專利名稱：一種針對高分辨率sar圖像場景解譯的一類提取分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像分類領(lǐng)域，更具體的涉及一種針對高分辨率SAR圖像場景解譯的一類提取分類方法。
背景技術(shù)：
合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)是一種全天候、全天時(shí)的對地觀測手段，能夠獲得地表高分辨、大場景的圖像以及詳細(xì)的測繪信息，在軍事及民用等諸多場合都有廣泛的應(yīng)用。近年來載有高分辨率SAR的衛(wèi)星逐步增多，更是增加了 SAR圖像的場景解譯方法發(fā)展的需求。研究高分辨率SAR影像場景解譯，是檢測目標(biāo)與識(shí)別的基礎(chǔ)性工作，利用目標(biāo)與場景間的關(guān)聯(lián)信息，提升目標(biāo)識(shí)別的效果；是構(gòu)建智能數(shù)據(jù)庫，管理海量數(shù)據(jù)SAR影像的基礎(chǔ)；同時(shí)也為解決實(shí)際問題提供數(shù)據(jù)處理模型及方案，例如城市發(fā)展變化檢測、自然災(zāi)害應(yīng)急、反恐維穩(wěn)等?，F(xiàn)有諸多SAR圖像場景解譯方法較少考慮圖像像素之外的信息，對于圖像高分辨率帶來的更多信息處理不是十分有效，加之手動(dòng)標(biāo)注正負(fù)樣本工作在圖像解譯領(lǐng)域難以高效解決，因此很難擴(kuò)展到海量數(shù)據(jù)復(fù)雜類別的應(yīng)用中。僅正分類的思想是針對解決圖像數(shù)據(jù)中僅有部分正樣本信息的分類問題提出的， 這對于探索未知圖像的解譯工作有重要意義。與傳統(tǒng)監(jiān)督分類器不同，僅正分類需要標(biāo)注的樣本僅僅是部分正樣本，再加上若干未知樣本就能進(jìn)行學(xué)習(xí)與預(yù)測。這一點(diǎn)對于SAR圖像的場景解譯來說是更為實(shí)際的，因?yàn)樨?fù)樣本的概念非常模糊，并非自然的概念，我們無法獲得一個(gè)完備的負(fù)樣本集合，這一點(diǎn)與僅正分類思想可解決的問題十分貼合。在隨機(jī)選取未知樣本的條件下，相同正樣本的僅正分類器預(yù)測結(jié)果概率與傳統(tǒng)分類器的預(yù)測概率之間只相差一個(gè)固定的比值，這就為僅正分類的結(jié)果處理提供了依據(jù)。在合理估計(jì)得到這個(gè)比值后，就可以在僅正樣本已知的條件下獲取期望的僅正分類結(jié)果。由于高分辨率帶來了更多可見細(xì)節(jié)，同時(shí)也增加了影像的理解難度，使用單一的可靠特征區(qū)分復(fù)雜多變的高分辨率SAR影像十分困難。因此將僅正分類結(jié)合不同類別的特征選取以及利用圖像空間相關(guān)性和語義相關(guān)性的策略，研究一個(gè)針對高分辨率SAR圖像場景解譯的一類提取分類方法是很有必要的。

發(fā)明內(nèi)容
本發(fā)明目的是針對現(xiàn)有的高分辨率SAR圖像分類技術(shù)的不足和缺陷，提出了一種針對高分辨率SAR圖像場景解譯的一類提取分類方法。本發(fā)明的技術(shù)方案如下—種針對高分辨率SAR圖像場景解譯的一類提取分類方法，其特征在于，其包括以下步驟Sl 重疊分割圖像先使用固定大小固定步長的滑動(dòng)窗口將SAR圖像分割成多個(gè)子圖像，其中滑動(dòng)的步長小于子圖像的尺寸，相鄰的子圖像間存在部分重疊區(qū)域；S2 圖像表征針對SAR圖像中存在的不同類別，選擇分別適合于每個(gè)類別的特征作為分類依據(jù)，對于每個(gè)類別的分類建立獨(dú)立的、專用的、合適的特征空間；
