一种遥感图像中油库目标的识别方法技术

本发明专利技术公开了一种遥感图像中油库目标的识别方法，首先计算整个场景的相位谱显著性，根据相位谱显著性提取场景中所有可能包含目标的感兴趣区域；在特征提取中，采用局部回归核模型逐点的计算感兴趣区域的局部结构特征，并生成能够描述目标结构的特征描述子；在目标检测阶段，以余弦相似度作相似度测量，计算感兴趣区域与油库样本图像的相似度，并利用特征描述子的正负样本区分能力以及相似性面的特性构建具有自适应能力的决策网络，通过该决策网络获取目标检测的初步结果，通过非极大值抑制算法去除多余的初步结果，得到最终目标检测结果；本发明专利技术提出的这种通用的遥感图像中油库目标的检测方法对于多尺度、多视角的目标识别效果好。

【技术实现步骤摘要】

本专利技术属于遥感图像目标识别
，更具体地，涉及一种遥感图像中油库目标的识别方法。
技术介绍
高分辨率遥感图像提供了丰富的细节信息，使得各类具体的目标的识别成为可能；然而噪声干扰、季节天候、阴影、光照强度、遮挡等因素会使得目标内部细节的结构、纹理信息产生波动，给高分辨率图像的识别带来困难。现有技术的遥感图像油库目标检测的方法包括：基于深度学习的目标检测方法、基于先验知识的目标识别检测方法、基于模型的目标检测方法；基于深度学习的目标检测方法对于样本信息丰富性和样本的数量具有相当高的依赖性，而绝大多数情况下对于遥感图像油库目标的识别只能提供简单的数据图像来源；基于先验知识的目标识别方法是利用目标的先验知识比如飞机的均值、方差、不变矩等先验特征作为依据判断目标的位置，需要对目标的特征进行精确的表达，并且需要具有自适应能力的决策方法，在先验知识表达不够精确或者决策方法不够完善的情况下，目标检测准确度较低；基于模型的方法是通过大量的实验抽取目标特征，标记目标的模型参数生成假设并对目标特性进行预测，在实际运用中测出背景或者目标的模型再与预测的特性进行匹配，达到一定的相似度，即认为是目标；这种基于模型的目标检测方法对于建模的准确性和容错率具有很高的要求，这对于遥感图像复杂场景下的油库目标的识别具有很大的难度。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种遥感图像中油库目标的识别方法，其目的在于克服现有遥感图像复杂场景下的识别技术对样本数量、先验特征、建模准确度和容错率的依赖，提供适于遥感图像复杂场景下的油库目标识别方法。为实现上述目的，按照本专利技术的一个方面，提供了一种遥感图像中油库目标的识别方法，包括如下步骤：(1)通过对遥感图像进行相位谱显著性特征计算、显著性特征区域分割来提取感兴趣区域；(2)通过对上述感兴趣区域进行采样获得多尺度感兴趣区域图像；并对油库目标的模板和上述多尺度感兴趣区域图像进行特征提取获得多尺度的特征描述子；(3)对多尺度的特征描述子进行目标搜索获得多尺度相似面，并对多尺度相似面进行融合生成感兴趣区域相似面；根据感兴趣区域相似面与特征描述子的正、负样本测度，构建具有自适应能力的决策网络；(4)根据上述决策网络对遥感图像中的油库目标进行初步检测；并采用非极大值抑制算法从初步检测的结果中识别出油库目标；其中，非极大值抑制算法是指，对从感兴趣区域中检测出来的目标区域的相似性值进行从大到小的排序，选取最大目标区域，排除与之重叠面积超过阈值的区域，并通过迭代直到所有的目标区域重叠面积都小于阈值的算法。优选地，上述遥感图像中油库目标的识别方法，其步骤(1)包括如下子步骤：(1.1)对于给定的遥感图像进行尺度归一化，将归一化的图像通过傅里叶变化转换到频域，获取频域图像的相位谱特征；并对所述相位谱特征进行反傅里叶变换特获得显著性特征图；(1.2)采用极大值稳定区域特征提取方法对所述显著性特征图进行分割，获得多个感兴趣区域。优选地，上述遥感图像中油库目标的识别方法，其步骤(2)包括如下子步骤：(2.1)对各感兴趣区域进行向上、向下采样，获得多尺度感兴趣区域图像；(2.2)对油库目标的模板、多尺度感兴趣区域图像进行特征提取获得模板特征描述子和多尺度感兴趣区域图像的特征描述子。