專利名稱：大背景下高分辨率遙感影像目標(biāo)識(shí)別高效處理方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感影像應(yīng)用技術(shù)領(lǐng)域范疇，主要涉及一種大背景下高分辨率遙感影像目標(biāo)識(shí)別高效處理方法。
背景技術(shù)：
遙感技術(shù)的不斷發(fā)展伴隨著遙感影像在空間、時(shí)空、分辨率的提高，導(dǎo)致每一景影像的數(shù)據(jù)量大增，計(jì)算負(fù)荷也相應(yīng)增加。根據(jù)影像數(shù)據(jù)存儲(chǔ)的規(guī)律性以及相關(guān)性特點(diǎn)，其算法也具有一致性、鄰域性、行順序性的特點(diǎn)，從而為影像并行計(jì)算創(chuàng)造了良好的條件。此外，隨著計(jì)算機(jī)技術(shù)的發(fā)展，國(guó)內(nèi)外關(guān)于遙感影像數(shù)據(jù)的存儲(chǔ)、應(yīng)用研究已轉(zhuǎn)向分布式集群計(jì) 算、聞性能并行處理等技術(shù)。這為進(jìn)一步研究大數(shù)據(jù)遙感影像聞效處理提供技術(shù)基礎(chǔ)。當(dāng)前，有關(guān)遙感影像高效處理方面的研究，國(guó)內(nèi)外眾多專家學(xué)者、研究機(jī)構(gòu)及商業(yè)公司做了大量的工作，其研究主要集中在影像數(shù)據(jù)的組織與具體處理算法方面的改進(jìn)與提升，遙感影像高效處理方法目前采用的主要技術(shù)有以并行數(shù)據(jù)處理為基礎(chǔ)的高性能集群處理技術(shù)和以大規(guī)模分布式處理為基礎(chǔ)的網(wǎng)格計(jì)算技術(shù)或云計(jì)算技術(shù)。其中研究在集群體系數(shù)據(jù)并行中研究且采用局部處理的思想針對(duì)影像數(shù)據(jù)的劃分與集群計(jì)算節(jié)點(diǎn)的數(shù)據(jù)分發(fā)方法較少，雖然已有方法在一定程度上可以提升影像處理的性能，但如果在適當(dāng)時(shí)機(jī)施以合理的機(jī)制，其在高效處理性能方面仍將有一定的提升空間。本發(fā)明方法基于大背景下遙感影像目標(biāo)數(shù)量相對(duì)少的特點(diǎn)，提出一種面向遙感影像基于數(shù)據(jù)并行的集群高效處理方法，可以大大減少與目標(biāo)無(wú)關(guān)區(qū)域的計(jì)算時(shí)間，提高目標(biāo)識(shí)別效率
發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足，運(yùn)用現(xiàn)有集群計(jì)算技術(shù)數(shù)據(jù)并行思想，采用一種有效的數(shù)據(jù)劃分與計(jì)算節(jié)點(diǎn)組織方式，提出了一種大背景下高分辨率遙感影像目標(biāo)識(shí)別高效處理方法。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案如下
步驟(I).原始影像數(shù)據(jù)的灰度化處理，設(shè)定目標(biāo)對(duì)象的經(jīng)驗(yàn)值，獲得目標(biāo)對(duì)象的灰度閾值及最小外包矩形；
將原始影像數(shù)據(jù)通過加權(quán)平均值法進(jìn)行灰度化處理，然后通過影像數(shù)據(jù)的影像解析度與經(jīng)驗(yàn)值計(jì)算目標(biāo)對(duì)象的大小并得出目標(biāo)對(duì)象的灰度閾值；且將處理后影像數(shù)據(jù)的像素灰度值與目標(biāo)對(duì)象的灰度閾值進(jìn)行比較，最終獲得所有目標(biāo)對(duì)象的最小外包矩形(MBR)。具體比較過程如下
