[发明专利]基于多源影像联合形状分析与多属性融合的目标识别方法

权利要求书

1.基于多源影像联合形状分析与多属性融合的目标识别方法，其特征在于：所述方法具体过程为：

步骤一、手动配准好光学遥感影像和SAR遥感影像，仅利用光学遥感影像进行直线检测，获取大量疑似舰船停靠码头的切片，并根据直线角度，旋转码头切片至水平；

步骤二、对水平码头切片的光学遥感影像和SAR遥感影像进行联合形状分析，获取疑似舰船坐标，即得到舰船长度、宽度信息，提取对应坐标的疑似舰船切片；

步骤三、提取疑似舰船切片的多源组合特征，经由预先训练好的单分类支持向量机，从而将疑似舰船分类为舰船目标和非舰船目标；

步骤四、对分类为舰船的目标，提取舰船目标的光学切片，分别进行飞行甲板类型、船头尖角位置、船头轮廓类型、垂直发射装置位置共4个部位的检测，提取舰船目标的SAR切片，进行舰桥位置共1个部位的检测；

步骤五、根据获取的舰船长度、宽度信息，与检测得到的5个部位检测结果进行多属性融合的舰船型号识别；

步骤六、基于步骤五取投票结果最大的一类作为舰船型号识别结果；

所述步骤一中手动配准好光学遥感影像和SAR遥感影像，仅利用光学影像进行直线检测，获取大量疑似舰船停靠码头的切片，并根据直线角度，旋转码头切片至水平；具体过程为：

步骤一一、手动配准好光学遥感影像和SAR遥感影像，在光学遥感影像上根据任意点周围灰度分布信息均匀的原则，选取海面上的种子点，种子点选取应满足下式：

满足属性P(x,y)的点即为种子点，其中U代表邻域，I为图像灰度，(x,y)为海面上的任一点，(x_q,y_q)为(x,y)的周围八邻域点，a为海水的灰度阈值；

步骤一二、根据选取的种子点进行区域生长，获取整个海面区域，取反则获得整个陆地区域，取两者的交界线，即可获得海陆交界线，将海陆交界线进行形态学膨胀，从而获取海陆交界地带；

步骤一三、在海陆交界地带进行直线检测，认为该直线为舰船本身或舰船所停靠的码头，从而根据该直线角度旋转码头切片至水平，即获得包含水平停放舰船的码头切片；

所述步骤二中对水平码头切片的光学遥感影像和SAR遥感影像进行联合形状分析，获取疑似舰船坐标，提取对应坐标的疑似舰船切片；具体过程为：

步骤二一、在旋转至水平的光学和SAR码头切片上进行舰船目标检测，首先利用SAR影像经由非极大值抑制确定显著性点，然后对光学影像每个显著性点的x方向进行灰度分析，来寻找船头、船尾与海水的交界点，从而获得舰船的横坐标；

步骤二二、再利用对SAR影像每个显著性点x方向左右各100个像素对应的y方向的亮度值进行统计，从而获得y方向亮度曲线，在计算出海面平均亮度后，得到舰船与海水在y方向上的分界线，从而获得船身上下的纵坐标；

步骤二三、根据横纵坐标，标记回旋转至水平的光学和SAR码头切片即提取出疑似舰船目标；

所述步骤三中提取疑似舰船切片的多源组合特征，经由预先训练好的单分类支持向量机，从而将疑似舰船分类为舰船目标和非舰船目标；具体过程为：

针对疑似舰船目标的光学与SAR切片，分别提取光学切片的几何特征、不变矩特征、梯度直方图特征以及SAR切片的几何特征、不变矩特征、散射特征，从而构造一个多特征融合向量，经由训练好的单分类支持向量机，实现舰船目标的检测；

所述步骤四中对分类为舰船的目标，提取舰船的目标的光学切片，分别进行飞行甲板类型、船头尖角位置、船头轮廓类型、垂直发射装置位置共4个部位的检测，提取舰船的目标的SAR切片，进行舰桥位置共1个部位的检测；具体过程为：