优选地，上述遥感图像中油库目标的识别方法，其步骤(2.2)包括如下子步骤：(2.2.1)逐个像素的计算各尺度下的感兴趣区域图像的局部回归核特征Wj；其中：K(·)为高斯函数，x是指感兴趣区域图像的中心像素坐标，是指感兴趣区域图像中的二维空间坐标；矩阵h表示平滑系数，矩阵Cl是在坐标p×p的集成窗口中每个像素梯度组成的矩阵的协方差矩阵；n是指片元个数，将对应感兴趣区域划分成n个p×p片元，j是指片元的编号，p是指集成窗口的大小；(2.2.2)将各像素的局部回归核特征串联，获得感兴趣区域图像的初始结构特征描述子其中，I是指单位矩阵，R指实数；(2.2.3)对油库目标的模板和多尺度感兴趣区域图像进行特征提取，得到模板特征描述子WQ和感兴趣区域图像特征描述子WT；其中，其中，nT是指目标图像的片元个数；(2.2.4)对上述的模板特征描述子WQ进行降维处理，获得降维后的油库模板结构特征其中，PCA降维矩阵其中，d是指降维后的特征维数；(2.2.5)通过PCA降维矩阵AQ对各尺度下的感兴趣区域图像特征描述子WT进行主成分提取，获得各尺度感兴趣区域图像的特征描述子优选地，上述遥感图像中油库目标的识别方法，其步骤(3)包括如下子步骤：(3.1)以油库目标模板大小以及固定步长在多尺度的特征子上搜索目标，获得对应的多尺度相似面；将各尺度的相似面映射到原尺度下获得原尺度的相似面，并对原尺度的相似面进行融合得到感兴趣区域相似面；(3.2)在给定的遥感图像中截取若干个正、负样本，并获取这些正、负样本的特征描述子；(3.3)将上述正、负样本的特征描述子与油库模板的特征面进行相似性测度计算，获得特征描述子的正、负样本测度；结合正、负样本测度与感兴趣区域相似面的相似度直方图统计特性，构建具有自适应能力的决策网络。优选地，上述遥感图像中油库目标的识别方法，其步骤(3.3)包括如下子步骤：(3.3.1)计算遥感图像的各正、负样本的局部回归核特征，与油库模板的特征面进行相关性计算，获取正、负样本相关系数的频次归一化曲线；将正样本的所述频次归一化曲线与负样本的所述频次归一化曲线的交点的横坐标作为第一决策阈值τ0；(3.3.2)对于融合得到的感兴趣区域相似面，以所述相似面中相关系数第K大的相关系数作为待选阈值τ，将τ1＝max(τ,τ0)作为第二决策阈值；(3.3.3)由所述第一决策阈值τ0和第二决策阈值τ1构成所述决策网络。优选地，上述遥感图像中油库目标的识别方法，其步骤(4)包括如下子步骤：(4.1)通过所述决策网络进行相似面筛选，当相似面中存在相关系数大于所述第一阈值τ0的点，则判定所述相似面中存在目标；当感兴趣区域的相关系数大于所述第二阈值τ1，则判定所述感兴趣区域为目标区域；(4.2)采用非极大值抑制算法从所述目标区域中识别出油库目标。优选地，上述遥感图像中油库目标的识别方法，其步骤(4.2)包括如下子步骤：(4.2.1)将所有的目标区域按相似性值从高到低排序，确定相似性值最大的目标区域；(4.2.2)获取所述相似性值最大的目标区域与所有目标区域的重叠面积；(4.2.3)去掉重叠面积大于面积阈值的目标区域；(4.2.4)重复步骤(4.2.1)～(4.2.3)，直至所有目标区域的重叠面积都小于预设的面积阈值；通过预设面积阈值使得两个重叠目标区域的交集与并集的比值小于0.3。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：(1)本专利技术提供的遥感图像中油库目标的识别方法，在步骤(3)的处理过程中考虑了油库目标的结构特征，利用局部控制核作为图像的特征描述，由于油库的目标的局部控制核特征具有很好的正负样本的区分能力，因此该特征能够很好的将目标和背景区分出来；(2)本专利技术提供的遥感图像中油库目标的识别方法，通过提取感兴趣区域对遥感图像进行预处理，降低了油库目标的搜索范围，减少了复杂背景对于信息的干扰，极大的降低了计算量，提高本文档来自技高网...

