專利名稱：一種遙感圖像多類目標(biāo)檢測和識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種遙感圖像多類目標(biāo)檢測和識別方法，可以應(yīng)用于復(fù)雜背景遙感圖像下的多種類型目標(biāo)檢測和識別。
背景技術(shù)：
作為遙感圖像處理技術(shù)的一個應(yīng)用，復(fù)雜背景遙感圖像下的目標(biāo)檢測與識別是軍事偵察和精確打擊等領(lǐng)域的一項關(guān)鍵技術(shù)，也一直是該領(lǐng)域的研究熱點和難點，有著重要的軍事和民用價值，受到人們越來越多的關(guān)注。目前遙感圖像目標(biāo)檢測主要有兩種方法。一種是在遙感圖像中通過檢測目標(biāo)所 具有的某些形狀、幾何特征來解決目標(biāo)檢測問題，但是由于遙感圖像背景復(fù)雜，存在著大量和目標(biāo)相似的形狀、幾何特征，僅僅依靠這些特征來檢測目標(biāo)會出現(xiàn)大量的漏檢、誤檢。另一種是基于分類的思想，其中最常見的是Bag-of-Words (Boff)分類方法，該方法首先是對圖像提取SIFT特征并聚類，將聚類中心作為圖像空間中的一組標(biāo)準(zhǔn)基(標(biāo)準(zhǔn)的圖像區(qū)域)，然后可以用這組標(biāo)準(zhǔn)基對圖像進行向量表示，最后將所得到的向量通過使用SVM分類器進行分類并閾值化，得到檢測結(jié)果；但是BoW方法，雖然提取的SIFT特征具有尺度和旋轉(zhuǎn)不變性，但僅僅利用了特征區(qū)域的統(tǒng)計特征，而忽略了特征區(qū)域的空間信息，因此使用BoW的方法檢測率低，虛警率高；而另外一種分類方法Linear Spatial Pyramid Matching UsingSparse Coding (ScSPM)雖然考慮到了特征區(qū)域的空間信息，但是所得到的用于分類的向量維數(shù)過高，運算量過大。另外，目前大多數(shù)基于分類的目標(biāo)檢測方法也僅限于對單一目標(biāo)進行檢測，不能同時對多個目標(biāo)進行檢測與識別。

發(fā)明內(nèi)容
要解決的技術(shù)問題為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出了一種基于稀疏表示字典學(xué)習(xí)的遙感圖像多類目標(biāo)檢測和識別的方法。這種方法可以自動地從復(fù)雜背景的遙感圖像中檢測并識別出不同類型的目標(biāo)，具有較高的檢測精度和較低的虛警率。技術(shù)方案一種遙感圖像多類目標(biāo)檢測和識別方法，其特征在于步驟如下步驟I :使用基于稀疏表示字典學(xué)習(xí)的方法訓(xùn)練字典，具體步驟如下步驟al訓(xùn)練圖像前期處理首先將原始圖像中的同類別目標(biāo)統(tǒng)一到一個主方向，
然后將統(tǒng)一方向后的圖像沿著O。到360°、按照步長旋轉(zhuǎn)為—個不同方向的圖像；
φ L φ _
將不同類別目標(biāo)的原始圖像都按照上述方法處理，得到C 二 px——類訓(xùn)練圖像，其中P為
L 」
所要檢測的不同類別目標(biāo)數(shù)，P為旋轉(zhuǎn)角度，C是所得到的訓(xùn)練圖像中不同目標(biāo)不同方向圖像的類別總個數(shù)；其中L·」為向下取整；
步驟bl數(shù)據(jù)預(yù)處理采用加權(quán)平均法對
權(quán)利要求
1.一種遙感圖像多類目標(biāo)檢測和識別方法，其設(shè)計步驟如下 步驟I:使用基于稀疏表示字典學(xué)習(xí)的方法訓(xùn)練字典，具體步驟如下 步驟al訓(xùn)練圖像前期處理首先將原始圖像中的同類別目標(biāo)統(tǒng)一到一個主方向，然后將統(tǒng)一方向后的圖像沿著O。到360°、按照步長旋轉(zhuǎn)為^個不同方向的圖像；將不同
2.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述加權(quán)平均法計算公式為 f (X，y) = O. 3R(x, y)+0. 59G(x, y)+0. llB(x, y),式中，f (x, y)為加權(quán)平均法得到的灰度圖像在像素點(X，y)的灰度值，R(x，y)、G(x，y)和B(x，y)分別為輸入的訓(xùn)練圖像在像素點(x，y)的RGB三個分量值。
3.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述能量歸 一化計算公式為
4.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述I1范數(shù)的計算公式為
5.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述I2范數(shù) 的計算公式為
6.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述重構(gòu)誤差ei的計算公式為e, =||/ -DA||丨+7|| - ^，式中，y為預(yù)先設(shè)定的權(quán)值，Y的取值 范圍為(Tl，HIi是對Yi中的每一行的元素求均值得到的均值向量；Yi為Ui經(jīng)過字典D稀疏編碼得到的最優(yōu)編碼系數(shù)。
7.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述旋轉(zhuǎn)角度免取值范圍為0°到90°。
8.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述FDDL軟件包參數(shù)A1的范圍是O. OOfO. 01，λ 2的范圍是O. OfO. I。
9.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述S的取值范圍為4(Γ90之間的整數(shù)，b的取值范圍為f 15之間的整數(shù)。
10.根據(jù)權(quán)利要求I所述遙感圖像多類目標(biāo)檢測和識別方法，其特征在于所述閾值τ的取值范圍為(Ti。
全文摘要
本發(fā)明涉及一種基于稀疏表示字典學(xué)習(xí)的遙感圖像多類目標(biāo)檢測和識別的方法。技術(shù)特征在于首先對預(yù)處理后的訓(xùn)練數(shù)據(jù)使用基于稀疏表示字典訓(xùn)練方法訓(xùn)練出字典；然后對測試圖像中的子圖像塊使用訓(xùn)練所得到的字典進行稀疏編碼，求出其稀疏表示系數(shù)進而得出子圖像塊的重構(gòu)誤差，通過對重構(gòu)誤差的閾值化處理，確定候選目標(biāo)區(qū)域；最后經(jīng)過后期處理實現(xiàn)對遙感圖像多類目標(biāo)的精確檢測和識別。利用本發(fā)明方法，可以從復(fù)雜背景下的遙感圖像中檢測并識別出多種類型的目標(biāo)。本發(fā)明具有較高的檢測識別精度和較低的虛警率。
文檔編號G06K9/66GK102867195SQ20121030064
公開日2013年1月9日 申請日期2012年8月22日 優(yōu)先權(quán)日2012年8月22日
發(fā)明者韓軍偉, 周培誠, 王東陽, 郭雷, 程塨, 李暉暉 申請人:西北工業(yè)大學(xué)