專利名稱：一種基于圖像的地面狀態(tài)種類(lèi)識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理和模式識(shí)別領(lǐng)域，具體涉及一種基于圖像識(shí)別地面狀態(tài)種類(lèi)的方法，用于自動(dòng)識(shí)別地面圖像的地面狀態(tài)類(lèi)別。
背景技術(shù)：
地面狀態(tài)是指在觀測(cè)時(shí)間，觀測(cè)點(diǎn)附近的未經(jīng)翻耕保持自然的地表狀況地面特征，特別是諸如雨、雪、低溫等天氣對(duì)地面造成的后果。地面狀態(tài)觀測(cè)是地面氣象觀測(cè)的重要組成部分，是沙塵天氣預(yù)報(bào)所需的重要環(huán)節(jié)，同時(shí)在國(guó)民經(jīng)濟(jì)建設(shè)服務(wù)中也有著重要的作用。中國(guó)氣象局1979年出版的《地面氣象觀測(cè)規(guī)范》中，就沒(méi)有包括地面狀態(tài)觀測(cè)的有關(guān)內(nèi)容。隨著我國(guó)氣象部門(mén)拓展服務(wù)領(lǐng)域的需求和地面氣象觀測(cè)新技術(shù)的發(fā)展，越來(lái)越凸顯出地面狀態(tài)監(jiān)測(cè)的重要性，2003年底中國(guó)氣象局最新出版的《地面氣象觀測(cè)規(guī)范》中， 地面狀態(tài)被單獨(dú)列為一章，詳細(xì)介紹了地面狀態(tài)的種類(lèi)(二種類(lèi)型，二十種狀況)、觀測(cè)方法等內(nèi)容，目前，國(guó)內(nèi)外關(guān)于地面狀態(tài)自動(dòng)化識(shí)別方面的研究幾乎處于空白的狀態(tài)，所以現(xiàn)階段的地面狀態(tài)觀測(cè)還停留在人工觀測(cè)上，氣象觀測(cè)員的工作量大，而且觀測(cè)結(jié)果的準(zhǔn)確性受限于觀測(cè)員經(jīng)驗(yàn)水平。如果能夠利用數(shù)字圖像識(shí)別技術(shù)自動(dòng)識(shí)別地面的狀態(tài)，將大大降低人力資源成本，也能夠提高地面狀態(tài)觀測(cè)的自動(dòng)化程度與精度。LBP算子是一種有效的處理圖像紋理的算子，不僅理論簡(jiǎn)單易于理解，而且計(jì)算過(guò)程方便快捷，與顏色直方圖[Y. Gong，H. J. Zhang and Τ. C. Chua, An image database system with content capturing and fast image indexing abilities]白勺彥頁(yè)色特征結(jié)合起來(lái)構(gòu)成的特征向量，能夠有效的標(biāo)識(shí)出每一類(lèi)別的地面狀態(tài)圖像，從而使地面狀態(tài)的識(shí)別能夠?qū)崿F(xiàn)自動(dòng)化。目前廣泛使用的一種紋理特征是圖像的LBP(Local Binary Pattern) 紋理[Timo Ojala，Matti Pietikainen. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns]。

發(fā)明內(nèi)容