【技术保护点】
一种遥感图像中油库目标的识别方法，其特征在于，包括如下步骤：(1)通过对遥感图像进行相位谱显著性特征计算、显著性特征区域分割来提取感兴趣区域；(2)通过对所述感兴趣区域进行采样获得多尺度感兴趣区域图像；并对油库目标的模板和所述多尺度感兴趣区域图像进行特征提取获得多尺度的特征描述子；(3))对所述特征描述子进行目标搜索获得多尺度相似面，并对多尺度相似面进行融合生成感兴趣区域相似面；根据所述感兴趣区域相似面与所述特征描述子的正、负样本测度，构建具有自适应能力的决策网络；(4)根据所述决策网络对遥感图像中的油库目标进行初步检测；采用非极大值抑制算法从初步检测的结果中识别出油库目标。

【技术特征摘要】
1.一种遥感图像中油库目标的识别方法，其特征在于，包括如下步骤：(1)通过对遥感图像进行相位谱显著性特征计算、显著性特征区域分割来提取感兴趣区域；(2)通过对所述感兴趣区域进行采样获得多尺度感兴趣区域图像；并对油库目标的模板和所述多尺度感兴趣区域图像进行特征提取获得多尺度的特征描述子；(3))对所述特征描述子进行目标搜索获得多尺度相似面，并对多尺度相似面进行融合生成感兴趣区域相似面；根据所述感兴趣区域相似面与所述特征描述子的正、负样本测度，构建具有自适应能力的决策网络；(4)根据所述决策网络对遥感图像中的油库目标进行初步检测；采用非极大值抑制算法从初步检测的结果中识别出油库目标。2.如权利要求1所述的识别方法，其特征在于，所述步骤(1)包括如下子步骤：(1.1)对于给定的遥感图像进行尺度归一化，将归一化的图像通过傅里叶变化转换到频域，获取频域图像的相位谱特征；并对所述相位谱特征进行反傅里叶变换特获得显著性特征图；(1.2)采用极大值稳定区域特征提取方法对所述显著性特征图进行分割，获得多个感兴趣区域。3.如权利要求1或2所述的识别方法，其特征在于，所述步骤(2)包括如下子步骤：(2.1)对各感兴趣区域进行向上、向下采样，获得多尺度感兴趣区域图像；(2.2)对油库目标的模板、所述多尺度感兴趣区域图像进行特征提取获得模板特征描述子和多尺度感兴趣区域图像的特征描述子。4.如权利要求3所述的识别方法，其特征在于，所述步骤(2.2)包括如下子步骤：(2.2.1)逐个像素的计算各尺度下的感兴趣区域图像的局部回归核特征Wj；Wj(xl-x)=Kj(xl-x;Hl)Σl=1p2Kj(xl-x;Hl),j=1,...,nl=1,...,p2;]]>其中：K(·)为高斯函数，x是指感兴趣区域图像的中心像素坐标，是指感兴趣区域图像中的二维空间坐标；矩阵h表示平滑系数；矩阵Cl是在p×p的集成窗口中每个像素梯度组成的矩阵的协方差矩阵；n是指片元个数，j是指片元的编号；(2.2.2)将各像素的局部回归核特征串联，获得感兴趣区域图像的初始结构特征描述子其中，I是指单位矩阵，R指实数；(2.2.3)对油库目标的模板和多尺度感兴趣区域图像进行特征提取，得到模板特征描述子WQ和感兴趣区域图像特征描述子WT；其中，其中，nT是指目标图像的片元个数；(2.2.4)对所述模板特征描述子...

【专利技术属性】
技术研发人员：孙向东，朱军，杨卫东，赵革，邹腊梅，翟展，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42