专利汇可以提供高分辨率遥感影像的海上典型人造目标识别系统及方法专利检索,专利查询,专利分析的服务。并且一种高 分辨率 遥感影像的海上典型人造目标识别系统及方法,属于遥感 图像识别 领域。该人造目标识别系统包括图像预处理模 块 、目标 定位 模块、样本提取模块、特征提取分类识别模块。该方法步骤包括遥感图像预处理、目标定位、训练分类器、样本提取、依据特征分类识别。本 发明 利用MCR将上述各项集成为一个系统,能够 可视化 ,开发方法简单高效,运行速度快,性能十分稳定;同时,本发明用MATLAB进行可视化开发,并将识别结果实时地显示在客户端,具备可移植性,解决了目前遥感图像识别浏览模式单一、使用效率不高的问题。,下面是高分辨率遥感影像的海上典型人造目标识别系统及方法专利的具体信息内容。
1.一种高分辨率遥感影像的海上典型人造目标识别系统,其特征在于,所述的人造目标识别系统包括图像预处理模块、目标定位模块、样本提取模块、特征提取分类识别模块;
其中,图像预处理模块采用色彩空间变换、降采样、对比度拉伸、滤波降噪和掩膜,改善图像的分析结果;目标定位模块采用高斯拉普拉斯算子检测处理后图像的斑点,利用基于图论的响应聚类中心检测算法,对目标进行精确定位和尺度计算,完成目标的显著性检测;样本提取模块将目标定位模块检测出的结果分类为平台、船只、云层和噪声;特征提取分类识别模块基于霍夫法和最小外接矩形识别出船只目标,基于灰度共生矩阵和Tamura视觉纹理描述方法提取出钻井平台的纹理特征并识别出钻井平台目标。
2.一种高分辨率遥感影像的海上典型人造目标识别方法,其特征在于,包括以下步骤:
步骤一、遥感图像的采集:获取高分辨率卫星遥感影像;
步骤二、遥感图像的预处理:采用基于最大类间方差法的自适应图像分割和掩膜算法,并利用相关图像形态学操作对分割结果做掩膜细化处理,实现对障碍物的高效和精确掩膜;
对遥感原始影像进行色彩空间变换、降采样、对比度拉伸、滤波降噪和掩膜,剔除影响图像处理效果的因素,并检测图像的障碍物是否过多,障碍物过多则提醒替换遥感图像;
步骤三、目标的定位:基于高斯拉普拉斯算子的特征尺度,即 时形成斑点响应点阵,并结合基于图论的聚类中心检测算法,通过无向连通图中每个点坐标的均值来计算聚类中心坐标,潜在目标点的个数为连通图的个数,最终乘上降采样的比例1/α,得到潜在目标的坐标,综合基于区域划分和基于索引的两种快速k最近邻分类算法在实现精确分类的同时有效提高算法的速度;其中,k最近邻分类算法训练分类器为:
(3.1)优化样本集:减小训练集的大小,去除冗余样本,在样本集中选取特征更明显且更具有代表性的样本作为新的样本集;去除离群样本,减小算法错分的概率;
(3.2)相似度度量:均值方差归一化,将数据映射到均值为0方差为1的分布中;
其中,xscale为归一化后的数值,μ为所有样本数据的均值,σ为所有样本数据的方差;
(3.3)邻近算法选取k值:遍历整个k的取值区间选取k值,k值的选取最大不超过样本总量,最小不小于1;找到这次实验分类精度最高的k值作为分类器最优k值;
(3.4)分类器的交叉验证:在选定k值的情况下,对分类器进行交叉验证,采用N-折交叉验证,其过程如下:将全部训练集S分成N个不相交的子集,假设S中的训练样例个数为m,那么每一个子集有m/N个训练样例;每次从分好的子集中,选出一个作为测试集,另外N-1个作为训练集;根据训练集得到模型;根据模型对测试集进行测试,得到分类率;计算N次求得的正确率的平均值,作为模型的最终正确率;
步骤四、感兴趣区域的提取:通过上步骤得到的潜在目标的坐标,得到感兴趣区域的坐标中心和尺寸大小,裁剪出感兴趣区域;具体为:
(4.1)显著性检测:利用高斯拉普拉斯算子对斑点进行检测,高斯拉普拉斯响应强度在取特征尺度时达到峰值,此时峰值取到的就是斑点;
(4.2)斑点响应分析:针对高斯拉普拉斯算子法获得的斑点响应的不足,利用基于图论的聚类中心检测算法应对在有效的感兴趣区域目标周围斑点响应的数量会急剧增加,而非有效感兴趣目标区域增加不明显的问题;
(4.3)目标定位样本提取:通过以上步骤的显著性检测,斑点的分析,提取感兴趣区域的坐标,进行样本的提取;
(4.4)裁剪感兴趣区域:在获得大量样本定位的基础上,通过像素坐标间的映射关系,准确裁剪出感兴趣目标区域;
步骤五、特征提取分类识别:采用霍夫法和最小外接矩形法识别典型的船只外形,针对钻井平台的纹理特征,采用灰度共生矩阵和纹理特征向量识别钻井平台;具体为:
(5.1)针对船只的形状检测:形状规则的船只,根据形状特征单独识别分类;
(5.2)最小外接矩形检测船只长宽比:通过计算感兴趣区域目标样本的长宽之比判断是否为船只;在图像分类与识别算法中,运用二值图像分离目标与背景并将顶点链码结合离散格林分析图形以提取船只形心、面积和主轴,该算法能对任意目标图像进行边界跟踪,获取目标图像的特征信息,加快提取速度对大规模图像进行实时几何特征提取;