采用四叉樹結(jié)構(gòu)思想對(duì)處理后影像數(shù)據(jù)進(jìn)行區(qū)塊劃分，該影像數(shù)據(jù)的行I、列e所含像素個(gè)數(shù)分別為A和&，
若於I和托(為奇數(shù)，則劃分時(shí)行、列時(shí)，= [M, /2」+ I , m, = 1 / 2」+1 ;若劃分時(shí)分割線經(jīng)過目標(biāo)對(duì)象，即劃分所在行或列的像素灰度值在目標(biāo)對(duì)象的灰度閾值范圍內(nèi)，則該目標(biāo)對(duì)象所在的子區(qū)塊不再進(jìn)行劃分，并將該子區(qū)塊稱為與目標(biāo)對(duì)象對(duì)應(yīng)的最小外包矩形；否則繼續(xù)劃分。所述的目標(biāo)對(duì)象通常指用戶感興趣的地物目標(biāo)，如海上目標(biāo)識(shí)別領(lǐng)域所包括輪船、艦艇、海監(jiān)飛機(jī)。步驟(2).采用十進(jìn)制Morton碼對(duì)最小外包矩形進(jìn)行編碼構(gòu)建線性四叉樹；
將十進(jìn)制Morton碼(簡(jiǎn)稱Ms碼)作為線性四叉樹的地址碼，在步驟(I)的影像數(shù)據(jù)進(jìn)
行區(qū)塊劃分后，通過自下而上的方法對(duì)最小外包矩形構(gòu)建線性四叉樹；
步驟(3).目標(biāo)對(duì)象邊界多邊形的提取與生成；
將步驟(I)劃分出的所有最小外包矩形，按行列順序從左到右逐個(gè)掃描，若掃描得出 該最小外包矩形內(nèi)有多個(gè)目標(biāo)對(duì)象，則對(duì)該最小外包矩形內(nèi)能合并的多個(gè)目標(biāo)對(duì)象的像素進(jìn)行合并，不能合并的則產(chǎn)生相應(yīng)的目標(biāo)對(duì)象的邊界多邊形；在目標(biāo)對(duì)象邊界多邊形的提取與生成中，必須經(jīng)過一個(gè)柵格數(shù)據(jù)的矢量化過程，該矢量化過程包括以下基本步驟
1)多邊形的邊界提取采用高通濾波將柵格圖像二值化或以特殊值標(biāo)識(shí)邊界點(diǎn)；
2)邊界線追蹤對(duì)每個(gè)邊界弧段由一個(gè)節(jié)點(diǎn)向其相鄰的另一個(gè)節(jié)點(diǎn)搜索，通常對(duì)每個(gè)已知進(jìn)入方向的邊界點(diǎn)，除自身進(jìn)入方向外需沿其它七個(gè)方向搜索下一個(gè)相鄰的邊界點(diǎn)，直到連成邊界弧段。3)拓?fù)潢P(guān)系生成對(duì)于矢量表示的邊界弧段，通過數(shù)學(xué)幾何關(guān)系判斷其與原圖上各多邊形的空間關(guān)系，然后形成完整的拓?fù)浣Y(jié)構(gòu)，并建立與屬性數(shù)據(jù)的聯(lián)系。4)去除多余點(diǎn)及圓滑屬于多邊形邊界的曲線由于節(jié)點(diǎn)搜索是逐個(gè)像素進(jìn)行的，必須通過擬合曲線去除由此造成的多余點(diǎn)，以減少數(shù)據(jù)冗余；同時(shí)采用插補(bǔ)算法對(duì)屬于多邊形邊界的曲線進(jìn)行光滑處理。常用的補(bǔ)算法包括有線性疊代法、分段三次多項(xiàng)式插值法、正軸拋物線平均加權(quán)法、斜軸拋物線平均加權(quán)法、樣條函數(shù)插值法。步驟(4).使用目標(biāo)對(duì)象的邊界多邊形切割原始影像目標(biāo)數(shù)據(jù)塊；
采用步驟(I)獲得的所有目標(biāo)對(duì)象的最小外包矩形作為對(duì)應(yīng)目標(biāo)對(duì)象的矢量多邊形，對(duì)原始影像數(shù)據(jù)進(jìn)行切割，并統(tǒng)計(jì)原始影像數(shù)據(jù)切割生成的目標(biāo)區(qū)塊數(shù)量；由于邊界多邊形在切割過程會(huì)影響影像數(shù)據(jù)的合并，因此對(duì)目標(biāo)邊界多邊形的邊界擴(kuò)展2 3像素，便于目標(biāo)處理后結(jié)果的鑲嵌與完整。步驟(5).采用負(fù)載均衡思想和四叉樹結(jié)構(gòu)思想組織動(dòng)態(tài)構(gòu)建動(dòng)態(tài)虛擬集群機(jī)，將步驟(4)獲得的影像目標(biāo)數(shù)據(jù)塊分發(fā)到對(duì)應(yīng)的計(jì)算節(jié)點(diǎn)并按要求對(duì)影像數(shù)據(jù)的增強(qiáng)、融合、分類及云監(jiān)測(cè)進(jìn)行計(jì)算；
