一种环形坑的图像识别方法技术

本发明专利技术公开了一种环形坑的图像识别方法，其包括：步骤1、对待识别图像进行预处理；步骤2、识别预处理后的待识别图像中的环形坑明亮区域和阴影区域，并提取环形坑的边缘；步骤3、利用所述环形坑明亮区域、阴影区域以及边缘的形态学关系进行匹配，选取符合条件的环形坑作为疑似环形坑；步骤4、利用环形坑的强分类器对所述疑似环形坑进行识别，得到识别后的环形坑，其中，所述环形坑的强分类器是利用Adaboost算法对训练样本进行基于纹理特征的强分类器训练而得到的。本发明专利技术只需一次判断计算就可完成环形坑的精确分类识别，降低了环形坑识别的计算复杂度。

【技术实现步骤摘要】

本专利技术属于图像识别
，具体涉及，其为利用阴影-明亮模式在嫦娥2号CCD影像数据中快速识别小型环形坑的方法。
技术介绍
环形坑作为月球上一种主要的地形特征，一直以来都是月球科学领域的研究热点。通过对环形坑的形貌体态、大小和分布特点等进行研究分析，有助于有关月球撞击动力学、月球地质年代及地形演化等科学问题的解释。而环形坑的识别为此类研究提供了一种技术上的手段。从识别方法上讲，环形坑识别算法大体上可以分为三大类:1)非监督检测算法，就是利用环形坑的几何特征等条件，如其边缘一般呈圆形或椭圆状，通过模式识别的相关技术进行环形坑的识别；2)监督检测算法，就是利用机器学习和神经网络来构建模式分类器用于环形坑的识别；3)组合检测算法:就是将多种检测方法综合起来加以利用，包括自主和半自主的算法，以获得较好的检测效果。从具体的实现来看，目前采用比较多的方法包括基于模板匹配的方法、基于霍夫变换及其改进型的方法等等。目前，国外科学家已经利用现有的DEM数据，较为完整地识别出了月球表面较大的环形坑，并制作了相应的数据库，但由于DEM数据分辨率的不足，对于直径在几公里级别及以下的小型环形坑，无法得到很好的识别。我国嫦娥2号获取的分辨率为7米的、覆盖全月范围的CCD影像图为这类小型环形坑的识别提供了非常好的数据素材。月球上环形坑的数量随着其直径的变小而呈指数级的爆发式增长，而传统的利用影像数据识别环形坑的方法由于采用了复杂的数学运算进行穷举遍历，具有非常高的计算复杂度，特别是在高分辨率影像数据下识别效率相对较低。
技术实现思路
本专利技术的目的在于，提供，尤其适用于在嫦娥2号CXD影像中快速识别小型环形坑，该方法利用小型环形坑在太阳光照下呈现出的明亮和阴影面及其边缘特征，粗略识别出包含大量误检对象的疑似环形坑目标，进而用基于Haar特征、利用Adaboost算法构建的强分类器对此识别结果进行快速分类识别，从而快速地实现对小型环形坑的精确识别。本专利技术提供了，其包括:步骤1、对待识别图像进行预处理；步骤2、识别预处理后的待识别图像中的环形坑明亮区域和阴影区域，并提取环形坑的边缘；步骤3、利用所述环形坑明亮区域、阴影区域以及边缘的形态学关系进行匹配，选取符合条件的环形坑作为疑似环形坑；步骤4、利用环形坑的强分类器对所述疑似环形坑进行识别，得到识别后的环形坑，其中，所述环形坑的强分类器是利用Adaboost算法对训练样本进行基于纹理特征的强分类器训练而得到的。所述的步骤I采用了中值滤波器、强度滤波器和面积滤波器对待识别图像进行了顺序预处理。所述步骤2中环形坑明亮区域的识别通过计算待识别环形坑明亮区域的改进Hu矩与预先建立的特征矩之间的欧氏距离来实现，所述特征矩为已确定环形坑明亮区域的Hu矩；阴影区域的识别是将待识别图像的灰度值反转后，利用上述环形坑明亮区域识别方式进行识别；环形坑边缘的提取通过在待识别图像中利用预定大小的模板进行滑动处理得到新图像，并按一定阈值对所述新图像进行二值化后得到。所述改进Hu矩为Hu矩绝对值的对数。