高分辨率遙感影像航標自動提取方法
【專利摘要】本發(fā)明公開了一種高分辨率遙感影像航標自動提取方法，其包括以下步驟：步驟一，首先選取水域的像素作為訓練樣本，訓練單類支持向量機分類器；步驟二，利用訓練好的單類支持向量機分類器對遙感影像所有像素進行預測；步驟三，在水域的像素中搜索不是水域的其他目標；步驟四，計算所有檢測出的空洞的面積；步驟五，計算空洞所在窗口中外圍區(qū)域的灰度均值；步驟六，再對保留的目標進行相關編組；步驟七，然后基于在線學習原理對漏檢航標進行檢測；步驟八，基于已檢測航標的圖像多波段灰度特性進行搜索；步驟九，更新曲線擬合結果和航標模板。本發(fā)明不需要人機交互，全自動完成。
【專利說明】高分辨率遙感影像航標自動提取方法

【技術領域】
[0001]本發(fā)明涉及一種影像航標自動提取方法，特別是涉及一種高分辨率遙感影像航標自動提取方法。

【背景技術】
[0002]隨著遙感技術的進步，遙感影像分辨率的不斷提高，遙感在各行各業(yè)都將有著廣闊的應用前景。在海事和航運管理中，遙感與AIS (Automatic Identificat1n System,船舶自動識別系統(tǒng))、GIS (Geographic Informat1n System,地理信息系統(tǒng))的結合日益緊密，在航道水域需要生成高精度正射影像與AIS和GIS結合用于數(shù)據(jù)分析。但是現(xiàn)有技術需要人為驅檢測航標信息，且存在漏檢航標的情況。


【發(fā)明內(nèi)容】

[0003]本發(fā)明所要解決的技術問題是提供一種高分辨率遙感影像航標自動提取方法，其基于單類支持向量機和相關系數(shù)編組的方法可自動的檢測大部分航標信息，且可自動的完成漏檢航標檢測，整個過程不需要人際交互，全自動完成。
[0004]本發(fā)明是通過下述技術方案來解決上述技術問題的:一種高分辨率遙感影像航標自動提取方法，其特征在于，其包括以下步驟:
[0005]步驟一，對于遙感影像，首先選取水域的像素作為訓練樣本，訓練單類支持向量機分類器；
[0006]步驟二，利用訓練好的單類支持向量機分類器對遙感影像所有像素進行預測，保留所有預測結果為水域的像素；
[0007]步驟三，在水域的像素中搜索不是水域的其他目標，即遙感影像水域中的空洞作為航標檢測的候選目標；
[0008]步驟四，計算所有檢測出的空洞的面積，剔除面積較小以及面積較大的明顯非航標的目標；
[0009]步驟五，對于空洞的面積與航標接近的目標，計算空洞所在窗口中外圍區(qū)域的灰度均值，得到最大值與均值的差值、均值與最小值的差值，如果最大值與均值的差值、均值與最小值的差值都大于給定的經(jīng)驗閾值則將目標保留，否則將其排除；
[0010]步驟六，再對保留的目標進行相關編組；
[0011]步驟七，然后基于在線學習原理對漏檢航標進行檢測，即首先依據(jù)已經(jīng)檢測得到的航標的空間分布，利用三次多項式對漏檢航標的可能位置進行估計，再依據(jù)已檢測到的航標的先驗知識在估計位置進行精確檢測；
[0012]步驟八，對可能存在漏檢的區(qū)域，基于已檢測航標的圖像多波段灰度特性進行搜索；為了進行搜索，對已檢測航標進行按像素取均值，構建檢測模板；在估計的疑似漏檢位置進行匹配搜索，若有窗口在每個波段都具有滿足閾值的相關系數(shù)，則將該窗口作為航標加以保留；
[0013]步驟九，將檢測到的漏檢航標加入到已知航標中，更新曲線擬合結果和航標模板，進行迭代檢測直至沒有新的疑似漏檢位置出現(xiàn)。
[0014]優(yōu)選地，所述單類支持向量機分類器為兩類分類器，可對像素作出預測，預測結果包括水域和其他。
[0015]優(yōu)選地，所述步驟六具體包括以下步驟:
[0016]步驟六A，遍歷候選目標，剔除與其他目標都不具有相關性目標，得到疑似航標序列；
[0017]步驟六B，遍歷疑似航標，對未遍歷的航標建立新的相關組，標記該疑似航標已遍歷，查找其所有相似的疑似航標，并添加到新組中；
[0018]步驟六C，遍歷新組中疑似航標，標記此疑似航標已遍歷，將新組中未出現(xiàn)的與疑似航相似的疑似航標添加到新組中；
[0019]步驟六D，新組中所有疑似航標的相似航標均已在新組內(nèi)，輸出相關組；否則重復步驟六C ；
[0020]步驟六E，所有航標均已被遍歷，輸出所有相關組；否則重復步驟六B、步驟六C、步驟六D ；
[0021 ] 步驟六F，將最大相關組作為航標組。
[0022]本發(fā)明的積極進步效果在于:本發(fā)明基于單類支持向量機和相關系數(shù)編組的方法可自動的檢測大部分航標信息。另外，本發(fā)明基于曲線擬合的漏檢航標提取方法可自動的完成漏檢航標檢測，整個過程不需要人際交互，全自動完成。