所述的影像數(shù)據(jù)的增強(qiáng)方法包括基于空域變換方法的對(duì)比度增強(qiáng)、直方圖增強(qiáng)，基于空域?yàn)V波方法的卷積增強(qiáng)、銳化增強(qiáng)；以及基于頻域方法的高通、低通濾波影像增強(qiáng)方法。影像數(shù)據(jù)的融合包括IHS變換法、主成份變換法、高通濾波融合法、Brovery變換融合法。影像數(shù)據(jù)的分類包括監(jiān)督分類、非監(jiān)督分類。影像數(shù)據(jù)的云監(jiān)測(cè)包括基于光譜的方法、基于紋理的方法；其中光譜方法有ISCCP方法、APLOOL方法、CO薄片法、CLAVR方法等；紋理方法有基于統(tǒng)計(jì)模型的共生矩陣法、laws紋理能量法，以及基于結(jié)構(gòu)的方法和基于場(chǎng)模型的方法。
步驟￠).集群主控計(jì)算節(jié)點(diǎn)收集各層級(jí)計(jì)算節(jié)點(diǎn)的結(jié)果，并根據(jù)步驟(2)的地址碼按序返回原始影像數(shù)據(jù)的相應(yīng)位置。本發(fā)明與現(xiàn)有技術(shù)相比具有的有益效果是
(I)實(shí)現(xiàn)影像數(shù)據(jù)計(jì)算自動(dòng)分塊與分發(fā)處理，減少人機(jī)交互。傳統(tǒng)的基于集群計(jì)算并行處理，包括任務(wù)并行與數(shù)據(jù)并行，其中數(shù)據(jù)的并行通常并沒有準(zhǔn)確的數(shù)據(jù)劃分策略，且數(shù)據(jù)分發(fā)處理也比較隨意，同時(shí)數(shù)據(jù)并行處理的時(shí)間也主要取決于數(shù)據(jù)塊計(jì)算花費(fèi)的最長(zhǎng)時(shí)間。鑒于此，本發(fā)明主要運(yùn)用了基于數(shù)據(jù)并行的計(jì)算機(jī)集群高效并行處理能力與負(fù)載均衡處理機(jī)制。具體方法主要表現(xiàn)在影像數(shù)據(jù)劃分與集群計(jì)算節(jié)點(diǎn)的組織均采用四叉樹結(jié)構(gòu)思想，同時(shí)應(yīng)用局部處理的思想減少了影像處理過程中與目標(biāo)無(wú)關(guān)的不相關(guān)區(qū)域的計(jì)算，極大地提高了目標(biāo)處理的效率。本發(fā)明在大背景下影像數(shù)據(jù)目標(biāo)處理中應(yīng)用前景非常大，尤其是在民用交通、軍事等領(lǐng)域如海上艦船目標(biāo)識(shí)別方面的應(yīng)用更為廣泛，通過擴(kuò)展可以應(yīng)用到一般高分辨率影像數(shù)據(jù)目標(biāo)識(shí)別與分類處理，在諸如災(zāi)害等應(yīng)急響應(yīng)與快速處理具有極大的應(yīng)用價(jià)值。 (2)針對(duì)大背景下的目標(biāo)識(shí)別過程中所識(shí)別目標(biāo)數(shù)量相對(duì)少的特點(diǎn)，提出采用局部化計(jì)算的思想。其最為突出的特點(diǎn)在于通過使用Morton碼記錄目標(biāo)的位置關(guān)系，僅計(jì)算與目標(biāo)識(shí)別相關(guān)的最小外包矩形MBR，大大縮短了本方法在影像數(shù)據(jù)處理時(shí)間。通過估算目標(biāo)對(duì)象的大小自動(dòng)設(shè)置分塊的灰度閾值，為用戶定義閾值參數(shù)提供借鑒，從而給出更準(zhǔn)確的外包矩形以滿足實(shí)際目標(biāo)所要計(jì)算的區(qū)域。


