[发明专利]一种遥感景象的自动识别方法

摘要

本发明涉及一种遥感景象的自动识别方法，含有以下步骤设计特征提取滤波器，用特征提取滤波器对遥感景像图像进行空间域滤波，提取遥感景象图像的旋转不变子描述子，综合遥感景象图像各尺度和角度层级的旋转不变子描述子，形成遥感景象图像的旋转不变描述子，基于遥感景象图像的旋转不变描述子训练超限学习机分类器，运用训练所得的超限学习机自动识别遥感图像的景象类别。本发明识别方法进行遥感景象图像的识别，通过实际旋转不变描述子，能够将旋转的同景象的遥感景象图像进行精确分类，景象识别的准确率高。

主权项

一种遥感景象的自动识别方法，其特征在于：含有以下步骤：步骤一：设计特征提取滤波器，其步骤为：定义I表示一张分辨率为X×Y的遥感景象黑白图像，I是X×Y维矩阵，I(x,y)是矩阵(x,y)位置的元素，表示遥感景象图像(x,y)位置像素的灰度值；令(x',y')为图像空间域(x,y)变换到频域的单位度量；在频域，针对NS个尺度和NO个角度设计NSNO个特征提取滤波器，其中第i尺度层级和第j角度层级的特征提取滤波器为：G(x′,y′;i,j)=exp{-(x′-X2)2+(y′-Y2)2σ(i)2-γ[arctan(y′-Y2x′-X2)+jπNO]2}---(1)]]>式中，特征提取滤波器G(x',y'；i,j)的指数函数中包括尺度项和角度项两部分；尺度项刻画遥感景象图像频谱在第i尺度上的特征，角度项刻画遥感景象图像频谱在角度上的特征；γ是权重参数，用来平衡尺度项和角度项在特征滤波器中的作用权重；步骤二：用特征提取滤波器对遥感景像图像进行空间域滤波，提取遥感景象图像的旋转不变子描述子，其步骤为：根据空间域卷积滤波等效于频域乘积，特征提取滤波器G(x',y'；i,j)对遥感景象图像I(x,y)在空间域的滤波通过频域乘积形式计算，表示为：Fij(x,y)＝IDFT2[DFT2[I(x,y)]G(x',y'；i,j)]    (2)式中，DFT2[]表示二维傅里叶变换，IDFT2[]表示二维逆傅里叶变换，Fij是X×Y维特征映射矩阵，其第(x,y)元素为Fij(x,y)；将整个特征映射矩阵Fij均分为Sx×Sy个不交叠的子矩阵，要求Sx和Sy分别能整除X和Y，然后将每个子矩阵中的元素按公式(3)进行平均，公式(3)表示为：F‾ij(xs,ys)=Σx=(xs-1)X+SxSxxsXSxΣy=(ys-1)Y+SySyysYSyFij(x,y)---(3)]]>式中，是Sx×Sy维的聚合特征映射矩阵；将聚合特征映射矩阵由左至右的所有列从上到下排列，得到M＝SxSy维向量表示遥感景象图像在i尺度层级和j角度层级的子描述子；定义具有旋转不变性的特性向量Qij，其维数与子描述子维数相同，特性向量Qij第n元素Qij(n)表示为：Qij(n)=(-1)n+1nΣr=1n[(-1)n+rQij(n-r)Σm=1M[F~ij(m)]r]---(4)]]>式中，无论子描述子中元素次序怎样改变，都会对应相同的特性向量；对特性向量Qij的每个元素Qij(n)进行如下对数化处理：Pij(n)＝signum[Qij(n)]ln[1+|Qij(n)|]      (5)式中，signum[Qij(n)]表示Qij(n)的正负号，Pij表示遥感景象图像在i尺度层级和j角度层级的旋转不变子描述子；步骤三：综合遥感景象图像各尺度和角度层级的旋转不变子描述子，形成遥感景象图像的旋转不变子描述子，其步骤为：计算各尺度i和角度j的子描述子Pij，得到NSNO个旋转不变子描述子，将NSNO个子描述子首尾相连组合成一个MNSNO维向量形式的新描述子P，新描述子P作为刻画一张遥感景象图像特征的向量，表示遥感景象图像的旋转不变描述子；步骤四：基于遥感景象图像的旋转不变描述子训练超限学习机分类器，运用训练所得的超限学习机自动识别遥感图像的景象类别。