[发明专利]一种基于多显著特征融合的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，具体涉及一种基于多显著特征融合的遥感图像感兴趣区域检测方法。

背景技术

随着遥感技术的快速发展，遥感影像的数据规模迅速扩大，而遥感图像的感兴趣区域提取能够降低遥感图像分析处理的复杂度，因此遥感图像的感兴趣区域提取也是最近一段时间的关注热点，怎样准确、快速地实现遥感影像感兴趣区域检测已成为当下亟待解决的问题之一。该问题的有效解决将对缓解遥感影像高速获取与低速解译之间的矛盾具有重要意义，对土地利用、灾害评估、城镇规划以及环境监测等相关领域也具有重要的实际应用价值。

传统遥感图像感兴趣区域检测大多是基于全局的，需要先验知识的。但是先验知识库的建立本身是一个很复杂的问题，需综合考虑专家知识库、目标区域特征、背景区域特点等信息。有的方法需要引入对颜色呈现和眼动的心理物理学数据的训练，有的方法对遥感影像感兴趣区域检测与分类则要借助同区域的数字地图。这些算法都需要先验知识库，且计算复杂度较高。

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，并且具有识别快速结果准确等优势，视觉注意模型受到越来越多的关注，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。

在基于低层视觉特征的视觉注意模型方面，Itti等人在文章“A Model of Saliency-Based Visual Attention for Rapid Scene Analysis”中提出了Itti视觉注意方法，该模型接近于人类视觉系统，利用各种视觉特性产生显著图。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)，该算法通过使用传统的Itti模型模拟视觉注意机制来完成特征提取步骤，继而使用图结构表示图像之间的像素关联，最后引入马尔可夫链(Markow chains)计算显著图。在基于频域分析注意模型方面，Achanta等人在文章“Frequency-tuned Salient Region Detection”中提出用于显著区域检测的频率调谐法(Frequency-tuned，FT)，将输入的RGB图像转换到CIELab颜色空间并进行高斯平滑，再减去图像特征向量的算术平均后，按点求幅度即得到均匀且边界清晰的显著图。

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。基于频域分析方法的视觉注意模型形式简洁，易于解释和实现，但是当显著区域占整个图像的比例过大时，或者图像背景过于复杂时，该方法得到的显著图会误将部分背景标为显著区域，且其生物合理性不是非常清楚。近年来国内外学者也提出了将视觉显著性应用于遥感影像感兴趣区域检测的新算法。例如Zhang等人在文章“Fast Detection of Visual Saliency Regions in Remote Sensing Image based on Region Growing”中提出基于小波变换，降低图像分辨率，在视觉特征中引入二维离散矩变换，生成显著图。但是，这些算法都有共同的缺点，它们都只能将显著区域提取出来，却无法区分这些显著区域之间的差别。而一组具有相似感兴趣区域的遥感影像，如果能够利用它们的相似性，就可以排除对感兴趣区域检测有干扰的其他区域。

在计算感兴趣区域掩模方面，传统方法常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，而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，区域描述不准确。最大类间方差法(Ostu方法)是一种自动的非参数、无监督的阈值选择法，该方法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多显著特征融合的遥感图像感兴趣区域检测方法，该方法用于对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是基于全局的，需要先验知识的。但是先验知识库的建立本身是一个很复杂的问题，需综合考虑专家知识库、目标区域特征、背景区域特点等信息。所以本发明方法主要关注两个方面：

1)无需基于全局搜索和建立先验知识库；

2)提升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。