專利名稱：一種基于整數(shù)小波與視覺特征的遙感圖像感興趣區(qū)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感圖像目標(biāo)識(shí)別技術(shù)領(lǐng)域，是一種基于整數(shù)小波與視覺特征的遙感圖像感興趣區(qū)檢測(cè)方法。
背景技術(shù)：
高空間分辨率遙感圖像包含巨大的數(shù)據(jù)量，清晰的地物細(xì)節(jié)信息以及豐富的紋理信息，在很大程度上緩解了低分辨率遙感圖像混合像元分解的難題，因此，高空間分辨率遙感圖像已經(jīng)被越來越廣泛地運(yùn)用于軍事及民用的各種領(lǐng)域。然而，傳統(tǒng)的遙感圖像分析方法面對(duì)遙感數(shù)據(jù)量的迅速增加，已經(jīng)無法滿足快速處理的要求，因此，發(fā)展針對(duì)高空間分辨率遙感圖像的信息處理技術(shù)具有非常重要的意義。目標(biāo)檢測(cè)是遙感圖像重要的應(yīng)用領(lǐng)域之一。傳統(tǒng)的遙感圖像目標(biāo)檢測(cè)算法主要運(yùn)用分類技術(shù)，并且會(huì)涉及對(duì)圖像的全局分割，分類方法需要建立復(fù)雜的先驗(yàn)知識(shí)庫，而全局分割和搜索又帶來了搜索精度下降、計(jì)算復(fù)雜度大幅上升等一系列問題，這些問題在涉及高空間分辨率遙感圖像時(shí)會(huì)顯得尤為突出。由于有價(jià)值的目標(biāo)一般來說都與背景區(qū)域有著明顯的差異，而且通常只占整幅圖像中很小的一部分，因此在處理遙感圖像中對(duì)所有像素不加分辨統(tǒng)一處理是不明智的，如果能夠首先找到可能含有有價(jià)值目標(biāo)的感興趣區(qū)，則能夠大大減少后續(xù)的分類和識(shí)別的數(shù)據(jù)處理量，使得對(duì)圖像的利用更加高效。人類視覺系統(tǒng)具有一種特殊的信息處理方式，即為了應(yīng)對(duì)遠(yuǎn)遠(yuǎn)超過人的處理能力的視覺信息，視覺系統(tǒng)利用視覺注意機(jī)制選擇一小部分信息進(jìn)行重點(diǎn)分析，而對(duì)余下部分僅作有限的處理，這一特性對(duì)于感興趣區(qū)的快速檢測(cè)來說具有很強(qiáng)的借鑒意義。近年來，視覺注意機(jī)制的計(jì)算方法層出不窮，其中包括具有重要意義的Itti等人在文章“A model ofsaliency- based visual attention for rapid scene analysis，，中提出的方法，它以特征整合理論為基礎(chǔ)，具有嚴(yán)謹(jǐn)?shù)纳飳W(xué)基礎(chǔ)，它的基本架構(gòu)已經(jīng)成為視覺注意方法的標(biāo)準(zhǔn)，也是眾多現(xiàn)有視覺注意方法的基礎(chǔ)。除此之外，也有學(xué)者從其他角度構(gòu)建視覺注意方法，其中包括Harel等人在文章“Graph-based visual saliency”中提出的基于圖論的方法(GBVS), Achanta 等人在文章“Frequency-tuned salient region detection，，中提出的基于圖像對(duì)比度的方法(FT)。小波變換是一種非常有效的數(shù)據(jù)分析工具，它能夠體現(xiàn)信號(hào)在任意尺度上的細(xì)節(jié)，在圖像處理等領(lǐng)域具有廣泛的應(yīng)用，由于小波的多尺度特性，以及方向紋理描繪能力，也有學(xué)者將小波變換引入到視覺方法建模之中，其中Nevrez等人在文章“A SaliencyDetection Model Using Low-Level Features Based on Wavelet Transform，，中提出了一種基于圖像低級(jí)特征和小波變換的視覺注意方法(WT)，實(shí)現(xiàn)了小波變換與經(jīng)典理論的有效
