The invention provides a S HOG feature of optical remote sensing image recognition method based on the ship, the ship can solve the feature recognition technology in the existing multi dimension, drawbacks of high algorithm complexity caused by improving the accuracy of recognition. S HOG features provided by the invention, only 24 dimensional features, HOG features compared to the traditional hundreds of dimensions, reduce feature dimensions, reduce the complexity of computation. S HOG features provided by the invention, the ship target in afterconfirmation, gradient edge and internal angle are mainly distributed in 0 degrees and 180 degrees, and the gradient of other target angular distribution has no law. Therefore, the SVM classifier can be used to separate the ship from other false alarm targets. The invention adopts smoothing filter, based on the spatial relationship between pixels and gray similarity of uniform filtering, the difference can reduce the internal texture information of target boat, separating the background and target region more easily.
【技术实现步骤摘要】
一种基于S-HOG特征的光学遥感图像船识别方法
本专利技术涉及图像识别
,具体涉及一种基于S-HOG(Ship-HOG,船目标-方向梯度直方图)特征的光学遥感图像船识别方法。
技术介绍
船目标识别是计算机视觉和模式识别关注的重要问题,其在精确制导、海上交通管理、反恐、搜救等军事和民用领域具有十分重要的意义。对于大视场下的光学遥感图像船检测结果中存在大量虚警的问题,单纯依靠人工目视判读来获取船目标信息的传统方式,由于效率低、主观性强、成本高、信息获取周期长等缺陷,已远远不能满足现代社会对高效信息的需求。如何快速准确地从海量遥感数据中自动提取和识别出船目标已成为当前迫切需要解决的难题。传统的HOG特征光学遥感图像船识别方法计算复杂,计算量大,特征维数高且存在冗余,容易降低识别正确率和识别速度。导致大量云和噪声干扰以及岩石岛屿等海面虚假目标难以和真实的目标区分开来。
技术实现思路
有鉴于此,本专利技术提供了一种基于S-HOG特征的光学遥感图像船识别方法,能够解决现有的船识别技术中特征维数多,算法复杂度高所带来的弊端,提高船识别的精度。本专利技术是通过以下技术方案来实现的:步骤1,对目标切片数据进行平滑滤波;步骤2,对平滑滤波后的图像进行分割,得到二值图;步骤3,目标切片转正:对分割得到二值图进行“4”连通区域标记,获得标记区域的面积,二值图中面积最大的连通区域,称为最大连通区域;将最大连通区域按一个方向依次旋转,每次旋转1度,共旋转180次,计算每次旋转后最大连通区域的最小外接矩形面积,180个最小外接矩形面积的最小值所对应的旋转角度为θ,将目标切片数据原图按 ...
【技术保护点】
一种基于S‑HOG特征的光学遥感图像船识别方法,其特征在于,包括:步骤1,对目标切片数据进行平滑滤波;步骤2,对平滑滤波后的图像进行分割,得到二值图;步骤3,目标切片转正:对分割得到二值图进行“4”连通区域标记,获得标记区域的面积,二值图中面积最大的连通区域,称为最大连通区域;将最大连通区域按一个方向依次旋转,每次旋转1度,共旋转180次,计算每次旋转后最大连通区域的最小外接矩形面积,180个最小外接矩形面积的最小值所对应的旋转角度为θ,将目标切片数据原图按该方向旋转θ角度,实现目标切片的转正;步骤4,计算梯度方向:在切片转正的基础上,分别计算目标在X方向和Y方向的梯度值,并计算每个像素点的梯度方向角;步骤5,S‑HOG特征提取及归一化:步骤5.1,以船心为中心,将切片所在的圆周面平均分成8个角度区间,0°方向与船身方向垂直,8个角度区间分别为:[337.5°~22.5°),[22.5°~67.5°),[67.5°~112.5°),[112.5°~157.5°),[157.5°~202.5°),[202.5°~247.5°),[247.5°~292.5°)和[292.5°~337.5° ...
【技术特征摘要】
1.一种基于S-HOG特征的光学遥感图像船识别方法,其特征在于,包括:步骤1,对目标切片数据进行平滑滤波;步骤2,对平滑滤波后的图像进行分割,得到二值图;步骤3,目标切片转正:对分割得到二值图进行“4”连通区域标记,获得标记区域的面积,二值图中面积最大的连通区域,称为最大连通区域;将最大连通区域按一个方向依次旋转,每次旋转1度,共旋转180次,计算每次旋转后最大连通区域的最小外接矩形面积,180个最小外接矩形面积的最小值所对应的旋转角度为θ,将目标切片数据原图按该方向旋转θ角度,实现目标切片的转正;步骤4,计算梯度方向:在切片转正的基础上,分别计算目标在X方向和Y方向的梯度值,并计算每个像素点的梯度方向角;步骤5,S-HOG特征提取及归一化:步骤5.1,以船心为中心,将切片所在的圆周面平均分成8个角度区间,0°方向与船身方向垂直,8个角度区间分别为:[337.5°~22.5°),[22.5°~67.5°),[67.5°~112.5°),[112.5°~157.5°),[157.5°~202.5°),[202.5°~247.5°),[247.5°~292.5°)和[292.5°~337.5°);步骤5.2,将船分为三部分,包括船身上半部分B1,船身下半部分B2和船身整体B3,依据各个像素点的梯度方向角,分别统计B1、B2和B3中属于各角度区间的像素点个数,完成B1、B2和B3的S-HOG特征提取;步骤5.3,采用L2范数分别对B1、B2和B3在8个区间的像素点个数进行归一化,得到B1、B2和B3对应的归一化向量,将这三个归一化向量进行堆叠,得到堆叠后的S-HOG特征向量;步骤6,船目标识别:采用SVM算法对步骤5得到的堆叠后的S-HOG特征向量进行识别,完成船目标的分类识别。2.如权利要求1所述的一种基于S-HOG特征的光学遥感图像船识别方法,其特征在于,所述步骤1具体为:对目标切片进行滑窗内的平滑滤波,以切片数据的左上角为滑窗起点,L×L的正方形滑窗在光学遥感目标切片数据中进行水平和竖直方向的步进,滑窗步进量为1;对于一个L×L的正方形滑窗,对应的平滑滤波公式如下:
【专利技术属性】
技术研发人员:刘峰,王玉亭,张俊青,刘腾飞,
申请(专利权)人:北京理工雷科电子信息技术有限公司,
类型:发明
国别省市:北京,11
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。