S3 一類提取分類，進(jìn)一步包括；
對于分布面積較大的地物區(qū)域，使用切片級提取；
對于分布狹窄、稀疏的區(qū)域，使用圖像級提?。?br> S4 最終判決，進(jìn)一步包括
S41 對切片級提取結(jié)果做空間相關(guān)性分析；
S42:將圖像級提取結(jié)果覆蓋于切片級提取結(jié)果上之后，進(jìn)行語義相關(guān)性分析。
較佳地，所述步驟S3中
所述切片級提取，進(jìn)一步包括對于每個(gè)類別的一類提取分類，將步驟Sl中所得子圖中若干正樣本做關(guān)鍵詞標(biāo)注，再選擇2-3倍數(shù)量的未標(biāo)注樣本組成訓(xùn)練集；基于支撐向量機(jī)模型對該集合進(jìn)行學(xué)習(xí)訓(xùn)練，然后用訓(xùn)練做的分類模型對剩下子圖進(jìn)行判決，確定其所屬類別。
較佳地，所述若干正樣本的數(shù)量不超過該類別樣本數(shù)的5%、所有類別樣本總數(shù)的 1-2%。
較佳地，所述步驟S3中
所述圖像級提取，進(jìn)一步包括首先尋找合適的描述子并加以直方圖描述，再自適應(yīng)的確定直方圖波谷閾值將圖像二值化，最后進(jìn)行形態(tài)學(xué)重建完成圖像級提取工作。
較佳地，所述步驟S41進(jìn)一步包括
對于某一重疊區(qū)域，考慮所有包含該區(qū)域的子圖像不同類別的分類結(jié)果，對其進(jìn)行投票，得票最高的某一類別的真值即為該重疊區(qū)域的分類結(jié)果。
較佳地，所述步驟S42進(jìn)一步包括
利用先驗(yàn)知識(shí)，采用形態(tài)學(xué)濾波，排除大片復(fù)雜散射特性區(qū)域中包含其他類復(fù)雜散射特性區(qū)域的可能，同時(shí)將水體周圍誤判為建筑區(qū)的森林覆蓋區(qū)改正，得到最終的分類結(jié)果。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下
本發(fā)明提供一種針對高分辨率SAR圖像場景解譯的一類提取分類方法。這樣技術(shù)方案能在僅有各類別正樣本信息的條件下，針對不同類別運(yùn)用獨(dú)立的、合適的特征進(jìn)行分析，因而很好的克服了 SAR圖像傳統(tǒng)多類分類問題中無法提升所有類別的分類精度的問題。另一方面，一類提取分類方法可以結(jié)合SAR圖像的空間相關(guān)性信息，并加以高層知識(shí)的語義分析，從而避免違背邏輯的錯(cuò)誤分類結(jié)果，進(jìn)一步提高場景解譯的精度。


圖1為實(shí)施例的針對高分辨率SAR圖像場景解譯的一類提取分類流程圖。
具體實(shí)施方式
下面對針對高分辨率SAR圖像場景解譯的一類提取分類方法的基本原理和相關(guān)概念加以說明。
(1)圖像表征
對于高分辨率SAR圖像來說，其地物是復(fù)雜多變的。使用一個(gè)單一的特征在其特4征空間內(nèi)要想?yún)^(qū)分所有類別往往是困難的，利用一類提取分類方法，則可以對于每一類選取特定有效的特征進(jìn)行處理，如此達(dá)到最合理的圖像表征形式。具體地說，在高分辨率SAR圖像中，建筑區(qū)有極強(qiáng)的散射特性，其亮度值通常是非常高的，因此對于建筑區(qū)的一類提取分類使用灰度作為特征就足夠了，具體的每個(gè)切片的特征則用灰度直方圖來表示；森林區(qū)域具有明顯的規(guī)律性紋理，可以考慮采用紋理異質(zhì)性描述子
權(quán)利要求