本發(fā)明提供一種基于圖像的地面狀態(tài)種類(lèi)識(shí)別方法，通過(guò)將圖像的紋理特征和圖像的顏色特征構(gòu)成圖像的特征向量，以X2概率統(tǒng)計(jì)作為特征向量的相似性度量，結(jié)合K近鄰模式識(shí)別算法能夠有效地識(shí)別出地面圖像的狀態(tài)，自動(dòng)識(shí)別地面狀態(tài)圖像中的地面狀態(tài)類(lèi)別，以提高地面狀態(tài)觀測(cè)的自動(dòng)化程度與精度，克服現(xiàn)有的地面狀態(tài)人工觀測(cè)方法費(fèi)時(shí)費(fèi)力、效率低下等問(wèn)題。本發(fā)明的一種基于圖像的地面狀態(tài)種類(lèi)識(shí)別方法，包括如下步驟(1)圖像樣本集制備步驟，地面狀態(tài)的識(shí)別是基于計(jì)算待識(shí)別圖像和樣本圖像之間在特征上的相似度進(jìn)行的，所以首先需要制備地面圖像的樣本集，步驟如下(1. 1)樣本圖像獲取步驟，獲取每個(gè)種類(lèi)下多幅地面圖像樣本，并記錄各地面圖像樣本的所屬類(lèi)別，求取每一幅樣本圖像I (X，y)的特征向量，具體過(guò)程為
(1. 2)獲取樣本圖像的顏色直方圖，獲取顏色直方圖的具體過(guò)程為(1. 2. 1)把圖像I (x, y)的顏色空間由RGB顏色空間轉(zhuǎn)換到HSV顏色空間IHsv (χ, y)；(1.2.2)提取HSV顏色空間下圖像IHsv(X，y)的H(x，y)和V(x，y)兩個(gè)顏色分量。(1.2.3)將H(x，y)和V(x，y) 2個(gè)分量量化成若干個(gè)小的顏色區(qū)間，每個(gè)小區(qū)間成為直方圖的一個(gè)顏色區(qū)間，每個(gè)顏色分量的顏色區(qū)間數(shù)N的取值范圍為[200，250]；(1. 2. 4)顏色直方圖歸一化；(1. 2. 5)兩個(gè)歸一化的顏色直方圖按照H、V分量的順序組合成一個(gè)顏色直方圖， 該顏色直方圖即為圖像的顏色特征向量；(1.3)獲取樣本圖像的LBP直方圖，獲取LBP直方圖的具體過(guò)程為(1. 3. 1)對(duì)地面狀態(tài)的樣本圖像I (X，y)進(jìn)行灰度化，得到結(jié)果圖像B (X，y)；(1.3. 2)對(duì)灰度圖B(x，y)進(jìn)行中值濾波平滑去噪，得到結(jié)果圖像T(x，y)；(1. 3. 3)分別求取圖像T(x，y)在LBI^、仏<2和仏<3算子下的LBP直方圖， 把三個(gè)直方圖組合成一個(gè)直方圖，該直方圖即為圖像T(x，y)最終的LBP直方圖。求取圖像 T(x, y)在算子下的LBP直方圖的具體過(guò)程為①逐像素求取T(x，y)中所有像素的LBP值，得到圖像T(x，y)的i^i5^算子的LBP 特征圖LBP(x，y)；②求取特征圖LBP(x，y)的直方圖，③LBP直方圖歸一化，(1.4)把LBP直方圖和顏色直方圖組合成一個(gè)直方圖，該直方圖即為圖像的特征
向量；(1. 5)構(gòu)造樣本集步驟，處理完畢所有樣本圖像，記錄每張圖像的樣本種類(lèi)數(shù)目、 圖像所屬樣本類(lèi)別數(shù)、圖像特征向量，該記錄即為圖像樣本集。(2)待識(shí)別地面圖像獲取步驟，從成像設(shè)備獲取待識(shí)別地面狀態(tài)圖像；(3)特征向量獲取步驟，獲取待識(shí)別地面圖像的特征向量，方法與圖像樣本集制備步驟中特征向量的獲取步驟相同；(4)相似性度量計(jì)算步驟，讀取圖像樣本集中記錄的每張圖像的樣本種類(lèi)數(shù)目、圖像所屬樣本類(lèi)別數(shù)、圖像特征向量，然后分別計(jì)算待識(shí)別圖像特征向量與每一張樣本圖像特征向量的距離，待識(shí)別圖像特征向量與樣本圖像特征向量的距離的計(jì)算公式為X2{SM) = t{Sb'Mj
tt Sb+Mb其中，S，M表示兩張圖像的直方圖分布，&和Mb分別表示兩張圖像的直方圖中第 b個(gè)區(qū)間的概率值，B表示直方圖的總區(qū)間數(shù)。(5)地面狀態(tài)判決步驟，具體過(guò)程為(5. 1)挑選出步驟⑷中計(jì)算出來(lái)的距離當(dāng)中最小的到第K小的K個(gè)距離，并且記錄每個(gè)距離所對(duì)應(yīng)的樣本圖像的所屬類(lèi)別，K的取值設(shè)定為[1，4]；(5. 2)分別統(tǒng)計(jì)K個(gè)距離中對(duì)應(yīng)的樣本圖像的地面狀態(tài)所屬類(lèi)別出現(xiàn)的次數(shù)；
