[发明专利]一种有效的遥感图像目标识别方法

权利要求书

1.一种有效的遥感图像目标识别方法，其特征在于：首先对遥感图像提取Harr特征，然后利用Adaboost进行特征挑选、重组，以特征的线性组合作为遥感目标快速识别分类器；其次对遥感图像提取颜色特征，然后利用Adaboost进行特征挑选、重组，以特征的线性组合作为遥感目标精确识别分类器；最后将得到的快速识别分类器与精确识别分类器进行级联，得到最终的联合分类器，对遥感图像目标进行快速、准确的识别；

对遥感图像提取颜色特征，然后利用Adaboost进行特征挑选、重组，以特征的线性组合作为遥感目标精确识别分类器，具体包括：

(1)输入若干某类遥感目标的训练样本图像RGB_i，i＝1,...,train_sum，其中，train_sum为训练样本数量，同时输入一幅含有该类目标的遥感训练图像A；

(2)针对每一幅遥感目标的训练样本图像RGB_i，将其转换成HIS颜色模型；

(3)利用颜色特征模板窗口去遍历每一个色调图H_i，通过修改色调直方图特征在窗口中的作用范围，可以得到相应的色调统计特征，遍历整张色调图可以得到全局颜色特征，遍历局部色调图就可以得到局部颜色特征；确定色调直方图特征的作用范围以后，通过修改色调直方图特征在窗口的初始位置就可以得到不同的色调统计局部特征，遍历哪个部分色调图就可以得到哪个部分的颜色特征；

因此设可以得到的每一个色调图H_i的颜色特征为{Y_i¹,...,Y_i^j,....,Y_i^H_sum}，其中，Y_i^j为对应于H_i的一个颜色特征矩阵值，H_sum为该色调图得到的特征值的总数量值；

(4)将所有训练样本的颜色特征值重新组成下列形式：[Y]＝{Y¹,...,Y^j,....,Y^H_sum}，其中，

(5)对遥感训练图像A，划分成与训练样本图像尺寸大小相同的test_sum_A个子图像；

(6)针对每一个子图像，采用与第(2)、第(3)步相同的处理，得到它们的色调图{H_{1_A},...,H_{k_A},....,H_{test_sum_A}}，以及每个色调图所对应的颜色特征值矩阵

(7)针对遥感训练图像A中的子图像，基于颜色特征依次进行判断，求出满足下列约束的最优解：

通过求取最优解，即可以判断遥感训练图像A中的每一个子图像是否为遥感目标图像；

(8)首先赋予每一个子图像相同的权重，赋予每一个特征相同的重要性系数；其次训练图像A与所用特征的类别皆为已知，判断结果也就已知是否正确，通过计算分类错误样本的权重就可以知道其误差率，误差率最低的特征自然精确率最高，针对此轮精确率最高的特征，增加其重要性系数；针对分错的子图像，增加其权重；接着，在每次挑选完最小误差的特征过后，用挑选出来的特征对训练图像进行判定，然后把判定为目标的窗口作为下一轮待判定的窗口，在下一轮中利用没被挑选出来的特征进行进一步判定，然后再挑选此轮最小误差的特征，从而使得误差比上一轮更小，在迭代过程中不断降低误差，直至误差率降至阈值以内；最后，将挑选出来的精确性高的若干个特征，将特征与相应的重要性系数相乘，然后线性相加组合生成相应的强分类器，在强分类器判定结果出来以后，判定为目标以后再进行第二个强分类器的进一步判定，强分类器如此级联在一起就可以形成精确识别分类器。