【專利附圖】

【附圖說明】
[0023]圖1為本發(fā)明高分辨率遙感影像航標自動提取方法的流程圖。

【具體實施方式】
[0024]下面結合附圖給出本發(fā)明較佳實施例，以詳細說明本發(fā)明的技術方案。
[0025]航標一般帶有實時GPS (Global Posit1ning System,全球定位系統(tǒng))信息,精確提取后得到影像坐標，結合GPS信息，可作為控制點用于水體區(qū)域的正射影像圖生成。此夕卜，遙感影像覆蓋范圍廣，信息量大，可作為GPS設備的輔助手段用來對大范圍航道區(qū)域內(nèi)的航標狀態(tài)進行監(jiān)測。由于遙感衛(wèi)星對地面點數(shù)日或數(shù)十日即可完成回訪，因此同一區(qū)域擁有大量不同時段的遙感影像，通過不同時段遙感影像的航標提取，可以得到航標的位置變化以及由航標推算出的航道的變更情況，為航標航道的數(shù)字化提供數(shù)據(jù)支持。
[0026]如圖1所示，本發(fā)明高分辨率遙感影像航標自動提取方法包括以下步驟:
[0027]步驟一，對于遙感影像，首先選取水域的像素作為訓練樣本，訓練單類支持向量機分類器。單類支持向量機分類器為兩類分類器，可對像素作出預測，預測結果包括水域和其他。
[0028]步驟二，利用訓練好的單類支持向量機分類器對遙感影像所有像素進行預測，保留所有預測結果為水域的像素。
[0029]步驟三，在水域的像素中搜索不是水域的其他目標，即遙感影像水域中的空洞作為航標檢測的候選目標。
[0030]步驟四，計算所有檢測出的空洞的面積，剔除面積較小以及面積較大的明顯非航標的目標。
[0031]步驟五，對于空洞的面積與航標接近的目標，計算空洞所在窗口中外圍區(qū)域的灰度均值，得到最大值與均值的差值Dl和均值與最小值的差值D2，如果Dl和D2都大于給定的經(jīng)驗閾值則將目標保留，否則將其排除。
[0032]步驟六，再按照如下流程對保留的目標進行相關編組:
[0033]步驟六A，遍歷候選目標，剔除與其他目標都不具有相關性目標，得到疑似航標序列；
[0034]步驟六B，遍歷疑似航標，對未遍歷的航標建立新的相關組，標記該疑似航標已遍歷，查找其所有相似的疑似航標，并添加到新組中；
[0035]步驟六C，遍歷新組中疑似航標，標記此疑似航標已遍歷，將新組中未出現(xiàn)的與疑似航相似的疑似航標添加到新組中；
[0036]步驟六D，新組中所有疑似航標的相似航標均已在新組內(nèi)，輸出相關組。否則重復步驟六C ；
[0037]步驟六E，所有航標均已被遍歷，輸出所有相關組。否則重復步驟六B、步驟六C、步驟六D ；
[0038]步驟六F，將最大相關組作為航標組。
[0039]步驟七，然后基于在線學習原理對漏檢航標進行檢測，即首先依據(jù)已經(jīng)檢測得到的航標的空間分布，利用三次多項式對漏檢航標的可能位置進行估計，再依據(jù)已檢測到的航標的先驗知識在估計位置進行精確檢測。
[0040]步驟八，對可能存在漏檢的區(qū)域，基于已檢測航標的圖像多波段灰度特性進行搜索。為了進行搜索，對已檢測航標進行按像素取均值，構建檢測模板。在估計的疑似漏檢位置進行匹配搜索，若有窗口在每個波段都具有滿足閾值的相關系數(shù)，則將該窗口作為航標加以保留。