步骤四一、基于特征点匹配方法实现对飞行甲板的检测；

步骤四二、基于轮廓提取方法获取船头轮廓类型、船头尖角位置；

步骤四三、基于亮度显著性方法获取舰桥、垂直发射装置位置；

所述步骤四一中基于特征点匹配方法实现对飞行甲板的检测；具体过程为：

利用尺度不变特征变换提取舰船目标的SIFT特征点；

利用提取到的SIFT特征点，再基于词袋技术构建每个正负训练样本的特征向量，然后将特征向量输入支持向量机分类器进行训练，得到训练好的SVM分类器；

在舰船目标上滑动窗口提取小切片，构建SIFT词袋特征，经由训练好的SVM分类器实现对飞行甲板的检测；

所述步骤四二中基于轮廓提取方法获取船头轮廓类型、船头尖角位置；具体过程为：

通过Canny算子对舰船目标提取边缘影像，对提取的边缘影像进行形态学处理即获得舰船目标的二值影像，在对二值影像进行轮廓提取，获得舰船目标的外轮廓；

利用预先训练好的不同型号的真实船头轮廓图作为卷积算子，对获得舰船目标的外轮廓图进行卷积滤波，形成船头轮廓响应图，再经由阈值判断区分不同类型船头弧度的舰船，并且同时获得船头尖角的位置；

所述步骤四三中基于亮度显著性方法获取舰桥、垂直发射装置位置；具体过程为：

步骤四三一、设I为输入的遥感影像的灰度图，尺寸为M×N，对于I中的像素亮度显著图中任意一像素点的亮度显著值BBSM_ij的值为

其中，D(I_ij,I_mn)是像素I_ij和像素I_mn的绝对差值；m、n、i、j为灰度图中某一点坐标值；

D(I_ij,I_mn)＝|I_ij-I_mn| (3)

BBSM_ij为每一像素点的亮度显著值，从而构成亮度显著图；

步骤四三二、对于SAR遥感影像先经过步骤四三一处理，获得亮度显著图，在经过阈值分割，从而得到显著性目标的二值影像，再筛选满足舰桥几何约束条件的连通域，取连通域中心坐标即获得亮度显著目标的中心坐标，即舰桥中心位置；

舰桥几何约束条件包括：阈值分割后得到的连通域紧凑度小于0.8，阈值分割后得到的连通域面积大于500像素，小于2000像素，长宽比大于2；

步骤四三三、对光学遥感影像先经过步骤四三一处理，获得亮度显著图，在经过阈值分割，从而得到显著性目标的二值影像，再筛选满足垂直发射装置几何约束条件的连通域，取连通域中心坐标即获得亮度显著目标的中心坐标，即垂直发射装置中心位置：

垂直发射装置几何约束条件包括：阈值分割后得到的连通域紧凑度大于0.7，阈值分割后得到的连通域面积大于85像素，小于350像素，长宽比小于2.5；

所述步骤五中根据获取的舰船长度、宽度信息，与检测得到的5个部位检测结果进行多属性融合的舰船型号识别；具体过程为：

对于舰船长度，规定长度在285-325像素的舰船类型为驱逐舰，长度在326-366像素的舰船类型为巡洋舰，其它长度则为其它舰船；

对于舰船宽度，规定宽度在38-45像素的舰船类型为驱逐舰，宽度在30-37像素的舰船类型为巡洋舰，其它宽度则为其它舰船；

针对飞行甲板类型，检测到美式类型飞行甲板的舰船认为是驱逐舰或者巡洋舰，其他类型飞行甲板的舰船为其它舰船；

针对船头轮廓类型，根据预先训练的驱逐舰和巡洋舰的真实船头轮廓图，能够检测出驱逐舰船头轮廓的舰船认为是驱逐舰，能够检测出巡洋舰船头轮廓的舰船认为是巡洋舰，都不能检测出的认为是其它舰船；

针对船头尖角位置，利用对轮廓响应点进行非极大值抑制，获得轮廓响应的极大值点，即船头的中心点，从而获得船头尖角位置的坐标；船头尖角位置的坐标和舰船前端的坐标若一致，则认为该舰船类型与船头轮廓类型一致，否则认为是其它舰船；

针对舰桥位置，舰桥与船头的距离在115-160像素内认为是驱逐舰，在161-210像素内认为是巡洋舰，其它情况则认为是其它舰船；

针对垂直发射装置位置，前端垂直发射装置与船头的距离在60-80像素内认为是驱逐舰，在81-100像素内认为是巡洋舰，其它情况则认为是其它舰船；后端垂直发射装置与船头的距离在205-265像素内认为是驱逐舰，在266-325像素内认为是巡洋舰，其它情况则认为是其它舰船；其中前后端任取一个作为判断标准即可；

所述步骤六中基于步骤五取投票结果最大的一类作为舰船型号识别结果；具体过程为：

将舰船的部位检测结果分七次进行投票，取投票结果的最大值作为舰船类型识别结果。