所述利用预定大小的模板进行滑动处理得到新图像如下表示:Auv = max [m (M) -min (M)，max (M) _m (M)]其中，Auv表示新图像A中第(U，V)个像素的像素值，m(M)为模板M区域内所有像素的平均值，min (M)为模板M区域内所有像素的最小值，max (M)为模板M区域内所有像素的最大值；所述一定阈值如下计算:T = a [max (A) -min (A) ] +min (A)其中，α取常数。所述步骤3中的所述形态学关系为:环形坑明亮区域与阴影区域成对出现，并且边缘包围在明亮区域或阴影区域周围。所述的形态学关系通过以下条件实现:明亮区域和阴影区域的面积相比不超过4倍；明亮区域外接长方形和阴影区域外接长方形之间的距离不超过两者较大者的长边的1.5倍；由明亮区域和阴影区域组成的新区域的外接长方形其长宽比小于明亮区域和阴影区域各自外接长方形的长宽比；由明亮区域和阴影区域组成的新区域中，在明亮区域或阴影区域的外边缘附近，沿着其走向存在一条环形坑边缘，其长度不短于邻近明亮区域或阴影区域外接长方形长边的0.8倍。所述步骤3中疑似环形坑的圆心和直径的计算方法为，计算所配对明亮区域和阴影区域组合成的新区域的外接长方形，将其中心作为圆心，其长边长作为疑似环形坑的直径。所述的步骤4具体包括如下步骤:步骤401:选取环形坑正负样本；其中，将环形坑的圆心做为中心，边长为2倍直径的正方形框定范围内的图像作为样本；步骤402:对所选取的正负样本计算积分图，步骤403:对正负样本进行Haar特征计算；步骤404:构建针对每个Haar特征的弱分类器；步骤405:利用所述Haar特征及其对应的弱分类器,采用Adaboost算法训练出一个强分类器；其中，所述Haar特征包括根据环形坑边缘、明亮区域和阴影区域的纹理特征，建立的横向、竖向和4个对角线方向一共6种基本的Haar特征；所述的步骤4中，对于每一个待识别的疑似环形坑，以其圆心为中心，边长为2倍直径的正方形在原图像中框定范围，将此范围内的图像作为待识别疑似环形坑图像计算其积分图，并将前述训练所得的强分类器缩放至与框定范围等大的尺寸，通过一次判定对疑似环形坑进行识别本专利技术的优点在于:1)传统的环形坑识别方法大多利用较为复杂的数学解算在图像上进行穷举遍历，具有很高的计算复杂度，而本专利技术将环形坑的识别分成两阶段进行，第一阶段利用相对比较简单的运算以及宽泛的条件，粗略地计算出一组包含了大量误检目标的疑似环形坑；第二阶段的识别在第一阶段的结果之上，利用已经训练好的强分类器，只需一次判断计算就可完成环形坑的精确分类识别，降低了环形坑识别的计算复杂度；2)本专利技术利用小型环形坑在太阳光照下呈现出的成对的阴影区域和明亮区域模式，以及环形坑边缘总是沿着阴影区域或明亮区域的边界而出现的特征，能够排除掉大多数不是环形坑的地形，从而大幅减少后续的计算量。【附图说明】图1为本专利技术中环形坑的图像识别方法流程图；图2为环形坑明亮区域、阴影区域和边缘的形态学关系图；图3为本专利技术中强分类器的训练流程图；图4为本专利技术中针对环形坑纹理特征构建的Haar特征示意图。【具体实施方式】为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术作进一步的详细说明。图1示出了本专利技术中流程图。如图1所示，该方法包括:步骤1、对输入的图像数据进行预处理；步骤2、从预处理后的图像数据识别环形坑明亮区域和阴影区域，并提取环形坑的边缘；步骤3、利用所述环形坑明亮区域、阴影区域以及边缘的形态学关系进行匹配，选取符合条件的环形坑作为疑似环形坑；步骤4、利用环形坑的强分类器对所述疑似环形坑进行识别，得到识别后的环形坑，其中，所述环形坑的强分类器是利用Adaboost算法对训练样本进行基于纹理特征的强分类器训练而得到的。下面根据具体实例详细阐述本专利技术提出的上述方法和各个步骤。对于步骤1，本专利技术提出的图像环形坑的识别方法特别适用于对月球表面地形图像的识别，如嫦娥2号上获得的CCD影像图像的识别等。由于嫦娥2号的影像数据是由搭载在卫星上的CCD相机拍摄而成，相比于DEM数据，尽管光学本文档来自技高网...