彡口口 對(duì)于遙感圖像來說，ITTI和GBVS方法產(chǎn)生的顯著圖分辨率過低，以至于無法實(shí)現(xiàn)對(duì)于感興趣區(qū)的精確描述，會(huì)漏檢許多重要的區(qū)域。FT和WT方法都產(chǎn)生了與原圖大小相同的顯著圖，因此圖中也包含了更多的細(xì)節(jié)和清晰的邊緣。但是FT方法的顯著圖中有許多碎片化的區(qū)域，這些區(qū)域?qū)?yīng)于原始圖像中的背景信息。WT方法存在著相似的問題，而且顯著圖的對(duì)比度偏低，這會(huì)對(duì)閾值分割帶來困難。

發(fā)明內(nèi)容
為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于整數(shù)小波與視覺特征的遙感圖像感興趣區(qū)檢測(cè)方法。本發(fā)明方法主要關(guān)注以下幾個(gè)方面:I)將圖像轉(zhuǎn)換到符合人眼對(duì)于亮度和顏色視覺特征的感知色彩空間，從而提升遙感圖像感興趣區(qū)檢測(cè)精度；2)通過使用小波變換降低遙感圖像感興趣區(qū)檢測(cè)中提取方向特征的計(jì)算復(fù)雜度；3)構(gòu)建了模擬人眼視網(wǎng)膜感受野的高斯差分空間濾波器，用來計(jì)算顯著圖，從而得到更為準(zhǔn)確的感興趣區(qū)信息；4)為了衡量不同特征對(duì)主顯著圖的貢獻(xiàn)，提出合適的特征競(jìng)爭(zhēng)策略。本發(fā)明所采用的技術(shù)方案具體包括以下幾個(gè)步驟:步驟一:對(duì)遙感圖像進(jìn)行預(yù)處理，即首先在多光譜遙感圖像中選擇3個(gè)波段分別作為RGB色彩空間中的紅色(R)、綠色(G)與藍(lán)色(B)分量，組合這些波段，生成接近地物信息實(shí)際顏色的RGB空間彩色遙感圖像，然后對(duì)該遙感圖像進(jìn)行低通濾波去除噪聲。具體過程為:I)對(duì)多光譜遙感圖像中的多個(gè)波段進(jìn)行選擇，選擇3個(gè)波段的數(shù)據(jù)分別作為RGB色彩空間中的紅色(R)、綠色(G)與藍(lán)色(B)分量，組合這些波段，生成RGB色彩空間中的彩色遙感圖像，在選擇波段及其組合`時(shí)，要選取目視效果較好，接近于地物信息實(shí)際顏色的波段組合；2)在得到彩色遙感圖像后，對(duì)圖像進(jìn)行高斯低通濾波，消除噪聲的影響，將經(jīng)過濾波之后的遙感圖像將作為后續(xù)處理的輸入數(shù)據(jù)。步驟二:將RGB空間的遙感圖像變換到更接近人眼視覺信息感知效果的CIE Lab色彩空間，得到圖像的亮度和顏色特征圖，利用內(nèi)插雙線性整數(shù)小波對(duì)L分量進(jìn)行變換，將多尺度、不同方向上的細(xì)節(jié)子帶小波系數(shù)作為遙感圖像的方向特征圖。具體過程為:I)圖像的亮度和顏色特征圖通過將輸入圖像轉(zhuǎn)換到CIE Lab色彩空間來提取，CIELab顏色空間的三個(gè)通道分別代表亮度L (L = O代表黑色，L = 100代表白色)，顏色在紅/綠之間的位置a(a為負(fù)值代表綠色，a為正值代表紅色)，顏色在藍(lán)/黃之間的位置b(b為負(fù)值代表藍(lán)色，b為正值代表黃色)；2)圖像的方向特征圖通過內(nèi)插雙線性整數(shù)小波變換來提取，將亮度特征L進(jìn)行η級(jí)小波分解，將整數(shù)小波變換后得到的近似分量舍去，僅保留3Χη個(gè)細(xì)節(jié)子帶作為方向特征圖，這些特征圖分別構(gòu)成水平、垂直與對(duì)角線方向3個(gè)細(xì)節(jié)子帶小波系數(shù)金字塔。