模型表達(dá)對象， 解決了遙感影像對象提取準(zhǔn)確率低的問題，具有自動(dòng)化程度高，可靠性強(qiáng)等優(yōu)點(diǎn)。
[0004] 為實(shí)現(xiàn)本發(fā)明的目標(biāo)所采用的技術(shù)方案是：方法包括以下步驟：
[0005] 步驟1 :對輸入遙感影像imagel進(jìn)行預(yù)處理，得到處理后的遙感影像image2 ;
[0006] 步驟2 :分別對遙感影像image2進(jìn)行線性尺度空間表達(dá)和非線性尺度空間表達(dá)；
[0007] 步驟3 :線性尺度空間中，提取影像image2的Harris角點(diǎn)；
[0008] 步驟4 :在非線性尺度空間中，對影像image2進(jìn)行多尺度邊緣提??；
[0009] 步驟5 :提取影像image2的仿射不變區(qū)域；
[0010] 步驟6 :以步驟5中的仿射不變區(qū)域?yàn)閱卧?，將遙感影像imagel分解為圖像塊集 合imgset;
[0011] 步驟7 :對圖像塊集合imgset運(yùn)用視覺詞袋模型進(jìn)行表示；
[0012] 步驟8 :遙感影像中對象的可視化表達(dá)。
[0013] 所述的預(yù)處理的內(nèi)容包括進(jìn)行圖像平滑以減少噪聲的影響，通過改變圖像的灰度 等級以提高影像對比度及突出邊緣或地物。
[0014] 所述的線性尺度空間利用高斯核函數(shù)進(jìn)行變換，保證在Harris特征點(diǎn)的提取過 程中，隨著尺度的增加不會(huì)增加新的極值點(diǎn)，變換公式如下：
【主權(quán)項(xiàng)】
1. 一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在于包括w下步驟： 步驟1 ;對輸入遙感影像imagel進(jìn)行預(yù)處理，得到處理后的遙感影像image2 ; 步驟2 ;分別對遙感影像image2進(jìn)行線性尺度空間表達(dá)和非線性尺度空間表達(dá)； 步驟3 ;線性尺度空間中，提取影像image2的Harris角點(diǎn)； 步驟4 ;在非線性尺度空間中，對影像image2進(jìn)行多尺度邊緣提??； 步驟5 ;提取影像image2的仿射不變區(qū)域； 步驟6 ;W步驟5中的仿射不變區(qū)域?yàn)閱卧?，將遙感影像imagel分解為圖像塊集合imgset; 步驟7 ;對圖像塊集合imgset運(yùn)用視覺詞袋模型進(jìn)行表示； 步驟8 ;遙感影像中對象的可視化表達(dá)。
2. 根據(jù)權(quán)利要求1所述的一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在 于預(yù)處理的內(nèi)容包括進(jìn)行圖像平滑W減少噪聲的影響，通過改變圖像的灰度等級W提高影 像對比度及突出邊緣或地物。
3. 根據(jù)權(quán)利要求1所述的一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在 于線性尺度空間利用高斯核函數(shù)進(jìn)行變換，保證在Harris特征點(diǎn)的提取過程中，隨著尺度 的增加不會(huì)增加新的極值點(diǎn)，變換公式如下：
4. 根據(jù)權(quán)利要求1所述的一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在 于非線性尺度空間采用適應(yīng)性更強(qiáng)的各向異性熱擴(kuò)散方程，其迭代方程如下： I"l=It+McNx，yVnUJ+cSxjVsUt)+cEx，yVEUt)+cWx，yVwUt)) 其中，1為圖像，7^&)、7 5&)、7 6&)和7 1&)分別是四個(gè)方向的偏導(dǎo)，〇\,、cS"、cE"和cWw分別是四個(gè)方向上的導(dǎo)熱系數(shù)。