(5. 3)出現(xiàn)次數(shù)最多的類(lèi)別數(shù)即為待識(shí)別地面狀態(tài)圖像的所屬類(lèi)別。本發(fā)明提供一種基于圖像的地面狀態(tài)種類(lèi)識(shí)別方法，旨在自動(dòng)識(shí)別地面狀態(tài)圖像中的地面狀態(tài)類(lèi)別，以提高地面狀態(tài)觀測(cè)的自動(dòng)化程度與精度，克服現(xiàn)有的地面狀態(tài)人工觀測(cè)方法費(fèi)時(shí)費(fèi)力、效率低下等問(wèn)題。目前，對(duì)于已經(jīng)采集到的4類(lèi)地面狀態(tài)圖像(裸地、 雪地、干裂、草地)，該發(fā)明的識(shí)別率高達(dá)97%以上。


圖1是一種基于圖像的地面狀態(tài)識(shí)別算法流程圖；圖2是干裂地面狀態(tài)圖像；圖3是泥土地面狀態(tài)圖像；圖4是沙土地面狀態(tài)圖像；圖5是積雪地面狀態(tài)圖像；圖6是圖5的顏色直方圖；圖7是圖2的巧 算子的LBP特征圖；
圖8是圖2的仏<+16，2+24，3算子的LBP直方具體實(shí)施例方式本發(fā)明將圖像的紋理特征和圖像的顏色特征作為圖像的特征，本發(fā)明將圖像的紋理特征和圖像的顏色特征構(gòu)成圖像的特征向量，以X2概率統(tǒng)計(jì)作為特征向量的相似性度量，結(jié)合最近鄰模式識(shí)別算法能有效地識(shí)別出地面圖像的狀態(tài)，一種基于圖像的地面狀態(tài)識(shí)別算法的處理流程如圖ι所示。一種基于圖像的地面狀態(tài)識(shí)別方法，步驟如下(1)圖像樣本集制備步驟，地面狀態(tài)的識(shí)別是基于計(jì)算待識(shí)別圖像和樣本圖像之間在特征上的相似度進(jìn)行的，所以首先需要制備地面圖像的樣本集，步驟如下(1. 1)樣本圖像獲取步驟，獲取每個(gè)種類(lèi)下多幅地面圖像樣本，并記錄各地面圖像樣本的所屬類(lèi)別，求取每一幅樣本圖像I (X，y)的特征向量。圖1-圖4為4種常見(jiàn)的地面狀態(tài)圖像，求取樣本圖像特征向量的過(guò)程如下；(1. 2)獲取樣本圖像的顏色直方圖，獲取顏色直方圖的具體過(guò)程為(1.2.1)把圖像I(x，y)的顏色空間由RGB顏色空間轉(zhuǎn)換到HSV顏色空間，可用如
下所示的轉(zhuǎn)換公式實(shí)現(xiàn)轉(zhuǎn)換
權(quán)利要求
1.一種基于圖像的地面狀態(tài)種類(lèi)識(shí)別方法，包括如下步驟(1)制備地面圖像樣本集獲取多幅樣本圖像I (X，》，記錄各樣本圖像1(1 y)所屬的種類(lèi)，并求得各樣本圖像 I(x，y)的特征向量；(2)從成像設(shè)備獲取待識(shí)別的地面狀態(tài)圖像；(3)獲得所述待識(shí)別地面狀態(tài)圖像的特征向量；(4)相似性度量計(jì)算，即分別計(jì)算所述待識(shí)別地面狀態(tài)圖像的特征向量與每一張樣本圖像的特征向量的距離，其中，所述距離的計(jì)算公式為