步驟三:利用高斯金字塔、高斯差分濾波器和跨尺度合并得到圖像的亮度和顏色特征顯著圖，即首先分別生成亮度特征與顏色特征的高斯金字塔，然后使用高斯差分濾波器對(duì)金字塔的每一層級(jí)做空域?yàn)V波，最后分別對(duì)亮度與顏色特征金字塔進(jìn)行跨尺度合并，得到亮度特征顯著圖和顏色特征顯著圖，利用小波系數(shù)篩選和跨尺度合并得到圖像的方向特征顯著圖，即首先篩除各細(xì)節(jié)子帶中代表細(xì)小且無價(jià)值區(qū)域的小波系數(shù)，然后利用高斯模板對(duì)各細(xì)節(jié)子帶進(jìn)行低通濾波，最后通過跨尺度合并得到方向特征顯著圖。具體過程為:I)對(duì)于亮度和顏色特征圖，為了得到多尺度融合后的特征顯著圖，首先分別生成它們各自的高斯金字塔，然后使用高斯差分濾波器對(duì)金字塔的每一層做空域?yàn)V波，最后通過跨尺度合并策略得到亮度特征顯著圖和顏色特征顯著圖；2)對(duì)于方向特征圖，由于小波變換后不同尺度下的細(xì)節(jié)子帶系數(shù)已經(jīng)呈現(xiàn)出圖像不同方向上的邊緣顯著信息，因此可以通過對(duì)細(xì)節(jié)子帶小波系數(shù)的篩選以及各細(xì)節(jié)子帶的跨尺度合并生成方向特征顯著圖，針對(duì)水平方向細(xì)節(jié)子帶小波系數(shù)金字塔％ (其中爐=1，2,...，《為金字塔的階數(shù)，η為之前所述的η級(jí)小波分解)，可以通過如下步驟對(duì)每一層小波系數(shù)進(jìn)行處理:①找到圖像Hp的極大值Μ，②篩除各細(xì)節(jié)子帶中代表細(xì)小且無價(jià)值區(qū)域的小波系數(shù)，這里采用將圖像中所有小于Μ/10的系數(shù)置零:
權(quán)利要求
1.一種基于整數(shù)小波與視覺特征的遙感圖像感興趣區(qū)檢測(cè)方法，在該方法中，首先對(duì)輸入圖像進(jìn)行色彩合成與濾波去噪預(yù)處理，然后將預(yù)處理后的RGB空間遙感圖像轉(zhuǎn)化到CIE Lab色彩空間，得到亮度和顏色特征圖，利用整數(shù)小波對(duì)L分量進(jìn)行變換后，將多尺度、不同方向上的細(xì)節(jié)子帶小波系數(shù)作為方向特征圖，在顯著圖計(jì)算階段，構(gòu)建與人眼視網(wǎng)膜感受野相似的高斯差分濾波器，結(jié)合高斯金字塔與跨尺度合并，分別得到亮度與顏色特征顯著圖，通過對(duì)細(xì)節(jié)子帶小波系數(shù)的篩選以及各細(xì)節(jié)子帶的跨尺度合并生成方向特征顯著圖，利用一種新的圖像特征競(jìng)爭(zhēng)策略合成主顯著圖，最后采用閾值分割從主顯著圖上得到感興趣區(qū)，本發(fā)明的特征在于，具體包括以下步驟: 步驟一:對(duì)遙感圖像進(jìn)行預(yù)處理，即首先在多光譜遙感圖像中選擇3個(gè)波段分別作為RGB色彩空間中的紅色(R)、綠色(G)與藍(lán)色(B)分量，組合這些波段，生成接近地物信息實(shí)際顏色的RGB空間彩色遙感圖像，然后對(duì) 該遙感圖像進(jìn)行低通濾波去除噪聲； 步驟二:將RGB空間的遙感圖像變換到更接近人眼視覺信息感知效果的CIE