[发明专利]一种基于上下文约束的目标识别方法

说明书

技术领域

本发明属于遥感图像处理领域，更具体地，涉及一种基于上下文约束的目标识别方法。

背景技术

遥感图像的目标检测及识别以其重要的军事和民用价值，在近几年来得到了飞速发展。然而由于卫星遥感图像数据量大，利用人工逐一分析并提取感兴趣信息是一项艰苦且耗时的任务，这就迫切需要我们利用计算机辅助技术来对遥感图像进行分析。

自动目标识别是其中一个重要且具有挑战性的研究方向。目前针对这一问题，研究方法主要是以提供目标模板或建立目标模型，在全图范围内进行搜索匹配为主，这类方法在图像较小时通常比较适用且效果良好，但是对于大尺度的遥感图像来说，其计算量大，速度慢。而对遥感图像进行场景分类则是一种十分有效地解决目标识别问题的方法。

遥感图像存储了大量丰富的信息，图像结构复杂，既包括地形、植被、水纹等自然特征，有包括了建筑物和道路等这样的人工地物，为目标识别造成了一定的困难。此外，在目标识别任务中，我们可以发现，感兴趣目标往往依赖于特定的地物类型，因此，通过事先对遥感图像进行场景分类，可以为目标识别提供上下文信息，缩小感兴趣区域范围，提高识别效率和准确率。

近年来，随着模式识别技术的发展，用于场景分类的新的理论和方法技术相继涌现。如神经网络和决策树的分类精度一般都高于最大似然法，然而它们都不是稳定的分类器；如将模糊理论引入神经网络的方法，可以通过构造遥感模糊分类模型，根据隶属度大小划分类别，但是关于隶属度函数的确定，至今没有成熟的理论和法则，往往需要专家经验，具有主观性，是模糊分类方法最大的缺点。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种基于上下文约束的目标识别方法，针对的目标为自然场景中的人造建筑物，通过对遥感图像进行基于mean-shift与改进LBP特征的快速场景分类，为目标识别提供有效的上下文约束信息，并根据目标在场景中与背景的空间位置依存关系，在特定场景区域内提取特征，识别感兴趣目标，提高目标识别效率和准确率。

为实现上述目的，本发明提供了一种基于上下文约束的目标识别方法，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。

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；