圖I是本發(fā)明的流程 圖2是本發(fā)明的四叉數(shù)分塊結(jié)構(gòu)與Morton編碼規(guī)則 圖3是本發(fā)明的數(shù)據(jù)劃分與Morton編碼示意 圖4是本發(fā)明集群計(jì)算節(jié)點(diǎn)與影像數(shù)據(jù)塊分發(fā)示意圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。如圖I所示，大背景下高分辨率遙感影像目標(biāo)識(shí)別高效處理方法，具體實(shí)現(xiàn)步驟如下
步驟(I).原始影像數(shù)據(jù)的灰度化處理，設(shè)定目標(biāo)對(duì)象的經(jīng)驗(yàn)值，獲得目標(biāo)對(duì)象的灰度閾值及最小外包矩形；
將原始影像數(shù)據(jù)通過加權(quán)平均值法進(jìn)行灰度化處理，然后通過影像數(shù)據(jù)的影像解析度與經(jīng)驗(yàn)值計(jì)算目標(biāo)對(duì)象的大小并得出目標(biāo)對(duì)象的灰度閾值；且將處理后影像數(shù)據(jù)的像素灰度值與目標(biāo)對(duì)象的灰度閾值進(jìn)行比較，最終獲得所有目標(biāo)對(duì)象的最小外包矩形(MBR)。具體比較過程如圖2所示
采用四叉樹結(jié)構(gòu)思想對(duì)處理后影像數(shù)據(jù)進(jìn)行區(qū)塊劃分，該影像數(shù)據(jù)的行f列C所含像素個(gè)數(shù)分別為和，
若巧和》,-為奇數(shù)，則劃分時(shí)行、列時(shí)，h, = Lh,/2」+1 , we = L^/2j + l ;若劃分時(shí)分割線經(jīng)過目標(biāo)對(duì)象，即劃分所在行或列的像素灰度值在目標(biāo)對(duì)象的灰度閾值范圍內(nèi)，則該目標(biāo)對(duì)象所在的子區(qū)塊不再進(jìn)行劃分，并將該子區(qū)塊稱為與目標(biāo)對(duì)象對(duì)應(yīng)的最小外包矩形；否則繼續(xù)劃分。所述的目標(biāo)對(duì)象通常指用戶感興趣的地物目標(biāo)，如海上目標(biāo)識(shí)別領(lǐng)域所包括輪船、艦艇、海監(jiān)飛機(jī)。步驟(2).采用十進(jìn)制Morton碼對(duì)最小外包矩形進(jìn)行編碼構(gòu)建線性四叉樹；
將十進(jìn)制Morton碼(簡(jiǎn)稱碼)作為線性四叉樹的地址碼，在步驟(I)的影像數(shù)據(jù)進(jìn)
行區(qū)塊劃分后，通過自下而上的方法對(duì)最小外包矩形構(gòu)建線性四叉樹；
步驟(3).目標(biāo)對(duì)象邊界多邊形的提取與生成；
將步驟(I)劃分出的所有最小外包矩形，按行列順序從左到右逐個(gè)掃描，若掃描得出 該最小外包矩形內(nèi)有多個(gè)目標(biāo)對(duì)象，則對(duì)該最小外包矩形內(nèi)能合并的多個(gè)目標(biāo)對(duì)象的像素進(jìn)行合并，不能合并的則產(chǎn)生相應(yīng)的目標(biāo)對(duì)象的邊界多邊形；在目標(biāo)對(duì)象邊界多邊形的提取與生成中，必須經(jīng)過一個(gè)柵格數(shù)據(jù)的矢量化過程，該矢量化過程包括以下基本步驟
1)多邊形的邊界提取采用高通濾波將柵格圖像二值化或以特殊值標(biāo)識(shí)邊界點(diǎn)；
