一种光学遥感影像舰船目标的军民属性自动判别方法技术

本发明专利技术公开了一种光学遥感影像舰船目标军民属性自动判别方法，涉及光学遥感影像自动处理领域。本发明专利技术通过获取舰船目标训练样本，并对训练样本进行军民属性人工判别、归一化重采样、生成合集、计算平均图像、计算差值图像、计算正交向量等一系列操作构建舰船目标的军民属性判别特征空间，将测试图像投影至该空间，并通过距离量测即可自动对测试图像中的舰船目标的军民属性进行自动判别。该方法只需一次性构建舰船目标军民属性判别特征空间，即可在今后的工作中利用该特征空间对测试图像中发现的舰船目标进行军民属性的自动判别。通过该方法，能够对新发现的光学遥感图像中舰船目标的军民属性进行自动判别，解放了专业判读人员的脑力，大大提高了舰船目标识别的工作效率。

【技术实现步骤摘要】
一种光学遥感影像舰船目标的军民属性自动判别方法
本专利技术涉及光学遥感影像自动处理领域，尤其是涉及一种光学遥感影像舰船目标的军民属性自动判别方法。
技术介绍
卫星遥感技术是对海上舰船目标进行探测的有效手段，当遥感影像的空间分辨率较低的时候，只能发现舰船目标；当遥感影像的空间分辨率较高的时候，不但能发现舰船目标，还能区分和识别出舰船目标的属性和类型。针对遥感图像的特点，研究者们提出了各种舰船目标的检测算法，总的来讲，大都是基于目标的灰度与背景的灰度差异进行检测。如基于极小误差阈值分割的目标提取方法、形态学对比度法、基于模糊分析理论实现目标与背景的分离方法、基于Otsu分割法的舰船检测方法、基于视觉注意机制的检测方法、基于统计模型的CFAR检测等。基于以上技术和方法，能够对遥感影像中的舰船目标进行发现。对舰船目标类型进行识别主要有两类算法：一种是基于目标自身特征进行目标识别的方法，该类算法的主要思想是根据真实目标与虚警在形状、灰度、纹理等特征上的不同，利用先验知识，寻找能够区分目标与虚警的方法，对目标进行识别；另一种是将机器学习的思想应用到目标识别中，基本思路是将人工判读结果作为机器学习的训练数据，产生出能够对目标与虚警进行分类的鉴别器，利用分类器对目标类型进行识别。海上舰船种类繁杂，数量繁多，总体上来看首先可以分为军用舰船和民用船舶两类。和军用舰船相比，民用船只类型更加复杂，用途更加广泛，同时船只表面覆盖物类型多种多样，摆放无规则可循，即使相同类型船只由于承载物的差异也会导致舰船纹理、灰度产生巨大差异；而军用舰船的布局、材质属性等相对一致性较高。针对不同的应用目的，对舰船目标的军民属性进行自动判别，不仅能迅速对舰船目标的属性进行基本判断，而且能够有效提高舰船目标后期精细识别的效率。根据军、民舰船的不同特点，提出了一种光学遥感影像舰船目标军民属性自动判别方法。
技术实现思路
有鉴于此，本专利技术的主要目的在于针对光学遥感中获取的大量舰船目标，通过人工筛选找出感兴趣目标极其困难的问题，提出一种自动的舰船目标军民属性判别算法，通过该算法将舰船目标自动分为军用舰船和民用船只，从而满足不同军、民用户的目标观测需求，为舰船目标的进一步精细识别缩小范围。为了实现上述目的，本专利技术提供了一种光学遥感影像舰船目标的军民属性自动判别方法，包括以下步骤：步骤1、根据舰船目标检测结果，对舰船目标进行自动旋转处理，利用最小外接矩形获取舰船目标的水平样本目标切片；步骤2、选取M个舰船目标切片作为训练样本，并对训练样本中的舰船目标切片进行军民属性的人工判别，所述的M为正整数且不低于舰船目标类别的数量；步骤3、对训练样本中的舰船目标切片进行归一化重采样到固定大小和灰度级别；步骤4、获取包含M张舰船目标切片的集合S，其中S中的每一行数值为一幅舰船目标切片展开后的一维向量；步骤5、将S集合中M张舰船目标切片在对应维度相加后取平均值，计算平均图像Ψ；步骤6、计算S集合中每张舰船目标切片与平均图像Ψ的差值图像，组成差值图像Φ；步骤7、根据差值图像Φ计算M个正交的单位向量，用来描述Φ的分布，构成舰船目标军民属性判别的特征空间；步骤8、对测试样本进行归一化重采样到固定大小和灰度级别；步骤9、分别对测试样本和训练样本进行特征空间投影，计算测试样本与训练样本的空间距离，根据空间距离确定舰船目标的军民属性。