[0041 ] 步驟九，將檢測到的漏檢航標加入到已知航標中，更新曲線擬合結果和航標模板，進行迭代檢測直至沒有新的疑似漏檢位置出現(xiàn)。
[0042]本發(fā)明基于單類支持向量機和相關系數(shù)編組的方法可自動的檢測大部分航標信息。另外，本發(fā)明基于曲線擬合的漏檢航標提取方法可自動的完成漏檢航標檢測，整個過程不需要人際交互，全自動完成。
[0043]本領域的技術人員可以對本發(fā)明進行各種改型和改變。因此，本發(fā)明覆蓋了落入所附的權利要求書及其等同物的范圍內(nèi)的各種改型和改變。
【權利要求】
1.一種高分辨率遙感影像航標自動提取方法，其特征在于，其包括以下步驟: 步驟一，對于遙感影像，首先選取水域的像素作為訓練樣本，訓練單類支持向量機分類器； 步驟二，利用訓練好的單類支持向量機分類器對遙感影像所有像素進行預測，保留所有預測結果為水域的像素； 步驟三，在水域的像素中搜索不是水域的其他目標，即遙感影像水域中的空洞作為航標檢測的候選目標； 步驟四，計算所有檢測出的空洞的面積，剔除面積較小以及面積較大的明顯非航標的目標； 步驟五，對于空洞的面積與航標接近的目標，計算空洞所在窗口中外圍區(qū)域的灰度均值，得到最大值與均值的差值、均值與最小值的差值，如最大值與均值的差值、均值與最小值的差值都大于給定的經(jīng)驗閾值則將目標保留，否則將其排除； 步驟六，再對保留的目標進行相關編組: 步驟七，然后基于在線學習原理對漏檢航標進行檢測，即首先依據(jù)已經(jīng)檢測得到的航標的空間分布，利用三次多項式對漏檢航標的可能位置進行估計，再依據(jù)已檢測到的航標的先驗知識在估計位置進行精確檢測； 步驟八，對可能存在漏檢的區(qū)域，基于已檢測航標的圖像多波段灰度特性進行搜索；為了進行搜索，對已檢測航標進行按像素取均值，構建檢測模板；在估計的疑似漏檢位置進行匹配搜索，若有窗口在每個波段都具有滿足閾值的相關系數(shù)，則將該窗口作為航標加以保留; 步驟九，將檢測到的漏檢航標加入到已知航標中，更新曲線擬合結果和航標模板，進行迭代檢測直至沒有新的疑似漏檢位置出現(xiàn)。
2.如權利要求1所述的高分辨率遙感影像航標自動提取方法，其特征在于，所述單類支持向量機分類器為兩類分類器，可對像素作出預測，預測結果包括水域和其他。
3.如權利要求1所述的高分辨率遙感影像航標自動提取方法，其特征在于，所述步驟六具體包括以下步驟: 步驟六A，遍歷候選目標，剔除與其他目標都不具有相關性目標，得到疑似航標序列；步驟六B，遍歷疑似航標，對未遍歷的航標建立新的相關組，標記該疑似航標已遍歷，查找其所有相似的疑似航標，并添加到新組中； 步驟六C，遍歷新組中疑似航標，標記此疑似航標已遍歷，將新組中未出現(xiàn)的與疑似航相似的疑似航標添加到新組中； 步驟六D，新組中所有疑似航標的相似航標均已在新組內(nèi)，輸出相關組；否則重復步驟六C ； 步驟六E，所有航標均已被遍歷，輸出所有相關組；否則重復步驟六B、步驟六C、步驟六D ； 步驟六F，將最大相關組作為航標組。
【文檔編號】G06K9/62GK104077592SQ201310101493
【公開日】2014年10月1日 申請日期:2013年3月27日 優(yōu)先權日:2013年3月27日
【發(fā)明者】劉偉杰, 周良, 張紹明, 張慧哲, 彭慶艷 申請人:上海市城市建設設計研究總院