2)邊界線追蹤對(duì)每個(gè)邊界弧段由一個(gè)節(jié)點(diǎn)向其相鄰的另一個(gè)節(jié)點(diǎn)搜索，通常對(duì)每個(gè)已知進(jìn)入方向的邊界點(diǎn)，除自身進(jìn)入方向外需沿其它七個(gè)方向搜索下一個(gè)相鄰的邊界點(diǎn)，直到連成邊界弧段。3)拓?fù)潢P(guān)系生成對(duì)于矢量表示的邊界弧段，通過數(shù)學(xué)幾何關(guān)系判斷其與原圖上各多邊形的空間關(guān)系，然后形成完整的拓?fù)浣Y(jié)構(gòu)，并建立與屬性數(shù)據(jù)的聯(lián)系。4)去除多余點(diǎn)及圓滑屬于多邊形邊界的曲線由于節(jié)點(diǎn)搜索是逐個(gè)像素進(jìn)行的，必須通過擬合曲線去除由此造成的多余點(diǎn)，以減少數(shù)據(jù)冗余；同時(shí)采用插補(bǔ)算法對(duì)屬于多邊形邊界的曲線進(jìn)行光滑處理。常用的補(bǔ)算法包括有線性疊代法、分段三次多項(xiàng)式插值法、正軸拋物線平均加權(quán)法、斜軸拋物線平均加權(quán)法、樣條函數(shù)插值法。步驟⑷.使用目標(biāo)對(duì)象的邊界多邊形切割原始影像目標(biāo)數(shù)據(jù)塊；
采用步驟(I)獲得的所有目標(biāo)對(duì)象的最小外包矩形作為對(duì)應(yīng)目標(biāo)對(duì)象的矢量多邊形，對(duì)原始影像數(shù)據(jù)進(jìn)行切割，并統(tǒng)計(jì)原始影像數(shù)據(jù)切割生成的目標(biāo)區(qū)塊數(shù)量；由于邊界多邊形在切割過程會(huì)影響影像數(shù)據(jù)的合并，因此對(duì)目標(biāo)邊界多邊形的邊界擴(kuò)展2 3像素，便于目標(biāo)處理后結(jié)果的鑲嵌與完整。步驟(5).采用負(fù)載均衡思想和四叉樹結(jié)構(gòu)思想組織動(dòng)態(tài)構(gòu)建動(dòng)態(tài)虛擬集群機(jī)，將步驟(4)獲得的影像目標(biāo)數(shù)據(jù)塊分發(fā)到對(duì)應(yīng)的計(jì)算節(jié)點(diǎn)并按要求對(duì)影像數(shù)據(jù)的增強(qiáng)、融合、分類及云監(jiān)測(cè)進(jìn)行計(jì)算；
所述的影像數(shù)據(jù)的增強(qiáng)方法包括基于空域變換方法的對(duì)比度增強(qiáng)、直方圖增強(qiáng)，基于空域?yàn)V波方法的卷積增強(qiáng)、銳化增強(qiáng)；以及基于頻域方法的高通、低通濾波影像增強(qiáng)方法。影像數(shù)據(jù)的融合包括IHS變換法、主成份變換法、高通濾波融合法、Brovery變換融合法。影像數(shù)據(jù)的分類包括監(jiān)督分類、非監(jiān)督分類。影像數(shù)據(jù)的云監(jiān)測(cè)包括基于光譜的方法、基于紋理的方法；其中光譜方法有ISCCP方法、APLOOL方法、CO薄片法、CLAVR方法等；紋理方法有基于統(tǒng)計(jì)模型的共生矩陣法、laws紋理能量法，以及基于結(jié)構(gòu)的方法和基于場(chǎng)模型的方法。步驟￠).集群主控計(jì)算節(jié)點(diǎn)收集各層級(jí)計(jì)算節(jié)點(diǎn)的結(jié)果，并根據(jù)步驟(2)的地址碼按序返回原始影像數(shù)據(jù)的相應(yīng)位置。
實(shí)施例第一步為影像數(shù)據(jù)的灰度化處理，根據(jù)經(jīng)驗(yàn)值設(shè)定目標(biāo)對(duì)象的灰度閾值按四叉樹結(jié)構(gòu)思想與規(guī)則針對(duì)影像數(shù)據(jù)的長(zhǎng)寬進(jìn)行區(qū)塊劃分，經(jīng)多次循環(huán)與層次化過程，最后獲得目標(biāo)對(duì)象最小外包矩形。劃分結(jié)果如圖2所示，影像大小為314x226，經(jīng)過一次劃分，則每個(gè)子區(qū)塊大小為157 Xl 13 ;再劃分子區(qū)塊大小為78x37 ,依此類推。