5. 根據(jù)權(quán)利要求1所述的一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在 于Harris角點(diǎn)的提取方法為；預(yù)先選擇一個(gè)圖像分層數(shù)N，對Harris角點(diǎn)進(jìn)行檢測，從最 大尺度的圖像開始，將其中的每個(gè)點(diǎn)分別獨(dú)立成一個(gè)分組，記為分組中屯、點(diǎn)，設(shè)定一個(gè)歐式 距離闊值D，從大尺度到小尺度依次捜索每一層圖像，將距離某一分組中屯、點(diǎn)小于闊值D的 點(diǎn)歸并到對應(yīng)分組中，分組結(jié)束后，在每個(gè)角點(diǎn)分組中捜索最大角點(diǎn)度量值并保留作為表 示該局部結(jié)構(gòu)的角點(diǎn)，W1為步長遞增分層數(shù)，比較每次獲得的角點(diǎn)的數(shù)量，當(dāng)角點(diǎn)數(shù)量達(dá) 到穩(wěn)定時(shí)，認(rèn)為該時(shí)的檢測準(zhǔn)確性最高，對應(yīng)的分層數(shù)確定為最佳分層數(shù)。
6. 根據(jù)權(quán)利要求1所述的一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在 于多尺度邊緣提取方法為；利用Canny邊緣檢測算法的局檢測率、精確定位和明確響應(yīng)二 條標(biāo)準(zhǔn)的思想，分別從不同尺度中提取邊緣，通過設(shè)置闊值對不同尺度上的邊緣進(jìn)行匹配 處理，大尺度上保留大范圍的邊緣，小尺度上保留小范圍的邊緣，由大尺度向小尺度進(jìn)行邊 緣精確定位獲得清晰的邊緣，最后結(jié)合數(shù)學(xué)形態(tài)學(xué)方法對斷裂邊緣進(jìn)行連接。
7. 根據(jù)權(quán)利要求1所述的一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在 于仿射不變區(qū)域的提取方法為；利用Harris角點(diǎn)和邊緣進(jìn)行邸R(Edge-BasedRegion)不 變區(qū)域的提取，再結(jié)合光譜信息對MS邸(MaximallySt油leExtremalRegions)算法進(jìn)行 改進(jìn)，提取基于顏色的不變區(qū)域CMSER(ColourMaximallySt油leExtremalRegions)。
8. 根據(jù)權(quán)利要求1所述的一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在 于視覺詞袋模型的表示方法為；利用兩種不變區(qū)域邸R和CMS邸將輸入影像imagel構(gòu)造成 多個(gè)影像對象，接著通過角點(diǎn)鄰域分解法進(jìn)行圖像塊分解，對落入每個(gè)圖像塊內(nèi)的Harris 角點(diǎn)采用SIFT描述子進(jìn)行描述，然后利用k均值聚類算法對分解的圖像塊進(jìn)行聚類，得到k 個(gè)聚類中屯、，并指定每個(gè)中屯、作為一個(gè)視覺單詞，從而得到每個(gè)圖像塊的特征量化向量，最 后統(tǒng)計(jì)每個(gè)對象中單詞出現(xiàn)的頻次，得到對象的視覺詞袋表示，即各個(gè)視覺單詞的直方圖 表不。
9. 根據(jù)權(quán)利要求1所述的一種基于局部不變特征的遙感影像對象表達(dá)方法，其特征在 于對象的可視化表達(dá)方式為；W對象的質(zhì)屯、為原點(diǎn)，用8個(gè)方向的，各有一定模值大小的線 段表示。
【專利摘要】本發(fā)明涉及一種基于局部不變特征的遙感影像對象表達(dá)方法。包括如下步驟：步驟1，預(yù)處理；步驟2，進(jìn)行線性尺度空間表達(dá)和非線性尺度空間表達(dá)；步驟3，提取Harris角點(diǎn)；步驟4，提取多尺度邊緣；步驟5，提取仿射不變區(qū)域；步驟6，影像分解為圖像塊集合；步驟7，視覺詞袋模型表示；步驟8，對象的可視化表達(dá)?；诔叨瓤臻g，提取高空間分辨率遙感影像的角點(diǎn)、邊緣和區(qū)域等視覺特征，利用視覺詞袋模型表達(dá)對象，解決了高空間分辨率遙感影像中對象提取運(yùn)算量大的問題，有利于緩解高空間分辨率遙感影像中“同譜異物”和“同物異譜”的問題。
【IPC分類】G06T7-00
【公開號】CN104794725
【申請?zhí)枴緾N201510221024
【發(fā)明人】施文灶
【申請人】福建師范大學(xué)
【公開日】2015年7月22日
【申請日】2015年5月4日