[发明专利]基于多源遥感图像融合的大中型目标识别方法

说明书

技术领域

本发明涉及一种遥感图像目标自动识别方法，尤其涉及一种基于多源遥感图像特征提取技术实现大中型目标自动识别的方法，属于数字图像处理技术领域。

背景技术

遥感技术的应用领域涵盖了环境监测、资源调查、土地规划、灾害防治、地图测绘、气象预报等多个方面，为国民经济发展做出了重大的贡献。其中机场、港口、桥梁、油库、船舶、飞机等大中型地面目标的识别是遥感技术应用的研究热点之一。随着航空/航天遥感技术的快速发展，各种机载、星载传感器获取的可见光、雷达、多光谱等类型的图像为目标识别提供了丰富的信息源，也使信息的利用变得复杂。对同一目标不同传感器获得的信息间存在互补性，能更为完整地反映目标的特性，有利于提高识别率，排除虚警。

多源图像融合从信息表征层次上讲，可以分为像素级、特征级和决策级三个层次，基于多源图像融合的目标识别属于特征级融合方法，该类方法将提取的特征信息进行综合分析与处理。在当前的目标自动识别方法中，最具代表性的有基于统计的、基于知识的以及基于模型的目标自动识别方法。基于统计的目标自动识别方法是在对大量样本进行训练的基础上，获得目标特性的统计分析，采用空间距离度量的特征匹配来识别目标。该方法在目标背景复杂度低的情况下比较有效，但难以解决目标结构变化等问题。基于知识的目标自动识别方法主要是将专家系统应用到自动目标识别中，一定程度上克服了经典统计模式识别法的局限性，但难以在场景中有效地发现和组织知识。基于模型的目标自动识别方法，在对目标模型化的基础上，抽取一定的目标特征，结合一些辅助知识来标记目标的模型参数，识别过程是模型与目标特征的匹配过程。基于模型的方法难以适应于复杂目标的多变结构。

遥感图像具有覆盖范围广的特点，全图提取目标特征计算量大，干扰多，目标潜在区域的定位有助于缩小目标特征提取与分析的范围。而现有的方法中对于目标潜在区域不够重视。现有的目标特征提取过程中，尤其是基于统计的方法，是尽可能多的提取目标特征来分析。而实际目标识别过程中对于某特定目标来说，其不同特征的有效性不同，选择有效的特征，有利于降低目标特征提取与分析的复杂度。尽管目标的结构形式多变，但一般而言，目标的构成(子目标)相对稳定，部分子目标间的空间关系也是一定的。现有的识别方法未能发挥目标的构成和子目标间的空间关系在识别中的作用。结合目标特征在多源遥感图像中的互补性，本发明从目标潜在区域的有效提取、目标特征的有效提取与分析、目标的有效验证等方面提出一种基于多源遥感图像融合的大中型目标识别方法。

发明内容

本发明所要解决的技术问题在于提供一种基于多源遥感图像(全色、多光谱、SAR)特征融合的大中型目标识别方法。该方法综合利用多源遥感图像的特征提取技术与融合方法，实现从区域分割、特征提取与分析、目标识别验证等一系列图像处理步骤，完成了对机场、港口、桥梁、油库、船舶、飞机等大中型目标的自动识别。

为实现上述目的，本发明采用下述技术方案：

基于多源遥感图像融合的大中型目标识别方法，其特点在于包括如下步骤：

(1)特征层次化及关系分析：结合人类认知，将目标特征进行层次化划分，建立高层特征对中低层特征的选择准则；

(2)区域分割与目标潜在区域提取：利用多光谱与SAR遥感图像进行区域分割，结合目标和目标环境所在的区域，确定图像分割区域(地物分类类型)，并依据各类地物的光谱和电磁散射特性对多光谱和SAR图像分别进行区域分割；结合目标地理分布知识，在多光谱和SAR图像的分割区域中分析出哪些区域可能存在待识别目标，得到目标的潜在区域。

(3)目标区域提取与子目标区域划分：根据目标潜在区域位置，在全色图像中利用空间布局和轮廓等特征进一步圈定目标区域；利用概念特征中子目标的空间关系，将目标分解为相互独立的子目标区域；

(4)子目标识别与目标验证：利用属性特征、拓扑结构特征对中低层特征的选择准则，在全色、多光谱和SAR图像中分别提取子目标的局部特征，并对特征进行分析，从而判断其是否是子目标；根据识别出的子目标，以及子目标间的空间关系、目标构成知识等，对目标进行验证。