Lab色彩空間，得到圖像的亮度和顏色特征圖，利用內(nèi)插雙線性整數(shù)小波對(duì)L分量進(jìn)行變換，將多尺度、不同方向上的細(xì)節(jié)子帶小波系數(shù)作為遙感圖像的方向特征圖； 步驟三:利用高斯金字塔、高斯差分濾波器和跨尺度合并得到圖像的亮度和顏色特征顯著圖，即首先分別生成亮度特征與顏色特征的高斯金字塔，然后使用高斯差分濾波器對(duì)金字塔的每一層級(jí)做空域?yàn)V波，最后分別對(duì)亮度與顏色特征金字塔進(jìn)行跨尺度合并，得到亮度特征顯著圖和顏色特征顯著圖，利用小波系數(shù)篩選和跨尺度合并得到圖像的方向特征顯著圖，即首先篩除各細(xì)節(jié)子帶中代表細(xì)小且無價(jià)值區(qū)域的小波系數(shù)，然后利用高斯模板對(duì)各細(xì)節(jié)子帶進(jìn)行低通濾波，最后通過跨尺度合并得到方向特征顯著圖； 步驟四:將特征競(jìng)爭(zhēng)策略引入亮度、顏色與方向特征顯著圖融合過程，從而獲得主顯著圖，即首先將所有的特征顯著圖標(biāo)準(zhǔn)化到區(qū)間
，然后使用最大類間方差法(Ostu方法)計(jì)算各特征顯著圖的最優(yōu)灰度閾值Ti (i = I，2，3)，將各特征顯著圖中灰度值大于該閾值的點(diǎn)定義為“顯著點(diǎn)”，接著計(jì)算各特征顯著圖的顯著點(diǎn)灰度均值巧和各特征顯著圖的全圖灰度均值瓦，各特征顯著圖的權(quán)重即為w, = [M1 -碑]2，最后通過計(jì)算S = wT J+ wc-C+ W5-O得到主顯著圖S(其中7為亮度特征顯著圖，己為顏色特征顯著圖，5為方向特征顯著圖)； 步驟五:通過最大類間方差法得到主顯著圖的分割閾值，利用該閾值將主顯著圖分割為一幅二值圖像模板，用“I”代表感興趣區(qū)(Region of Interest，ROI)，用“O”代表非感興趣區(qū)，最后將二值圖像模板與原始圖像相乘得到最終的感興趣區(qū)檢測(cè)結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于整數(shù)小波與視覺特征的遙感圖像感興趣區(qū)檢測(cè)方法，其特征在于，所述步驟一的具體過程為: 1)對(duì)多光譜遙感圖像中的多個(gè)波段進(jìn)行選擇，選擇3個(gè)波段的數(shù)據(jù)分別作為RGB色彩空間中的紅色(R)、綠色(G)與藍(lán)色(B)分量，組合這些波段，生成RGB色彩空間中的彩色遙感圖像，在選擇波段及其組合時(shí)，要選取目視效果較好，接近于地物信息實(shí)際顏色的波段組合； 2)在得到彩色遙感圖像后，對(duì)圖像進(jìn)行高斯低通濾波，消除噪聲的影響，將經(jīng)過濾波之后的遙感圖像將作為后續(xù)處理的輸入數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種基于整數(shù)小波與視覺特征的遙感圖像感興趣區(qū)檢測(cè)方法，其特征在于，所述步驟二的具體過程為:1)圖像的亮度和顏色特征圖通過將輸入圖像轉(zhuǎn)換到CIELab色彩空間來提取，CIE Lab顏色空間的三個(gè)通道分別代表亮度L (L = O代表黑色，L = 100代表白色)，顏色在紅/綠之間的位置a(a為負(fù)值代表綠色，a為正值代表紅色)，顏色在藍(lán)/黃之間的位置b(b為負(fù)值代表藍(lán)色，b為正值代表黃色)； 2)圖像的方向特征圖通過內(nèi)插雙線性整數(shù)小波變換來提取，將亮度特征L進(jìn)行η級(jí)小波分解，將整數(shù)小波變換后得到的近似分量舍去，僅保留3Χη個(gè)細(xì)節(jié)子帶作為方向特征圖，這些特征圖分別構(gòu)成水平、垂直與對(duì)角線方向3個(gè)細(xì)節(jié)子帶小波系數(shù)金字塔。