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述圖像的特征向量的具體獲得過(guò)程為 (1. 1)獲取圖像的顏色直方圖；(1.2)獲取圖像的LBP直方圖；(1.3)把LBP直方圖和顏色直方圖組合成一個(gè)直方圖，該直方圖即為圖像的特征向量。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述圖像的顏色直方圖獲取過(guò)程為 (1. 1. 1)把圖像的顏色空間由RGB顏色空間轉(zhuǎn)換到HSV顏色空間；(1.1.2)提取HSV顏色空間下圖像的兩個(gè)顏色分量H(x，y)和V(x，y)； (1. 1.3)將每個(gè)顏色分量劃分成多個(gè)小區(qū)間，每個(gè)小區(qū)間成為直方圖的一個(gè)區(qū)間； (1. 1.4)顏色直方圖歸一化，即求得每個(gè)顏色區(qū)間中的像素個(gè)數(shù)占整幅圖像像素?cái)?shù)的比例；(1. 1.5)將歸一化的顏色直方圖按照所述兩個(gè)顏色分量的順序組合成一個(gè)顏色直方圖。
4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，所述獲取圖像的LBP直方圖具體過(guò)程為(1. 2. 1)對(duì)圖像進(jìn)行灰度化，得到灰度圖； (1. 2. 2)對(duì)所述灰度圖進(jìn)行中值濾波平滑去噪，得到結(jié)果圖像； (1. 2. 3)分別求取Z^f、算子下結(jié)果圖像的LBP直方圖，把三個(gè)直方圖組合成一個(gè)直方圖，該直方圖即為結(jié)果圖像最終的LBP直方圖。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，求取結(jié)果圖像在算子ZSi^2p下的LBP直方圖的具體過(guò)程為首先，對(duì)所述結(jié)果圖像逐像素求取其中所有像素的LBP值，得到結(jié)果圖像的ZSg2p算子的LBP特征圖LBP (X，y)，其中ZSg2p表示在半徑為R的圓形鄰域內(nèi)取P個(gè)像素點(diǎn)求取中心像素點(diǎn)的LBP值；其次，求取特征圖LBP(X，y)的直方圖；最后，LBP直方圖歸一化，即得到結(jié)果圖像在算子ZSg2p下的LBP直方圖。
6.根據(jù)權(quán)利要求1-5之一所述的方法，其特征在于，所述K取值范圍為[1，4]。
全文摘要
本發(fā)明公開(kāi)了一種基于圖像的地面狀態(tài)種類(lèi)識(shí)別方法，包括(1)制備地面圖像樣本集；(2)從成像設(shè)備獲取待識(shí)別的地面狀態(tài)圖像；(3)獲得所述待識(shí)別地面狀態(tài)圖像的特征向量；(4)分別計(jì)算所述待識(shí)別地面狀態(tài)圖像的特征向量與每一張樣本圖像的特征向量的距離；(5)地面狀態(tài)判決步驟，具體過(guò)程為(5.1)挑選出所述距離中最小的K個(gè)距離，并且記錄每個(gè)距離所對(duì)應(yīng)的樣本圖像的種類(lèi)，其中K為正整數(shù)；(5.2)分別統(tǒng)計(jì)所述K個(gè)距離中對(duì)應(yīng)的樣本圖像的地面狀態(tài)的種類(lèi)出現(xiàn)的次數(shù)，其中出現(xiàn)次數(shù)最多的種類(lèi)即確定為待識(shí)別地面狀態(tài)圖像的種類(lèi)。本發(fā)明能有效地識(shí)別出地面圖像的狀態(tài)，從而提高地面狀態(tài)觀測(cè)的自動(dòng)化程度與精度。
文檔編號(hào)G06K9/62GK102339388SQ201110175608
公開(kāi)日2012年2月1日 申請(qǐng)日期2011年6月27日 優(yōu)先權(quán)日2011年6月27日
發(fā)明者付強(qiáng), 張旋, 曹治國(guó), 朱磊, 李肖霞, 段西堯, 熊嶷, 肖陽(yáng), 馬舒慶 申請(qǐng)人:華中科技大學(xué)