第二步采用十進(jìn)制Morton碼對(duì)目標(biāo)區(qū)塊進(jìn)行編碼構(gòu)建四叉樹，首先針對(duì)第一步劃分結(jié)果依自然數(shù)順序按行進(jìn)行掃描并編碼，如對(duì)附圖2劃分后可得附圖3左圖所示的Morton編碼，再由左邊所示自底向上構(gòu)建形成一顆倒掛的四叉樹，見附圖3右圖，其中黑色 葉子節(jié)點(diǎn)表示目標(biāo)對(duì)象所在區(qū)域，即為下面要分發(fā)到各計(jì)算節(jié)點(diǎn)的影像數(shù)據(jù)區(qū)域。第三步針對(duì)第一步的目標(biāo)對(duì)象的最小外包矩形，采用按行列順序從左到右掃描，通過合并給定閾值范圍的像素灰度值的象元可以進(jìn)一步獲得該MBR內(nèi)所有的目標(biāo)對(duì)象邊界多邊形，同時(shí)在子區(qū)塊1，經(jīng)過掃描合并的過程，可以得到3個(gè)目標(biāo)對(duì)象邊界多邊形。第四步利用第三步獲得的目標(biāo)對(duì)象邊界多邊形對(duì)原始影像數(shù)據(jù)進(jìn)行切割，可得到基于目標(biāo)數(shù)量一致的影像數(shù)據(jù)塊。如附圖2所示，針對(duì)給定目標(biāo)大小閾值范圍，對(duì)符合條件的目標(biāo)采用其MBR進(jìn)行切割，得到如圖3右圖構(gòu)筑的黑色葉子節(jié)點(diǎn)，Morton編碼分別為(1,3,8,9, 10，12，21)共7個(gè)目標(biāo)對(duì)象。其中Morton編碼為I的經(jīng)過多次循環(huán)，可以切割產(chǎn)生出3個(gè)目標(biāo)對(duì)象。第五步采用負(fù)載均衡思想并依據(jù)四叉樹結(jié)構(gòu)思想組織集群計(jì)算節(jié)點(diǎn)構(gòu)建虛擬集群機(jī)，將第三步獲得的影像數(shù)據(jù)塊分發(fā)到對(duì)應(yīng)的計(jì)算節(jié)點(diǎn)按要求進(jìn)行計(jì)算。先對(duì)目標(biāo)數(shù)量與各目標(biāo)信息量進(jìn)行統(tǒng)計(jì)，然后組織集群計(jì)算節(jié)點(diǎn)形成四叉樹結(jié)構(gòu)，具體組織如附圖4所
示，組織方法為+41+…4’6 A之0 為四叉樹虛擬組織結(jié)構(gòu)的級(jí)(層)數(shù)?；谪?fù)載
均衡的思路，目標(biāo)數(shù)量Num計(jì)算節(jié)點(diǎn)具有如下分發(fā)情況
(1)Num = 4° = I , A = I ,影像目標(biāo)直接分發(fā)到一級(jí)主控計(jì)算節(jié)點(diǎn)2V= 4。= I ；
(2)l<i￥a <4°+41 = 5,A = 2 ,可將影像目標(biāo)平均分發(fā)到二級(jí)節(jié)點(diǎn)；
(3)依此類推，在分發(fā)完前A-I級(jí)數(shù)據(jù)的基礎(chǔ)上，將剩余的數(shù)據(jù)平均分配到當(dāng)前A級(jí)計(jì)算節(jié)點(diǎn)。第六步集群主控計(jì)算節(jié)點(diǎn)收集各層級(jí)計(jì)算節(jié)點(diǎn)的結(jié)果，并根據(jù)步驟(2)的地址碼按序返回原始影像數(shù)據(jù)的相應(yīng)位置；目標(biāo)對(duì)象結(jié)果的收集按自底向上逐級(jí)收集并及時(shí)合并，經(jīng)過多輪的操作，最后到達(dá)主控計(jì)算節(jié)點(diǎn)。如附圖4所示，七個(gè)計(jì)算目標(biāo)對(duì)象組織成一個(gè)準(zhǔn)平衡四叉樹結(jié)構(gòu)，由于最后一個(gè)計(jì)算節(jié)點(diǎn)僅分配一個(gè)計(jì)算數(shù)據(jù)，因此可不分配計(jì)算節(jié)點(diǎn)回退到上一級(jí)計(jì)算節(jié)點(diǎn)即二級(jí)節(jié)點(diǎn)。