其中，所述步骤1具体为：根据舰船目标检测结果，对包含舰船目标的矩形区进行截取，基于舰船目标检测得到的舰船目标朝向角度α，令舰船目标旋转-α度，得到水平的舰船目标样本，使用最小矩形对水平的舰船目标进行包络，截取最小矩形，则得到舰船目标的水平样本目标切片。其中，所述步骤3具体为：将训练样本中的每个舰船目标切片重采样到固定像素大小的256级灰度图。其中，所述步骤4具体为：将训练样本中的每个舰船目标切片保存为一个1×N维向量Γ()，则S集合为M×N维：S＝{Γ1,Γ2,Γ3,……,ΓM}，其中，N为固定像素的大小，M为训练样本中的舰船目标切片的数量。其中，所述步骤7中M个正交的单位向量ul表示为：其中vl为如下L矩阵的M个特征向量：其中Φ为差值图像。其中，所述步骤9具体包括以下步骤：(a)将训练样本投影到步骤7的特征空间；即，每张训练样本中的图像用特征向量进行表述，其中第k个权重为：其中k＝1,2...M；M个权重构成一个向量，表征训练样本中的图像在特征空间中的位置：ΩT＝[ω1,ω2,……,ωM](b)将测试样本投影到步骤7的特征空间，计算方法同步骤(a)；(c)通过距离计算获得该特征空间中距离测试样本最近的训练样本，根据训练样本的军民属性自动判断测试样本的军民属性，其中采用欧式距离进行距离量测：εk＝||Ω-Ωk||2其中Ω代表要判别的舰船，Ωk代表训练集内的第k个舰船目标，当距离εk小于阈值时，要判别的舰船和训练集内的第k个舰船最为接近，两者具有一致的军民属性。本专利技术相比现有技术具有以下有益效果：本专利技术提供的光学遥感影像舰船目标军民属性自动判别方法，只需一次性构建舰船目标军民属性判别特征空间，即可在今后的工作中利用该特征空间对测试图像中发现的舰船目标进行军民属性的自动判别。一方面，通过计算机对舰船目标军民属性进行自动判别，解放了专业判读人员的大量精力，降低了舰船目标识别的人力成本；另一方面，计算机的自动判别效率远高于人工判别，辅以并行计算，可以大大提高舰船目标识别的工作效率。附图说明图1是本专利技术的处理流程图。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1，对本专利技术作进一步的详细说明。本专利技术提供了一种光学遥感影像舰船目标军民属性自动判别方法，其应用前提是舰船目标已经被发现，即已经完成舰船目标检测的基础上继续开展，包括如下步骤：步骤1、获取舰船目标水平样本。根据舰船目标检测结果，对包含舰船目标的矩形区进行截取，此时舰船目标朝向各异，基于舰船目标检测得到的目标朝向角度α，令目标旋转-α度，得到水平的舰船目标样本，使用最小矩形对目标进行包络，截取该最小矩形，则得到舰船目标的水平样本图像，此时所有舰船目标的朝向都是一致的，且矩形切片中一般90％以上区域为舰船区域，只在船艏、船艉两侧有少量的背景像素。步骤2、选取M个舰船目标切片作为训练样本，并对训练样本进行人工判别。从获取的舰船目标总样本中，获取一定数量(M个)的样本作为训练样本，要求训练样本尽量多的包含不同类别的舰船，对训练样本的军、民属性进行人工判别和标注。步骤3、对训练样本中目标切片进行重采样。为了提高运算效率和保证可比性，将训练样本中每个舰船目标切片重采样到固定像素大小(如20×100像素)的256级灰度图。步骤4、获取包含M张舰船图像的集合S。M为训练样本的舰船目标切片数量，其中每个图像保存为一个1×N维向量Γ(N为步骤3中固定像素的大小，如N＝20×100)，则S集合为M×N维。S＝{Γ1,Γ2,Γ3,……,ΓM}步骤5、计算平均图像Ψ。将S集合中M张舰船图像在对应维度相加，取平均值，则得到所有舰船图像的平均图像Ψ，则Ψ是一个1×N维向量，如果再把它还原回图像的话，可以得到平均船图像。步骤6、计算差值图像Φ。计算S集合中每张舰船图像与平均图像Ψ的差值图像Φi本文档来自技高网...

