【技术实现步骤摘要】
一种基于细粒度特征的光学遥感舰船型号识别众包系统
本专利技术涉及图像的特征设计、舰船识别、机器学习和图像标注众包等
,具体地说,是为光学遥感影像中的舰船目标设计细粒度特征并通过众包系统对影像中的舰船进行标注和识别的方法。
技术介绍
舰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。现有技术中关于舰船目标识别主要有:遥感技术、光学遥感舰船识别技术、众包系统等,其具体内容如下:一、遥感技术遥感技术是20世纪70年代出现的一种空间观测技术。大范围、长时序、高时效的遥感观测方式为海上目标探测与识别提供了不可替代的数据基础。目前,遥感成像的时空分辨率正在接近甚至达到现场观测数据的精度,极大地促进了海上动态目标识别研究的发展,尤其是在军事方面的研究和应用。遥感技术按成像原理的不同可分为两种:SAR和光学遥感。SAR(SyntheticApertureRadar,合成孔径雷达)影像采用主动雷达成像方式,因此不受光照、云层等天气条件的限制,实现了对海洋的全天时、全天候观测,在海上目标探测与识别中最早得到应用。但由于其成像原理的限制,其蕴含的信息量非常有限,并且容易受到噪声干扰,例如,SAR影像存在严重的斑点噪声。与SAR影像相比,光学遥感为海上目标识别提供了更加丰富的信息。并且,随着传感器技术发展,光学遥感的成像分辨率可达分米级。如,美国的Onyx卫星空间分辨率达0.3米,QuickBird为0.61米。高光谱、高时空分辨率的遥感观测技术势必在未来的信息化战争中发挥关键作用。二、光学遥感舰船识 ...
【技术保护点】
1.一种基于细粒度特征的光学遥感舰船型号识别众包系统,所述的光学遥感舰船型号识别众包系统包括以下步骤:步骤S1、设计舰船的细粒度特征及其形式化表达,设计舰船特征标注任务并采用众包模式进行发布;步骤S2、通过多级质量控制得到舰船的标准标注与置信度;步骤S3、采用决策树算法对细粒度特征标准标注进行自动分类并将其中置信度低的舰船目标交由专家审核研判,最终实现舰船型号自动识别。
【技术特征摘要】
1.一种基于细粒度特征的光学遥感舰船型号识别众包系统,所述的光学遥感舰船型号识别众包系统包括以下步骤:步骤S1、设计舰船的细粒度特征及其形式化表达,设计舰船特征标注任务并采用众包模式进行发布;步骤S2、通过多级质量控制得到舰船的标准标注与置信度;步骤S3、采用决策树算法对细粒度特征标准标注进行自动分类并将其中置信度低的舰船目标交由专家审核研判,最终实现舰船型号自动识别。2.根据权利要求1所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S1细粒度特征的设计选取了三类十种武器设施和上层建筑作为舰船细粒度特征,具体如下:武器类,对应的特征名称为:主炮、导弹发射架、垂直发射井;建筑类,对应的特征名称为:舰桥、烟囱、直升机库;甲板类,直升机甲板、直通甲板、斜角甲板、滑跃甲板。3.根据权利要求1所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S1细粒度特征的设计使用了特征矩阵对舰船细粒度特征进行表达,特征矩阵由10个特征向量组成,分别代表10个细粒度特征;每个特征向量拥有3个元素,分别代表各个特征在舰艏、舰舯、舰尾3个位置出现的数量。4.根据权利要求1所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S1中的细粒度特征的形式化表达具体包括以下步骤:步骤S11、定义舰船细粒度特征记为t,10种舰船细粒度特征组成的集合记为t={ti|i=1,2,......10},并将舰船细粒度特征与其军语名称的对应,其中,主炮对应i的取值为1,导弹发射架对应i的取值为2,垂直发射井对应i的取值为3,舰桥对应i的取值为4,烟囱架对应i的取值为5,直升机库对应i的取值为5,直升机甲板对应i的取值为6,直升机甲板对应i的取值为7,直通甲板对应i的取值为8,斜角甲板对应i的取值为9,滑跃甲板对应i的取值为10;步骤S12、定义舰船细粒度特征向量记为tl=(t1i,t2i,t3i);步骤S13、定义舰船细粒度特征矩阵记为该矩阵是3行10列矩阵,由10个3维舰船细粒度特征向量组成,该矩阵中元素的值名为特征值thi,表示该元素所在向量代表特征的位置和数量信息,其中h∈{1,2,3}代表舰船的三个区域,i∈{1,2,......10}代表10个细粒度特征。5.根据权利要求1所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S2中包括以下步骤:步骤S21、人员评级策略;步骤S22、相对位置匹配算法;步骤S23、基于业务评级加权的标准标注算法;步骤S24、置信度计算。6.根据权利要求5所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S21中具体包括以下步骤:步骤S211、定义职称记为Pn,定义资历记为Yn,其中n为任务参与者的编号;步骤S212、定义业务级别记为Ln,其中n为任务参与者的编号,业务级别共分4级:入职3年(含)以内的实习员为1级;入职3年以上的实习员为2级;助理员为3级;研究员为4级;1级至3级人员负责任务标注任务,4级人员负责审核任务;步骤S213、定义标注权重系数记为ωn,n为任务参与者的编号,1级至3级人员必须分配标注权重系数,4级人员因不参与标注任务,标注权重系数的计算公式如下:其中,n是任务参与者编号,N是参与此次标注任务的总人数。7.根据权利要求5所述的基于细粒度特征的光学遥感舰船型号识别众包系统,其特征在于,步骤S22中包括以下步骤:步骤S221、定义舰船标注项目记为Ij,其中,j是此次任务中的项目编号;步骤S222、定义相对位置阈值记为其中j1和j2分别为进行判断的两个项目的项目编号;步骤S223、对最初两个项目的相对位置匹配计算,具体如下:假设任务中项目Ij的范围四角坐标为(xj,yj),(xj′,yj′),(xj″,yj″),(xj″′,yj″′),该任务中共有J个项目,首先计算判断I1和I2的相对位置关系,相对位置关系由矩形中心点确定,矩形中心点的坐标计算公式为:算法从任务中最初的两个项目I1和I2开始,在得到O1和O2的坐标后,计算中心点之间直线距离:相对位置的阈值取两艘舰船中最小舰船宽度的一半,即从舰船几何中心点到舰船侧舷边缘的距离,I1和I2两个项目中最小外接矩形中最小宽度的求解方法为:I1和I2的相对位置阈值计算方法为:然后,判断I1和I2是否属于同一个标注集G1:步骤S224、接下来以I1为基准遍历剩余所有项目,确定属于G1的项目;本次遍历结束后,以I2为基准展开同样的遍历计算,确定属于G2的项目;此后依次判断Ij是否已有所属标注集,若有则判断下一个项目,若无则以Ij为基准进行相对位置匹配遍历,当循环计算全部完成时,即相对位置匹配算法已使此次任务包含的所有项目都关联于各自的标注集。8.根据权利要求5所述的基于细粒度特征的光学遥感舰船型号识别众包系统,...
【专利技术属性】
技术研发人员:唐非凡,杜艳玲,陈德利,李舰,宋洪波,汪卫,宋巍,
申请(专利权)人:上海海洋大学,中国人民解放军六一二九零部队,
类型:发明
国别省市:上海,31
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。