權(quán)利要求
1.大背景下高分辨率遙感影像目標(biāo)識(shí)別高效處理方法，其特征在于包括如下步驟步驟(I).原始影像數(shù)據(jù)的灰度化處理，設(shè)定目標(biāo)對(duì)象的經(jīng)驗(yàn)值，獲得目標(biāo)對(duì)象的灰度閾值及最小外包矩形； 將原始影像數(shù)據(jù)通過加權(quán)平均值法進(jìn)行灰度化處理，然后通過影像數(shù)據(jù)的影像解析度與經(jīng)驗(yàn)值計(jì)算目標(biāo)對(duì)象的大小并得出目標(biāo)對(duì)象的灰度閾值；且將處理后影像數(shù)據(jù)的像素灰度值與目標(biāo)對(duì)象的灰度閾值進(jìn)行比較，最終獲得所有目標(biāo)對(duì)象的最小外包矩形； 具體比較過程如下 采用四叉樹結(jié)構(gòu)思想對(duì)處理后影像數(shù)據(jù)進(jìn)行區(qū)塊劃分，該影像數(shù)據(jù)的行I、列e所含像素個(gè)數(shù)分別為和， 若 或 為奇數(shù)，則劃分時(shí)行、列時(shí)，= /2」+1 ,nc = [nJ2] + l ;若劃分時(shí)分割線經(jīng)過 目標(biāo)對(duì)象，即劃分所在行或列的像素灰度值在目標(biāo)對(duì)象的灰度閾值范圍內(nèi)，則該目標(biāo)對(duì)象所在的子區(qū)塊不再進(jìn)行劃分，并將該子區(qū)塊稱為與目標(biāo)對(duì)象對(duì)應(yīng)的最小外包矩形；否則繼續(xù)劃分； 步驟(2).采用十進(jìn)制Morton碼對(duì)最小外包矩形進(jìn)行編碼構(gòu)建線性四叉樹； 將十進(jìn)制Morton碼作為線性四叉樹的地址碼，在步驟(I)的影像數(shù)據(jù)進(jìn)行區(qū)塊劃分后，通過自下而上的方法對(duì)最小外包矩形構(gòu)建線性四叉樹； 步驟(3).目標(biāo)對(duì)象邊界多邊形的提取與生成； 將步驟(I)劃分出的所有最小外包矩形，按行列順序從左到右逐個(gè)掃描，若掃描得出該最小外包矩形內(nèi)有多個(gè)目標(biāo)對(duì)象，則對(duì)該最小外包矩形內(nèi)能合并的多個(gè)目標(biāo)對(duì)象的像素進(jìn)行合并，不能合并的則產(chǎn)生相應(yīng)的目標(biāo)對(duì)象的邊界多邊形；在目標(biāo)對(duì)象邊界多邊形的提取與生成中，必須經(jīng)過一個(gè)柵格數(shù)據(jù)的矢量化過程，該矢量化過程包括以下基本步驟 1)多邊形的邊界提取采用高通濾波將柵格圖像二值化或以特殊值標(biāo)識(shí)邊界點(diǎn)； 2)邊界線追蹤對(duì)每個(gè)邊界弧段由一個(gè)節(jié)點(diǎn)向其相鄰的另一個(gè)節(jié)點(diǎn)搜索，通常對(duì)每個(gè)已知進(jìn)入方向的邊界點(diǎn)，除自身進(jìn)入方向外需沿其它七個(gè)方向搜索下一個(gè)相鄰的邊界點(diǎn)，直到連成邊界弧段； 3)拓?fù)潢P(guān)系生成對(duì)于矢量表示的邊界弧段，通過數(shù)學(xué)幾何關(guān)系判斷其與原圖上各多邊形的空間關(guān)系，然后形成完整的拓?fù)浣Y(jié)構(gòu)，并建立與屬性數(shù)據(jù)的聯(lián)系； 4)去除多余點(diǎn)及圓滑屬于多邊形邊界的曲線由于節(jié)點(diǎn)搜索是逐個(gè)像素進(jìn)行的，必須通過擬合曲線去除由此造成的多余點(diǎn)，以減少數(shù)據(jù)冗余；同時(shí)采用插補(bǔ)算法對(duì)屬于多邊形邊界的曲線進(jìn)行光滑處理； 常用的插補(bǔ)算法包括有線性疊代法、分段三次多項(xiàng)式插值法、正軸拋物線平均加權(quán)法、斜軸拋物線平均加權(quán)法、樣條函數(shù)插值法； 步驟(4).