基于SVM技术的Gabor图像能量云检测方法、系统及存储介质技术方案

技术编号:20161040 阅读:26 留言:0更新日期:2019-01-19 00:13
本发明专利技术公开了一种基于SVM技术的Gabor图像能量云检测方法、系统以及存储介质。该检测方法包括步骤:对输入的多光谱遥感伪彩色训练图像分割得到超像素子图,计算并提取云的超像素子图的光谱特征和gabor能量特征,代入支持向量机进行学习训练得到模型,对输入的多光谱遥感伪彩色测试图像分割得到超像素子图,计算并提取测试图的超像素子图的光谱特征和gabor能量特征,代入支持向量机进行识别得到云像素掩码子图。本发明专利技术公开的一种基于SVM技术的Gabor图像能量云检测方法可利用更少的资源并表现出更高的识别精度。

【技术实现步骤摘要】
基于SVM技术的Gabor图像能量云检测方法、系统及存储介质
本专利技术涉及遥感图像的云识别
,特别涉及一种基于SVM技术的Gabor图像能量云检测方法,检测系统以及存储介质。
技术介绍
云是可见光和红外光谱中不可回避的一种光学图像污染物,与遥感影像相关的云掩膜生成是一个重要的问题,它不仅可以为图像提供目录,还能提供云信息。传统的云检测方法主要利用云检测的关键波段,即热红外波段或水汽的吸收带(1360–1390nm)或者多时相的方法。但是,更多的光学遥感卫星输出的图像不具备特定吸收端,一般常见的多光谱遥感卫星包含四个波段的光谱信息,即(RGBNIR)。
技术实现思路
本专利技术旨在克服现有技术存在的缺陷,提供一种基于SVM技术的Gabor图像能量云检测方法、系统及存储介质,本专利技术采用以下技术方案:第一个方面,本专利技术实施例提供了一种基于SVM技术的Gabor图像能量云检测方法,所述基于SVM技术的Gabor图像能量云检测方法包括步骤:S1,分割伪彩色训练图像,得到第一超像素子图;S2,利用所述第一超像素子图,计算并提取云的第一超像素子图的光谱特征和gabor能量特征;S3,将所述云的第一超像素子图的光谱特征和gabor能量特征代入支持向量机进行学习训练得到云模型;S4,分割伪彩色测试图像得到第二超像素子图;S5,利用所述第二超像素子图,计算并提取第二超像素子图的光谱特征和gabor能量特征;S6,将所述第二超像素子图的光谱特征和gabor能量特征代入所述支持向量机与所述云模型进行云识别判定;S7,将所述支持向量机判定为正的超像素子图判定为云像素掩码子图并输出。优选地,所述伪彩色训练图像由近红外、绿和蓝三种波段组合形成。优选地,所述分割伪彩色训练图像的方法采用的是简单线性迭代聚类超像素分割方法。优选地,所述分割伪彩色测试图像的方法采用的是简单线性迭代聚类超像素分割方法。优选地,所述简单线性迭代聚类超像素分割方法的计算公式为:其中,D是lab空间中的五维欧氏距离;m是紧凑因子;dc代表颜色距离;ds代表空间距离S是类内最大空间距离。优选地,所述光谱特征包括:相对HOT指数的平均值,可见频带比率VBR的平均值以及NDWI的平均值。在一些实施例中,所述Gabor能量特征的计算公式为:其中,λ代表正弦因子的波长,θ代表了Gabor函数的平行条纹的法线方向,ψ是相位偏移,σ是高斯的西格玛/标准偏差,γ是空间纵横比,(Δx,Δy)代表方向,Δx是水平距离像素,Δy是垂直距离像素。在一些实施例中,所述支持向量机采用RBF核函数,利用交叉验证来得到最好的参数,并用最好的参数来训练所有训练集合。第二个方面,本专利技术还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现如前所述的任一项方法的步骤。第三个方面,本专利技术还提供了一种基于SVM技术的Gabor图像能量云检测系统,所述基于SVM技术的Gabor图像能量云检测系统包括:伪彩色训练图像分割模块,用于分割伪彩色训练图像,得到第一超像素子图;第一计算提取模块,利用所述第一超像素子图,计算并提取云的第一超像素子图的光谱特征和gabor能量特征;云特征提取模块,将所述云的第一超像素子图的光谱特征和gabor能量特征代入支持向量机进行学习训练得到云模型;伪彩色测试图像分割模块,用于分割伪彩色测试图像得到第二超像素子图;第二计算提取模块,利用所述第二超像素子图,计算并提取第二超像素子图的光谱特征和gabor能量特征;云识别判定模块,将所述第二超像素子图的光谱特征和gabor能量特征代入所述支持向量机与所述云模型进行云识别判定;输出模块,将所述支持向量机判定为正的超像素子图判定为云像素掩码子图并输出。本专利技术的技术效果:本专利技术公开的基于SVM技术的Gabor图像能量云检测方法、检测系统以及存储介质通过Gabor纹理能量特征结合光谱特征的云检测方法,可不依赖于特定红外波段、大量光谱信息和多时相,它相对于传统方法利用更少的资源并表现出更高的识别精度,具有普遍意义。附图说明图1是根据本专利技术一个实施例的一种基于SVM技术的Gabor图像能量云检测方法的流程示意图;图2是根据本专利技术一个实施例的一种基于SVM技术的Gabor图像能量云检测系统的原理框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本专利技术,而不构成对本专利技术的限制。需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。术语解释部分:SVM:SupportVectorMachine,支持向量机;它是一种二类分类模型,其基本模型定义为特征空间上的间隔最大的线性分类器,其学习策略便是间隔最大化,最终可转化为一个凸二次规划问题的求解。主要用于解决模式识别领域中的数据分类问题,属于有监督学习算法的一种。SLIC:简单线性迭代聚类,是在K-Means聚类算法的基础上扩展而来的,是一种简单而高效的构建超像素的方法。VBR:可见频带比率;NDWI:NormalizedDifferenceWaterIndex,归一化水指数;用遥感影像的特定波段进行归一化差值处理,以凸显影像中的水体信息。RGB,RGB即是代表红、绿、蓝三个通道的颜色。NIR:NearInfrared,近红外光谱技术。是一种高效快速的现代分析技术;PMS:高分一号全色/多光谱;WFV:宽视场;RBF:Radialbasisfunction,径向基。图1是本专利技术一种基于SVM技术的Gabor图像能量云检测方法的流程示意图。本专利技术提供了一种基于SVM技术的Gabor图像能量云检测方法,所述基于SVM技术的Gabor图像能量云检测方法包括步骤:S1,分割伪彩色训练图像,得到第一超像素子图;S2,利用所述第一超像素子图,计算并提取云的第一超像素子图的光谱特征和gabor能量特征;S3,将所述云的第一超像素子图的光谱特征和gabor能量特征代入支持向量机进行学习训练得到云模型;S4,分割伪彩色测试图像得到第二超像素子图;S5,利用所述第二超像素子图,计算并提取第二超像素子图的光谱特征和gabor能量特征;S6,将所述第二超像素子图的光谱特征和gabor能量特征代入所述支持向量机与所述云模型进行云识别判定;S7,将所述支持向量机判定为正的所述第二超像素子图判定为云像素掩码子图并输出。Gabor函数可以在频域不同尺度、不同方向上提取相关的特征Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似。它在提取目标的局部空间和频率域信息方面具有良好的特性。所述伪彩色训练图像由近红外、绿和蓝三种波段组合形成。所述分割伪彩色训练图像的方法采用的是简单线性迭代聚类超像素分割方法。所述分割伪彩色测试图像的方法采用的是简单线性迭代聚类超像素分割方法。所述简单线性迭代聚类超像素分割方法的计算公式为:其中,D是lab空间中的本文档来自技高网...

