[发明专利]一种基于上下文约束的目标识别方法

权利要求书

1.一种基于上下文约束的目标识别方法，其特征在于，包括以下步骤：

（1）接收遥感目标图像，利用RGB将其转化为灰度图像，并利用mean-shift方法对灰度图像进行区域分割，以生成初始分割图像：

（2）采用区域生长法对初始分割图像进行标记，使得输出结果中所有的点都是由1～N中的某个值进行标记，该值表示该点所在连通域的序号，同一个连通域内使用相同的标记值，不同连通域使用不同的标记值，其中N表示输出连通域的个数；

（3）根据步骤（2）的标记结果采用改进LBP算法对灰度图像进行场景分类；

（4）根据步骤（3）获得的场景类别标记图，采用基于场景上下文约束的方法计算感兴趣区域。

（5）根据步骤（4）中的感兴趣区域结果，计算每个感兴趣区域框内的特征向量。

（6）将上述步骤（5）中得到的特征向量输入到预先训练好的分类模型中，输出分类结果，识别目标。

2.根据权利要求1所述的目标识别方法，其特征在于，步骤（1）具体包括以下子步骤：

（1-1）对灰度图像进行mean-shift滤波，并存储滤波后灰度图像的所有n个像素点(z₁,z₂,...z_n)在d维空间的收敛点(y_1，c,z_2，c，...z_n,c)，其中d为正整数；

（1-2）选取像素点集合(z₁,z₂,...z_n)中在空间域中小于阈值h_s且在频域中小于阈值h_r的m个像素点，生成一个联合域集合(C₁,C₂,...C_m)，其中h_s为正整数，表示在图像平滑时采用的空间域带宽大小，h_r为正的浮点数类型，表示图像平滑时采用的值域带宽；

（1-3）为n个像素点分别分配标记值(L₁,L₂,...L_n)，对于n个像素点中的第i个像素点，须满足当L_i等于（1,2…m）中的一个元素p时，有z_i∈C_p；

（1-4）去除空间域上图像区域大小小于M的图像区域，并将其合并至相邻区域中，以形成N个连通域，N个连通域形成初始分割图像I_Seg；其中M值表示初始分割图像中每个区域的最小像素个数，且N≤m；

（1-5）输出初始分割图像I_Seg及连通域个数N。

3.根据权利要求1所述的目标识别方法，其特征在于，步骤（2）具体包括以下子步骤：

（2-1）为初始分割图像I_Seg建立二维标记矩阵M_h×w，大小为h×w，初始化二维标记矩阵M_h×w中的每个元素为0，并初始化二维标记矩阵中的连通域标记号k＝0，其中h表示初始分割图像I_Seg的高度，w表示初始分割图像I_Seg的宽度，且0＜k≤N；

（2-2）对二维标记矩阵M_h×w进行逐行逐列扫描，以判断是否查找到一个零元素，其在矩阵M中的行列号分别为i和j，若查找到则表示在初始分割图像I_Seg中存在有未标记的像素点，并进入步骤（2-3），否则继续扫描，当扫描到最后一个元素时，进入步骤（2-6）；

（2-3）设置k=k+1，并设置M(i,j)＝k；

（2-4）在二维标记矩阵M_h×w中以（i，j）为中心点进行8邻域搜索，以判断是否查找到一个零元素，其在矩阵M中的行列号分别为x和y，如果有则进入步骤（2-5），否则继续搜索，若搜索结束，则返回步骤（2-2）；

（2-5）在初始分割图像I_Seg中判断坐标为（x，y）的像素点的值是否和坐标为（i，j）的像素点的值相等，如果相等，则设置M(x,y)＝k，返回步骤（2-4）；

（2-6）最终生成一个由1～N中的值标记的二维矩阵M，M中每个元素（i,j）的值p表示在原灰度图像中像素点（i,j）属于第p个连通域Region_p，其中1≤p≤N。