【技术保护点】
一种环形坑的图像识别方法，其包括： 步骤1、对待识别图像进行预处理； 步骤2、识别预处理后的待识别图像中的环形坑明亮区域和阴影区域，并提取环形坑的边缘； 步骤3、利用所述环形坑明亮区域、阴影区域以及边缘的形态学关系进行匹配，选取符合条件的环形坑作为疑似环形坑； 步骤4、利用环形坑的强分类器对所述疑似环形坑进行识别，得到识别后的环形坑，其中，所述环形坑的强分类器是利用Adaboost算法对训练样本进行基于纹理特征的强分类器训练而得到的。

【技术特征摘要】
1.一种环形坑的图像识别方法，其包括: 步骤1、对待识别图像进行预处理； 步骤2、识别预处理后的待识别图像中的环形坑明亮区域和阴影区域，并提取环形坑的边缘； 步骤3、利用所述环形坑明亮区域、阴影区域以及边缘的形态学关系进行匹配，选取符合条件的环形坑作为疑似环形坑； 步骤4、利用环形坑的强分类器对所述疑似环形坑进行识别，得到识别后的环形坑，其中，所述环形坑的强分类器是利用Adaboost算法对训练样本进行基于纹理特征的强分类器训练而得到的。2.根据权利要求1所述的方法，其特征在于，所述的步骤I采用了中值滤波器、强度滤波器和面积滤波器对待识别图像进行了顺序预处理。3.根据权利要求1所述的方法，其特征在于，所述步骤2中环形坑明亮区域的识别通过计算待识别环形坑明亮区域的改进Hu矩与预先建立的特征矩之间的欧氏距离来实现，所述特征矩为已确定环形坑明亮区域的Hu矩；阴影区域的识别是将待识别图像的灰度值反转后，利用上述环形坑明亮区域识别方式进行识别；环形坑边缘的提取通过在待识别图像中利用预定大小的模板进行滑动处理得到新图像，并按一定阈值对所述新图像进行二值化后得到。4.根据权利要求3 所述的方法，其特征在于，所述改进Hu矩为Hu矩绝对值的对数。5.根据权利要求3所述的方法，其特征在于，所述利用预定大小的模板进行滑动处理得到新图像如下表示: Auv = max [m (M) -min (M)，max (M) _m (M)] 其中，Auv表示新图像A中第(u，V)个像素的像素值，m(M)为模板M区域内所有像素的平均值，min(M)为模板M区域内所有像素的最小值，max (M)为模板M区域内所有像素的最大值；所述一定阈值如下计算: T = a [max (A) -min (A) ] +min (A) 其中，α取常数。6.根据权利要求1所述的方法，其特征在于，所述步骤3中的所述形态学关系...

【专利技术属性】
技术研发人员：张舟斌，李春来，左维，
申请(专利权)人：中国科学院国家天文台，
类型：发明
国别省市：北京;11