【技术保护点】
1.一种基于SVM技术的Gabor图像能量云检测方法,其特征在于,包括步骤:分割伪彩色训练图像,得到第一超像素子图;利用所述第一超像素子图,计算并提取云的第一超像素子图的光谱特征和gabor能量特征;将所述云的第一超像素子图的光谱特征和gabor能量特征代入支持向量机进行学习训练得到云模型;分割伪彩色测试图像得到第二超像素子图;利用所述第二超像素子图,计算并提取第二超像素子图的光谱特征和gabor能量特征;将所述第二超像素子图的光谱特征和gabor能量特征代入所述支持向量机与所述云模型进行云识别判定;将所述支持向量机判定为正的所述第二超像素子图判定为云像素掩码子图并输出。

【技术特征摘要】
1.一种基于SVM技术的Gabor图像能量云检测方法,其特征在于,包括步骤:分割伪彩色训练图像,得到第一超像素子图;利用所述第一超像素子图,计算并提取云的第一超像素子图的光谱特征和gabor能量特征;将所述云的第一超像素子图的光谱特征和gabor能量特征代入支持向量机进行学习训练得到云模型;分割伪彩色测试图像得到第二超像素子图;利用所述第二超像素子图,计算并提取第二超像素子图的光谱特征和gabor能量特征;将所述第二超像素子图的光谱特征和gabor能量特征代入所述支持向量机与所述云模型进行云识别判定;将所述支持向量机判定为正的所述第二超像素子图判定为云像素掩码子图并输出。2.根据权利要求1所述的基于SVM技术的Gabor图像能量云检测方法,其特征在于,所述伪彩色训练图像由近红外、绿和蓝三种波段组合形成。3.根据权利要求1所述的基于SVM技术的Gabor图像能量云检测方法,其特征在于,所述分割伪彩色训练图像的方法采用的是简单线性迭代聚类超像素分割方法。4.根据权利要求1所述的基于SVM技术的Gabor图像能量云检测方法,其特征在于,所述分割伪彩色测试图像的方法采用的是简单线性迭代聚类超像素分割方法。5.根据权利要求3或4所述的基于SVM技术的Gabor图像能量云检测方法,其特征在于,所述简单线性迭代聚类超像素分割方法的计算公式为:其中,D是lab空间中的五维欧氏距离;m是紧凑因子;dc代表颜色距离;ds代表空间距离S是类内最大空间距离。6.根据权利要求1所述的基于SVM技术的Gabor图像能量云检测方法,其特征在于,所述光谱特征包括:相对HOT指数的平均值,可见频带...

【专利技术属性】
技术研发人员:隋延林何斌朱俊青
申请(专利权)人:中国科学院长春光学精密机械与物理研究所
类型:发明
国别省市:吉林,22

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1