專利名稱：一種非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，涉及一種非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，可以應(yīng)用于復(fù)雜背景下的遙感圖像多類感興趣目標(biāo)區(qū)域檢測和定位。
背景技術(shù)：
遙感圖像的目標(biāo)檢測是隨著遙感技術(shù)的發(fā)展而興起的一項(xiàng)新技術(shù)，具有作用距離遠(yuǎn)、覆蓋范圍廣、執(zhí)行效率高等方面的優(yōu)點(diǎn)，同時也有著重要的軍事意義和民用價(jià)值。復(fù)雜場景遙感圖像的目標(biāo)檢測，就是在遙感圖像分析和解譯的過程中，針對特定的一類或幾類目標(biāo)，自動的提取出對解譯推理有用的關(guān)鍵性信息，并分析計(jì)算其相關(guān)屬性，為進(jìn)一步的解譯檢測提供證據(jù)。此時的復(fù)雜場景，也正是由于遙感圖像覆蓋面積廣，包含目標(biāo)多，紋理特征復(fù)雜，識別難度大而得名。
目前主要的遙感圖像目標(biāo)檢測算法主要有兩種思路自底向上的底層特征驅(qū)動型和自上而下的任務(wù)驅(qū)動型。由于對于遙感圖像來說，一幅圖像往往會包含很大范圍的場景，信息量大，紋理復(fù)雜，顏色豐富，如果能夠合理的將這些信息中的有用部分結(jié)合起來，則可以得出令人滿意的檢測結(jié)果。當(dāng)然如果能夠借助特定任務(wù)目標(biāo)的先驗(yàn)知識，這將可以減少計(jì)算量，增加識別精度，例如在進(jìn)行橋梁檢測和水體檢測時，一些學(xué)者根據(jù)橋梁和水域的特征提出了一種基于小樹變換的水域分割方法和知識驅(qū)動的橋梁檢測方法。他們首先對全色高分辨率遙感圖像根據(jù)橋梁先驗(yàn)知識建立橋梁知識庫，利用小樹變換進(jìn)行特征提取并分割水域，隨后進(jìn)行數(shù)學(xué)形態(tài)學(xué)運(yùn)算以連通水域，將連通前后的水域做差得到可能的橋梁片段，然后由可能的橋梁片段檢測橋梁候選區(qū)，最后進(jìn)行特征匹配檢測出橋梁。但是此類算法有幾點(diǎn)缺陷第一，該算法首先需要根據(jù)人工選取的初始種子點(diǎn)確定水域的條件，然后根據(jù)初始種子點(diǎn)所處位置不同自動將河流分為兩部分，再由初始種子點(diǎn)開始分別對兩部分按順流速掃方式進(jìn)行掃描，直至將河流掃描完畢。這種半自動的方法并不能夠滿足現(xiàn)在人們對目標(biāo)完全自動識別的需求。第二，該算法只適應(yīng)于水體和橋梁的檢測，如果更換目標(biāo)，則此算法將不能完成準(zhǔn)確的目標(biāo)檢測。

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)明提出了一種自底向上的非監(jiān)督遙感圖像多類目標(biāo)區(qū)域檢測方法，可以自動地從具有復(fù)雜背景的遙感圖像中檢測并定位出多類目標(biāo)的潛在區(qū)域，具有較好的檢測結(jié)果。技術(shù)方案一種非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于步驟如下步驟I提取顯著性特征分量圖分別以模型SR，SDS, FT, GBVS, CA和WSCR作為圖像的顯著性特征提取算法，得出相應(yīng)的顯著性特征分別為SSK, Ssds, Sft, Sgbvs, Sca和Swsai,具體如下
I) SR提取算法設(shè)置尺度參數(shù)SR_scale = [2，3，4]，利用SR提取算法得到三個顯著性特征分量圖SR_1、SR_2、SR_3,每次進(jìn)行提取前將原始圖像縮小為原來的
權(quán)利要求
1.一種非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于步驟如下 步驟I提取顯著性特征分量圖分別以模型SR，SDS，F(xiàn)T，GBVS，CA和WSCR作為圖像的顯著性特征提取算法，得出相應(yīng)的顯著性特征分別為SSK, Ssds, Sft,和Swsai,具體如下 1)SR提取算法設(shè)置尺度參數(shù)SR_scale = [2，3，4]，利用SR提取算法得到三個顯著性特征分量圖SR_1、SR_2、SR_3，每次進(jìn)行提取前將原始圖像縮小為原來的
2.根據(jù)權(quán)利要求I所述非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于所述SR顯著性特征提取算法米用 Saliency Detection:A Spectral Residual Approach文章中提出的SR算法進(jìn)行顯著性特征提取。
3.根據(jù)權(quán)利要求I所述非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于所述SDS 算法利用文章 Salient region detection and segmentation 中提出的 SDS 算法。
4.根據(jù)權(quán)利要求I所述非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于所述FT 算法利用文章 Frequency-tuned salient region detection 中提出的 FT 算法。
5.根據(jù)權(quán)利要求I所述非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于所述 GBVS 算法利用論文 Airport Detection in Remote Sensing Images Based onVisualAttention中提出的改進(jìn)GBVS算法。
6.根據(jù)權(quán)利要求I所述非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于所述CA算法利用文章Context-aware saliency detection中提出的CA算法。
7.根據(jù)權(quán)利要求I所述非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于所述SWCR算法利用文章Emergence of simple-cell receptive field properties bylearninga sparse code for natural images 提出的 SWCR 算法。
8.根據(jù)權(quán)利要求I所述非監(jiān)督的遙感圖像潛在目標(biāo)區(qū)域檢測方法，其特征在于所述meanshif 算法利用文章Frequency-tuned Salient Region Detection 中提至I^meanshift算法。
全文摘要
本發(fā)明涉及一種非監(jiān)督遙感圖像目標(biāo)潛在區(qū)域檢測方法，在對遙感圖像多類目標(biāo)潛在區(qū)域進(jìn)行檢測時，首先提取相應(yīng)的顯著性特征通道，然后利用求平均的方法對這些提取到的特征進(jìn)行融合，得到整幅圖像顯著圖，最后利用meanshft和自適應(yīng)閾值分割方法對顯著圖進(jìn)行分割，得出目標(biāo)潛在區(qū)域的二值圖。本發(fā)明提出一種基于視覺注意理論的自底向上的非監(jiān)督遙感圖像目標(biāo)潛在區(qū)域檢測方法，可以應(yīng)用于復(fù)雜背景下的遙感圖像多類感興趣目標(biāo)潛在區(qū)域的檢測和定位。該方法具有較高的檢測精度和較低的虛警率，與現(xiàn)有方法相比具有明顯優(yōu)勢。
文檔編號G06T7/00GK102968786SQ201210408889
公開日2013年3月13日 申請日期2012年10月23日 優(yōu)先權(quán)日2012年10月23日
發(fā)明者韓軍偉, 張鼎文, 郭雷, 周培誠, 程塨, 姚西文 申請人:西北工業(yè)大學(xué)