【技术保护点】
一种光学遥感影像舰船目标的军民属性自动判别方法，其特征在于，包括以下步骤：步骤1、根据舰船目标检测结果，对舰船目标进行自动旋转处理，利用最小外接矩形获取舰船目标的水平样本目标切片；步骤2、选取M个舰船目标切片作为训练样本，并对训练样本中的舰船目标切片进行军民属性的人工判别，所述的M为正整数且不低于舰船目标类别的数量；步骤3、对训练样本中的舰船目标切片进行归一化重采样到固定大小和灰度级别；步骤4、获取包含M张舰船目标切片的集合S，其中S中的每一行数值为一幅训练样本中舰船目标切片展开后的一维向量；步骤5、将S集合中M张舰船目标切片在对应维度相加后取平均值，计算平均图像Ψ；步骤6、计算S集合中每张舰船目标切片与平均图像Ψ的差值图像，组成差值图像Φ；步骤7、根据差值图像Φ计算M个正交的单位向量，用来描述Φ的分布，构成舰船目标军民属性判别的特征空间；步骤8、对测试样本进行归一化重采样到固定大小和灰度级别；步骤9、分别对测试样本和训练样本进行特征空间投影，计算测试样本与训练样本的空间距离，根据空间距离确定舰船目标的军民属性。

【技术特征摘要】
1.一种光学遥感影像舰船目标的军民属性自动判别方法，其特征在于，包括以下步骤：步骤1、根据舰船目标检测结果，对舰船目标进行自动旋转处理，利用最小外接矩形获取舰船目标的水平样本目标切片；步骤2、选取M个舰船目标切片作为训练样本，并对训练样本中的舰船目标切片进行军民属性的人工判别，所述的M为正整数且不低于舰船目标类别的数量；步骤3、对训练样本中的舰船目标切片进行归一化重采样到固定大小和灰度级别；步骤4、获取包含M张舰船目标切片的集合S，其中S中的每一行数值为一幅训练样本中舰船目标切片展开后的一维向量；步骤5、将S集合中M张舰船目标切片在对应维度相加后取平均值，计算平均图像Ψ；步骤6、计算S集合中每张舰船目标切片与平均图像Ψ的差值图像，组成差值图像Φ；步骤7、根据差值图像Φ计算M个正交的单位向量，用来描述Φ的分布，构成舰船目标军民属性判别的特征空间；步骤8、对测试样本进行归一化重采样到固定大小和灰度级别；步骤9、分别对测试样本和训练样本进行特征空间投影，计算测试样本与训练样本的空间距离，根据空间距离确定舰船目标的军民属性。2.根据权利要求1所述的光学遥感影像舰船目标的军民属性自动判别方法，其特征在于，所述步骤1具体为：根据舰船目标检测结果，对包含舰船目标的矩形区进行截取，基于舰船目标检测得到的舰船目标朝向角度α，令舰船目标旋转-α度，得到水平的舰船目标样本，使用最小矩形对水平的舰船目标进行包络，截取最小矩形，则得到舰船目标的水平样本目标切片。3.根据权利要求1所述的光学遥感影像舰船目标的军民属性自动判别方法，其特征在于，所述步骤3具体为：将训练样本中的每个舰船目标切片重采样到固定像素大小的256级灰度图。4.根据权利要求1所述的光学遥感影...

【专利技术属性】
技术研发人员：帅通，楚博策，师本慧，陈金勇，刘翔，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：河北,13