[发明专利]遥感图像中人工地物的检测方法及设备在审
申请号: | 201810503058.6 | 申请日: | 2018-05-23 |
公开(公告)号: | CN108898052A | 公开(公告)日: | 2018-11-27 |
发明(设计)人: | 汪伟;程斌 | 申请(专利权)人: | 上海理工大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 上海百一领御专利代理事务所(普通合伙) 31243 | 代理人: | 王路丰;汪祖乐 |
地址: | 200443 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 遥感图像 像素点 地物 特征提取 检测 分类模型 支持向量机算法 地物识别 分类效果 纹理特征 原始图像 分类器 建模 去噪 样本 分割 分类 工地 清晰 申请 | ||
1.一种遥感图像中人工地物的检测方法,其中,该方法包括:
获取样本遥感图像,对所述样本遥感图像中的像素点进行特征提取,并通过支持向量机算法对特征提取后的像素点进行建模,获取所述像素点为人工地物像素点的分类模型;
获取检测遥感图像,基于冗余轮廓波变换将所述检测遥感图像分解为低通子带和带通方向子带;根据所述带通方向子带对应的基函数表达的信息,确定最优基函数,并将最优基函数对应的带通方向子带确定为用于特征提取的带通方向子带;根据所述低通子带和用于特征提取的带通方向子带中对应坐标的像素点的信息,提取所述检测遥感图像中像素点的特征;根据所述像素点的特征,使用所述分类模型对所述像素点进行分类,确定所述像素点中的人工地物像素点;
对检测遥感图像像素点中的人工地物像素点进行标识。
2.根据权利要求1所述的方法,其中,对所述样本遥感图像中的像素点进行特征提取,包括:
对所述样本遥感图像进行下采样,获取下采样样本遥感图像;基于冗余轮廓波变换将下采样样本遥感图像分解为样本低通子带和样本带通方向子带;根据所述样本带通方向子带对应的基函数表达的信息,确定最优基函数,并将最优基函数对应的样本带通方向子带确定为用于特征提取的样本带通方向子带;根据所述样本低通子带和用于特征提取的样本带通方向子带中对应坐标的像素点的信息,提取所述下采样样本遥感图像中像素点的特征,其中,所述样本遥感图像中的像素点已经标识为人工地物像素点或非人工地物像素点。
3.根据权利要求1所述的方法,其中,获取检测遥感图像,基于冗余轮廓波变换将所述检测遥感图像分解为低通子带和带通方向子带,包括:
获取检测遥感图像;
对所述检测遥感图像进行下采样,获取下采样检测遥感图像;
基于冗余轮廓波变换将所述下采样检测遥感图像分解为低通子带和带通方向子带。
4.根据权利要求3所述的方法,其中,对检测遥感图像像素点中的人工地物像素点进行标识,包括:
基于图像形态操作对所述下采样检测遥感图像进行优化,获取优化后的下采样检测遥感图像;
对所述优化后的下采样检测遥感图像进行上采样,获取上采样检测遥感图像;
将人工地物像素点在所述上采样检测遥感图像上进行标识。
5.根据权利要求1所述的方法,其中,基于冗余轮廓波变换将所述检测遥感图像分解为低通子带和带通方向子带,包括:
基于冗余轮廓波变换将所述检测遥感图像分解为低通子带和带通子带;
基于方向滤波器组对所述带通子带进行分解,获取带通方向子带;
基于阈值化方法对所述带通方向子带进行去噪。
6.根据权利要求5所述的方法,其中,基于阈值化方法对所述带通方向子带进行去噪,包括:
根据所述带通方向子带的系数所对应的方差确定所述带通方向子带的硬阈值;使用所述硬阈值进行子带去噪。
7.根据权利要求1所述的方法,其中,根据所述带通方向子带对应的基函数表达的信息,确定最优基函数,并将最优基函数对应的带通方向子带确定为用于特征提取的带通方向子带,包括:
在所述带通方向子带对应的基函数表达的信息满足预设阈值时,将所述带通方向子带分解得到的下一层两个带通方向子带对应的基函数确定为最优基函数,其中,所述带通方向子带对应的基函数表达的信息包括所述带通方向子带分解后的能量熵函数比值和带通方向子带的能量分布均方差;
将所述最优基函数对应的带通方向子带确定为用于特征提取的带通方向子带。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海理工大学,未经上海理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810503058.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于视频流的人脸识别方法及系统
- 下一篇:一种面部识别方法