(5.3)霍夫法检测船只直线平行关系:船只两侧有明显的平行关系,通过计算感兴趣区域目标样本的平行关系判断是否为船只;其实现步骤概括如下:提取目标边缘轮廓,经过比采用Canny算子,为加强Canny边缘检测算子的准确性,在Canny算子检测前增加高斯滤波器去除噪声;Hough变换检测直线段,将直角坐标空间f(x,y)给定的直线转换为极坐标形式,将直线变为极坐标空间H(ρ,θ)所对应的一个点;只需分析检测出的直线段之间的参数信息,能够判断直线间的平行关系;
(5.4)针对钻井平台的纹理特征检测:从图像纹理特征的角度去分析图像特征;纹理特征是由其像素与周围像素间的空间位置和排列关系来决定,像素间的关系描述图像的局部纹理特征;局部纹理特征的排列组合描述图像的全局纹理特性针对平台与海面背景的纹理差异,结合灰度共生矩阵和Tamura纹理特征提取平台;
(5.5)灰度共生矩阵检测:图像像素矩阵中相隔某距离的两像素间存在灰度关联,像素灰度之间的关系又描述了局部像素间的相关信息选择四个线性无关的特征作为度量,分别是能量、熵、相关性、逆差距,能量与纹理的粗糙程度成正相关;熵与图像的复杂程度成正相关;相关性与图像灰度级在单一方向的相似度成正相关;逆差距与局部纹理变化成正相关;
(5.6)Tamura纹理特征的特征提取检测:考虑以下三个线性无关的特征:;
a)粗糙度:粗糙度是反映纹理中粒度的一个量;计算图像中2k×2k小窗口的像素灰度强度,公式如下:
其中:k=0,1,2……;g(i,j)是像素在位置(x,y)处的灰度值;
然后,分别计算不重叠的每个窗口间的像素平均强度差,公式:
k-1 k-1
Ek,h(x,y)=|Ak(x+2 ,y)-Ak(x-2 ,y)|
Ek,v(x,y)=|Ak(x,y+2k-1)-Ak(x,y-2k-1)| (3)
其中,Ek,h(x,y)是水平方向不重叠窗口的平均强度差;Ek,v(x,y)是垂直方向不重叠窗口的平均强度差;
其中,对于每个像素,使得E达到最大的k用来确定窗口的最合适的尺寸大小:
Sbest(x,y)=2k(4)
最后,粗糙度FCRS根据整幅图像Sbest的平均值得到,公式:
其中:m,n是图像的有效宽度和高度;
b)对比度:对比度公式:
其中,α4=μ4/σ4,μ4是四次矩均值,σ4是四次矩方差;σ是整幅影像灰度方差,对比度FCON是整幅图像的全局灰度度量;
c)方向度:首先,基于像素灰度的梯度向量;
其中,|ΔG|和Θ分别是离散程度和局部边缘方向,ΔV和ΔH分别是利用图像卷积下面两个3×3卷积核gradx和grady得到的水平和垂直方向上的灰度梯度向量:
然后,计算图像所有的梯度向量,使用直方图HD表达θ值;利用灰度直方图离散化θ值域,统计每个柄中相应的|ΔG|大于给定阈值的像素数量;最后,直方图中峰值尖锐度描述了图像总体方向性的大小,公式:
其中,p是直方图中存在的峰值;np是直方图所有峰值点;对于某个峰值p,Wp代表峰值包含的所有的离散区域,Φp是波峰中心位置;Φ是直方图的影调;HD(Φ)是在影调处对应的直方图像素量。
3.根据权利要求1所述的一种高分辨率遥感影像的海上典型人造目标识别系统,其特征在于,所述的步骤二中,所述的色彩空间的转换是将原始图像转化成RGB图像或者单通道灰度图像;所述的降低采样是对原始图像进行降采样,将RGB图像或单通道灰度图像缩小为原来的1/5-1/10;所述的掩膜是去除大面积和普遍存在的云层和陆地部分。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于非线性增强子空间聚类的图像识别方法 | 2020-05-11 | 634 |
三维裁剪Voronoi图的多线程并行计算方法、系统 | 2020-05-08 | 167 |
一种基于CBR和RBR的机器人焊接工艺参数优化方法 | 2020-05-11 | 581 |
一种基于步长匹配的行人室内定位方法 | 2020-05-12 | 175 |
基于多传感网络的室内活动检测识别方法及系统 | 2020-05-12 | 678 |
一种基于加权联合最近邻的多任务稀疏表示检测方法 | 2020-05-08 | 944 |
一种基于光流颜色聚类的运动物体分割方法及其系统 | 2020-05-11 | 769 |
基于深度卷积特征和语义近邻的多标签图像补全方法 | 2020-05-08 | 234 |
基于多元时移多尺度排列熵的滚动轴承故障诊断方法 | 2020-05-13 | 286 |
高分辨率遥感影像的海上典型人造目标识别系统及方法 | 2020-05-08 | 22 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。