[发明专利]一种高分遥感影像上的港口检测方法

摘要

一种高分遥感影像上的港口检测方法，发明目的在于解决现有技术中存在的问题，利用一种非监督的方法提取遥感影像中港口的可分图斑作为中层特征，并利用提取出的中层特征进行高分遥感影像中不同尺度和方向不同的港口检测。本发明方法对于高分遥感影像中不同种类的港口泛化能力强，能检测出各种特殊类型的港口。

主权项

一种高分遥感影像上的港口检测方法，其特征在于，包括如下步骤：一、训练过程：步骤1、样本准备：步骤1.1，可分图斑提取样本：从遥感影像中截取一些的港口样本作为正样本D，再截取大量的非港口影像作为负样本N；同时，将影像中所有正样本进行若干次旋转，每次旋转45°，共同作为这个样本参与训练，供步骤2处理；步骤1.2，词袋模型训练样本：从遥感影像中截取一些的港口样本作为正样本，再截取同等数量的非港口影像作为负样本，供步骤2处理；步骤2、HOG特征金字塔的生成：为了适应不同分辨率影像的目标检测，利用高斯滤波和下采样方法，不断模糊和缩减影像，得到不同尺度的影像，分别构建影像金字塔，并对影像金字塔提取梯度直方图(HOG)特征作为影像的低层特征描述；其中，利用步骤1.1得到的可分图斑提取样本的HOG特征金字塔提供给步骤3处理；利用步骤1.2得到的词袋模型训练样本HOG特征金字塔提供给步骤5处理；步骤3、可分图斑的提取，步骤3.1，样本初始化：将用于可分图斑检测的正负样本集随机平均分为互不重叠的两部分，即得到D1、D2和N1、N2四个集合；步骤3.2，对D1随机采样，得到S：在D1中随机截取固定长宽比的HOG特征图斑，并对其进行筛选，保证图斑的高信息量和采样图斑之间的低重叠度，得到随机采样结果S；S的数量约为D1样本数量的4倍；步骤3.3，初始聚类：对步骤3.2得到的随机采样结果S中的图斑进行k均值聚类，聚类数目设置为S样本量的四分之一，设聚类结果为K；步骤3.4，精炼聚类：在步骤3.3聚类结果K中，删除其中聚类成员数量少于参数MinSize的聚类；步骤3.5，生成分类器：对步骤3.4删除处理后留下的每一个聚类，以N1中的HOG特征图斑作为负样本，进行SVM训练，得到分类器集合C；若非第一次迭代，则新的分类器代替上一次的分类器；步骤3.6，交叉检测：将步骤3.5得到分类器集合C中的每一个分类器置于D2中进行图斑检测，并选取其中检测得分最高的前m个图斑作为 新聚类Knew的成员，Knew的大小等同于K的大小；步骤3.7，检验K与Knew，如果两个聚类集合的相似度大于某一阈值Threshold，则交换D1、D2，N1、N2，并将Knew赋给K，然后返回步骤3.4；如果小于阈值，则说明迭代收敛，转到步骤3.8；步骤3.8，得分计算：计算所提取的每类图斑C的纯度和可分度，所述纯度为每个分类器C在所有正样本D中检测得分最高的前r个成员的分数之和，所述可分度为每个分类器C在所有正样本D中响应图斑个数与在所有样本中相应图斑个数之比；以阈值λ作为二者之间的权重，进行相加，得到每类分类器的得分；步骤3.9，最优筛选：并根据步骤3.8得分选取前n类分类器作为目标的可分图斑；供步骤4处理；步骤4、可分图斑的方向归并：对每类可分图斑成员的梯度直方图进行统计，再在各类间进行梯度直方图匹配，合并相似度高的图斑；得到方向归并后的可分图斑，供步骤5处理；步骤5、可分图斑的检测：利用提取出的方向归并后的港口可分图斑在步骤2处理后的词袋模型训练用的金字塔影像上进行检测时，需在金字塔影像上以滑窗检测的方式逐层进行；对每个滑窗计算各个可分图斑的SVM检测分数作为响应分数，将分数高于‐0.5的，看作检测成功；采用非极大抑制的策略进行约束；步骤6、词袋模型的构建及SVM分类器训练：利用步骤5的检测结果构建影像的特征向量，并利用正负样本集所得到的特征向量训练SVM分类器获得BOW模型，用于港口检测；二、检测过程：首先为每张测试影像如所述步骤2一样的方法构建HOG特征金字塔，将步骤4中训练得到的经过方向归并后的港口可分图斑采用步骤5方法在测试影像的特征金字塔上进行检测，并对检测结果进行非极大抑制约束，统计每一类可分图斑在每张测试影像中被检测出现的频率用以构建测试影像的特征向量，放入步骤6得到的词袋(BoW)模型进行检测，输出存在或者不存在港口的检测判断结果。