使用目標(biāo)對(duì)象的邊界多邊形切割原始影像目標(biāo)數(shù)據(jù)塊； 采用步驟(I)獲得的所有目標(biāo)對(duì)象的最小外包矩形作為對(duì)應(yīng)目標(biāo)對(duì)象的矢量多邊形，對(duì)原始影像數(shù)據(jù)進(jìn)行切割，并統(tǒng)計(jì)原始影像數(shù)據(jù)切割生成的目標(biāo)區(qū)塊數(shù)量；同時(shí)對(duì)目標(biāo)邊界多邊形的邊界擴(kuò)展2 3像素，便于目標(biāo)處理后結(jié)果的鑲嵌與完整； 步驟(5).采用負(fù)載均衡思想和四叉樹結(jié)構(gòu)思想組織動(dòng)態(tài)構(gòu)建動(dòng)態(tài)虛擬集群機(jī)，將步驟(4)獲得的影像目標(biāo)數(shù)據(jù)塊分發(fā)到對(duì)應(yīng)的計(jì)算節(jié)點(diǎn)并按要求對(duì)影像數(shù)據(jù)的增強(qiáng)、融合、分類及云監(jiān)測(cè)進(jìn)行計(jì)算；所述的影像數(shù)據(jù)的增強(qiáng)方法包括基于空域變換方法的對(duì)比度增強(qiáng)、直方圖增強(qiáng)，基于空域?yàn)V波方法的卷積增強(qiáng)、銳化增強(qiáng)；以及基于頻域方法的高通、低通濾波影像增強(qiáng)方法；影像數(shù)據(jù)的融合包括=IHS變換法、主成份變換法、高通濾波融合法、Bixwery變換融合法; 影像數(shù)據(jù)的分類包括監(jiān)督分類、非監(jiān)督分類； 影像數(shù)據(jù)的云監(jiān)測(cè)包括基于光譜的方法、基于紋理的方法；其中光譜方法有=ISCCP方法、APLOOL方法、CO薄片法、CLAVR方法等；紋理方法有基于統(tǒng)計(jì)模型的共生矩陣法、laws紋理能量法，以及基于結(jié)構(gòu)的方法和基于場(chǎng)模型的方法； 步驟￠).集群主控計(jì)算節(jié)點(diǎn)收集各層級(jí)計(jì)算節(jié)點(diǎn)的結(jié)果，并根據(jù)步驟(2)的地址碼按序返回原始影像數(shù)據(jù)的相應(yīng)位置。
全文摘要
本發(fā)明公開了一種大背景下高分辨率遙感影像目標(biāo)識(shí)別高效處理方法。本發(fā)明具體步驟如下1.原始影像數(shù)據(jù)的灰度化處理，設(shè)定目標(biāo)對(duì)象的經(jīng)驗(yàn)值，獲得目標(biāo)對(duì)象的灰度閾值及最小外包矩形；2.采用十進(jìn)制Morton碼對(duì)最小外包矩形進(jìn)行編碼構(gòu)建線性四叉樹；3.目標(biāo)對(duì)象邊界多邊形的提取與生成；4.邊界多邊形切割原始影像目標(biāo)數(shù)據(jù)塊；5.動(dòng)態(tài)構(gòu)建動(dòng)態(tài)虛擬集群機(jī)，將影像目標(biāo)數(shù)據(jù)塊分發(fā)到對(duì)應(yīng)的計(jì)算節(jié)點(diǎn)并按要求計(jì)算；6.集群主控計(jì)算節(jié)點(diǎn)收集各層級(jí)計(jì)算節(jié)點(diǎn)的結(jié)果，并根據(jù)步驟2的地址碼按序返回原始影像數(shù)據(jù)的相應(yīng)位置。本發(fā)明實(shí)現(xiàn)影像數(shù)據(jù)計(jì)算自動(dòng)分塊與分發(fā)處理，減少人機(jī)交互，同時(shí)提出采用局部化計(jì)算的思想進(jìn)一步提升影像處理效率。
文檔編號(hào)G06K9/46GK102799898SQ20121022603
公開日2012年11月28日 申請(qǐng)日期2012年6月28日 優(yōu)先權(quán)日2012年6月28日
發(fā)明者劉仁義, 杜震洪, 張豐, 曾志 申請(qǐng)人:浙江大學(xué)