[发明专利]一种基于频域分析的可见光遥感图像感兴趣区域检测方法

说明书

技术领域

本发明属于遥感图像处理及图像识别技术领域，具体涉及一种基于频域分析的可见光遥感图像感兴趣区域检测方法。

背景技术

遥感图像的感兴趣区域检测是遥感与信息交叉学科的重点、难点问题，无论在军事领域还是民用领域，都具有重要的理论研究意义与实际应用价值。传统的遥感图像感兴趣区域检测方法往往都是知识驱动的，经过图像分割与特征提取等过程，先验知识库与分割阈值的好坏直接决定了后续图像处理效果，同时，先验知识库的建立本身又是一个比较复杂的问题，一般需要综合考虑各种专家知识库、多种区域目标特征模型、背景区域特点等。视觉注意模型为遥感图像感兴趣区检测提供了一个全新的视角，不同于传统的检测方法，视觉注意模型完全由数据驱动，不涉及知识库等外部因素的影响。将视觉注意模型引入遥感图像感兴趣区域的检测具有重大的意义。近些年来，已有一些研究与分析将视觉注意模型引入遥感图像感兴趣区域检测中，并且成为一项提高大规模数据分析实时性和准确性的重要技术方法。这些方法模拟了人类视觉系统(human visual system，HVS)的视觉注意，它可以提供观察者可能的感兴趣区域信息，继而在该区域中寻找具体目标，这样可以帮助制定合理的计算资源分配方案，从而大幅地提升已有图像处理系统的运行效率。这种遥感图像感兴趣区域检测方法在保证准确检测结果的前提下减少了时间消耗与资源占用，具有重要的应用价值和实际意义。

在基于低层视觉特征的视觉注意模型方面，1998年，Itti等人在文章“A Model of Saliency-Based Visual Attention for Rapid Scene Analysis”中通过模仿人类视觉自底向上的注意机制，运用金字塔图像不同级交叉相减的方式，计算出图像颜色、方向和强度三个通道的图，通过叠加三个通道图，形成显著图。在显著图中，一些重要目标能够被显著性区域突出。Itti模型同人类视觉系统十分接近，利用了各种视觉特性产生显著图。张鹏等人在文章“基于视觉注意的遥感图像分析方法”中根据人类视觉系统的生理结构与认知特点，基于Itti的视觉注意模型提出了一个遥感图像分析模型，并在此基础上开发出了一种新的遥感图像分析方法。该方法在一定程度上具备了类似于人类视觉系统的选择性加工能力。将其应用于多种类型的真实遥感图像，获得了较为满意的实验结果。

在基于数学方法的视觉注意模型方面，Harel等人在文章“Graph-Based Visual Saliency”中提出了基于图论的算法(Graph-based visual saliency，GBVS)。这种算法在特征提取的过程中类似Itti算法模拟视觉原理，在显著图生成的过程引入马尔可夫链(Markow chains)，用纯数学计算得到显著值。王鑫等人在文章“基于图像显著性区域的遥感图像机场检测”中针对已有方法对图像逐像素进行分析的不足，基于GBVS模型将人眼的注意力选择计算模型引入到遥感图像的机场目标检测中，提出一种基于图像显著性区域的遥感图像中机场目标检测与识别的方法，以提高自动目标检测的效率。

基于低层视觉特征的视觉注意模型较好地模拟了人眼视觉的关注方式，但是没有充分考虑图像的频域特征，同时计算速度慢、效率低，难以达到实时应用的要求。基于数学方法的视觉注意模型计算速度快，但是仅考虑了图像的自身特征，容易出现漏检、误检的现象。近些年Ell和Sangwine等人将四元数傅里叶变换应用到彩色图像中。其优势在于把彩色图像视为一个矢量整体，不仅获得了彩色图像频域信息的完整描述，而且保留了彩色图像各通道间的相互关系，可以用于可见光遥感图像的感兴趣区域检测中。

在感兴趣区域描述方面，传统方法中，用一个固定半径圆来描述感兴趣区域。它在识别随机区域时会带来大量冗余信息，不利于图像的压缩。使用单一阈值的速度非常快，但是感兴趣区域会有很多小碎片，区域中会有一些黑斑，区域的描述不够准确。最大类间方差法(Ostu方法)是一种自动的非参数非监督的阈值选择法，该方法可以说是自适应计算单阈值的简单高效方法。该方法具有计算简单、自适应强等优点。

发明内容

本发明的目的在于提供了一种基于频域分析的可见光遥感图像感兴趣区域检测方法，该方法用于对可见光遥感图像的感兴趣区域进行精确检测。现有的感兴趣区域检测方法主要依靠图像在空域中表现出来的各种特征完成检测，没有充分考虑图像的频域特性，针对可见光遥感图像的感兴趣区域进行检测时，对细节丰富且显著的地物信息无法完成精确检测。所以本发明方法主要关注两个方面：

1)提升可见光遥感图像感兴趣区域检测精度，获得更为准确的感兴趣区域信息；