1.一種針對高分辨率SAR圖像場景解譯的一類提取分類方法，其特征在于，其包括以下步驟51重疊分割圖像先使用固定大小固定步長的滑動(dòng)窗口將SAR圖像分割成多個(gè)子圖像，其中滑動(dòng)的步長小于子圖像的尺寸，相鄰的子圖像間存在部分重疊區(qū)域；52圖像表征針對SAR圖像中存在的不同類別，選擇分別適合于每個(gè)類別的特征作為分類依據(jù)，對于每個(gè)類別的分類建立獨(dú)立的、專用的、合適的特征空間；53一類提取分類，進(jìn)一步包括；對于分布面積較大的地物區(qū)域，使用切片級提取；對于分布狹窄、稀疏的區(qū)域，使用圖像級提??；54最終判決，進(jìn)一步包括541對切片級提取結(jié)果做空間相關(guān)性分析；542將圖像級提取結(jié)果覆蓋于切片級提取結(jié)果上之后，進(jìn)行語義相關(guān)性分析。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3中所述切片級提取，進(jìn)一步包括對于每個(gè)類別的一類提取分類，將步驟Sl中所得子圖中若干正樣本做關(guān)鍵詞標(biāo)注，再選擇2-3倍數(shù)量的未標(biāo)注樣本組成訓(xùn)練集；基于支撐向量機(jī)模型對該集合進(jìn)行學(xué)習(xí)訓(xùn)練，然后用訓(xùn)練做的分類模型對剩下子圖進(jìn)行判決，確定其所屬類別。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述若干正樣本的數(shù)量不超過該類別樣本數(shù)的5%、所有類別樣本總數(shù)的1-2%。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3中所述圖像級提取，進(jìn)一步包括首先尋找合適的描述子并加以直方圖描述，再自適應(yīng)的確定直方圖波谷閾值將圖像二值化，最后進(jìn)行形態(tài)學(xué)重建完成圖像級提取工作。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S41進(jìn)一步包括對于某一重疊區(qū)域，考慮所有包含該區(qū)域的子圖像不同類別的分類結(jié)果，對其進(jìn)行投票，得票最高的某一類別的真值即為該重疊區(qū)域的分類結(jié)果。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S42進(jìn)一步包括利用先驗(yàn)知識(shí)，采用形態(tài)學(xué)濾波，排除大片復(fù)雜散射特性區(qū)域中包含其他類復(fù)雜散射特性區(qū)域的可能，同時(shí)將水體周圍誤判為建筑區(qū)的森林覆蓋區(qū)改正，得到最終的分類結(jié)果。
全文摘要
本發(fā)明公開了一種針對高分辨率SAR圖像場景解譯的一類提取分類方法，包括S1重疊分割圖像使用固定大小固定步長的滑動(dòng)窗口將SAR圖像分割成多個(gè)子圖像，其中滑動(dòng)的步長小于子圖像的尺寸，相鄰的子圖像間存在部分重疊區(qū)域；S2圖像表征針對SAR圖像中存在的不同類別，選擇分別適合于每個(gè)類別的特征作為分類依據(jù)，對于每個(gè)類別的分類建立獨(dú)立的、專用的、合適的特征空間；S3一類提取分類，包括對于分布面積較大的地物區(qū)域，使用切片級提??；對于分布狹窄、稀疏的區(qū)域，使用圖像級提取；S4最終判決，包括S41對切片級提取結(jié)果做空間相關(guān)性分析；S42將圖像級提取結(jié)果覆蓋于切片級提取結(jié)果上之后，進(jìn)行語義相關(guān)性分析。
文檔編號G06K9/62GK102542293SQ20111044637
公開日2012年7月4日 申請日期2011年12月27日 優(yōu)先權(quán)日2011年12月27日
發(fā)明者于秋則, 劉興釗, 朱辰賢, 柳彬, 汪煒, 浮瑤瑤, 郁文賢 申請人:上海交通大學(xué)