4.根據(jù)權(quán)利要求1所述的一種基于整數(shù)小波與視覺特征的遙感圖像感興趣區(qū)檢測(cè)方法，其特征在于，所述步驟三的具體過程為: 1)對(duì)于亮度和顏色特征圖，為了得到多尺度融合后的特征顯著圖，首先分別生成它們各自的高斯金字塔，然后使用高斯差分濾波器對(duì)金字塔的每一層做空域?yàn)V波，最后通過跨尺度合并策略得到亮度特征顯著圖和顏色特征顯著圖； 2)對(duì)于方向特征圖，由于小波變換后不同尺度下的細(xì)節(jié)子帶系數(shù)已經(jīng)呈現(xiàn)出圖像不同方向上的邊緣顯著信息，因此可以通過對(duì)細(xì)節(jié)子帶小波系數(shù)的篩選以及各細(xì)節(jié)子帶的跨尺度合并生成方向特征顯著圖，針對(duì)水平方向細(xì)節(jié)子帶小波系數(shù)金字塔(其中^=1，2,..., 為金字塔的階數(shù)，η為之前所述的η級(jí)小波分解)，可以通過如下步驟對(duì)每一層小波系數(shù)進(jìn)行處理: ①找到圖像耳的極大值Μ， ②篩除各細(xì)節(jié)子帶中代表細(xì)小且無價(jià)值區(qū)域的小波系數(shù)，這里采用將圖像中所有小于Μ/10的系數(shù)置零: _J0`if H“x,y)<M/10Ηφ(Χ,)；)=[Ι φ(χ,γ) if Hp(W)S M/10 ③將H,標(biāo)準(zhǔn)化到區(qū)間
，記為瓦， ④使用3X3的空域高斯低通濾波器模板G對(duì);^進(jìn)行低通濾波:~ * G 上述步驟處理后的水平方向細(xì)節(jié)子帶小波系數(shù)記為Sp ,對(duì)于垂直方向與對(duì)角線方向細(xì)節(jié)子帶小波系數(shù)也進(jìn)行同樣的處理，得到匕和分別代表上述步驟處理后的垂直方向與對(duì)角線方向細(xì)節(jié)子帶小波系數(shù)，最終的方向特征顯著圖 由下式計(jì)算的到: O =④(H9) + + D爐)φ=\ 即通過跨尺度合并策略得到方向特征顯著圖。
全文摘要
本發(fā)明公開了一種基于整數(shù)小波與視覺特征的遙感圖像感興趣區(qū)檢測(cè)方法，屬于遙感圖像目標(biāo)識(shí)別技術(shù)領(lǐng)域。實(shí)施過程包括1、對(duì)遙感圖像進(jìn)行色彩合成與濾波去噪預(yù)處理；2、將預(yù)處理后的RGB空間遙感圖像轉(zhuǎn)化到CIE Lab色彩空間，得到亮度和顏色特征圖，利用整數(shù)小波對(duì)L分量變換得到方向特征圖；3、構(gòu)建模擬人眼視網(wǎng)膜感受野的高斯差分濾波器，結(jié)合高斯金字塔進(jìn)行跨尺度合并得到亮度和顏色特征顯著圖，利用小波系數(shù)篩選和跨尺度合并得到方向特征顯著圖；4、用特征競(jìng)爭(zhēng)策略合成主顯著圖；5、對(duì)主顯著圖閾值分割得到感興趣區(qū)。本發(fā)明提高了遙感圖像感興趣區(qū)的檢測(cè)精度，降低了計(jì)算復(fù)雜度，可用于環(huán)境監(jiān)測(cè)、城鎮(zhèn)規(guī)劃與林業(yè)調(diào)查等領(lǐng)域。
文檔編號(hào)G06T7/40GK103247059SQ20131020026
公開日2013年8月14日 申請(qǐng)日期2013年5月27日 優(yōu)先權(quán)日2013年5月27日
發(fā)明者張立保, 李 浩, 楊凱娜, 丘兵昌 申請(qǐng)人:北京師范大學(xué)