[发明专利]一种遥感景象的自动识别方法

权利要求书

1.一种遥感景象的自动识别方法，其特征在于：含有以下步骤：

步骤一：设计特征提取滤波器，其步骤为：

定义I表示一张分辨率为X×Y的遥感景象黑白图像，I是X×Y维矩阵，I(x,y)是矩阵(x,y)位置的元素，表示遥感景象图像(x,y)位置像素的灰度值；

令(x',y')为图像空间域(x,y)变换到频域的单位度量；

在频域，针对N_S个尺度和N_O个角度设计N_SN_O个特征提取滤波器，其中第i尺度层级和第j角度层级的特征提取滤波器为：

$G(x^{\′},y^{\′};i,j)=\exp \{-\frac{{(x^{\′}-\frac{X}{2})}^2+{(y^{\′}-\frac{Y}{2})}^2}{\mathrm{\σ}{\left(i\right)}^2}-\mathrm{\γ}{\[\arctan \left(\frac{y^{\′}-\frac{Y}{2}}{x^{\′}-\frac{X}{2}}\right)+\frac{j\mathrm{\π}}{N_O}\]}^2\}---\left(1\right)$

式中，特征提取滤波器G(x',y'；i,j)的指数函数中包括尺度项和角度项两部分；尺度项刻画遥感景象图像频谱在第i尺度上的特征，角度项刻画遥感景象图像频谱在角度上的特征；γ是权重参数，用来平衡尺度项和角度项在特征滤波器中的作用权重；

步骤二：用特征提取滤波器对遥感景像图像进行空间域滤波，提取遥感景象图像的旋转不变子描述子，其步骤为：

根据空间域卷积滤波等效于频域乘积，特征提取滤波器G(x',y'；i,j)对遥感景象图像I(x,y)在空间域的滤波通过频域乘积形式计算，表示为：

F_ij(x,y)＝IDFT2[DFT2[I(x,y)]G(x',y'；i,j)](2)

式中，DFT2[]表示二维傅里叶变换，IDFT2[]表示二维逆傅里叶变换，F_ij是X×Y维特征映射矩阵，其第(x,y)元素为F_ij(x,y)；

将整个特征映射矩阵F_ij均分为S_x×S_y个不交叠的子矩阵，要求S_x和S_y分别能整除X和Y，然后将每个子矩阵中的元素按公式(3)进行平均，公式(3)表示为：

${\stackrel{\‾}{F}}_{ij}(x_s,y_s)=\underset{x=\frac{(x_s-1)X+S_x}{S_x}}{\overset{\frac{x_{s}X}{S_x}}{\Σ}}\underset{y=\frac{(y_s-1)Y+S_y}{S_y}}{\overset{\frac{y_{s}Y}{S_y}}{\Σ}}{F}_{ij}(x,y)---\left(3\right)$

式中，是S_x×S_y维的聚合特征映射矩阵；

将聚合特征映射矩阵由左至右的所有列从上到下排列，得到M＝S_xS_y维向量表示遥感景象图像在i尺度层级和j角度层级的子描述子；

定义具有旋转不变性的特性向量Q_ij，其维数与子描述子维数相同，特性向量Q_ij第n元素Q_ij(n)表示为：

$Q_{ij}\left(n\right)=\frac{{(-1)}^{n+1}}{n}\underset{r=1}{\overset{n}{\Σ}}\[{(-1)}^{n+r}{Q}_{ij}(n-r)\underset{m=1}{\overset{M}{\Σ}}{\[{\tilde{F}}_{ij}\left(m\right)\]}^r\]---\left(4\right)$

式中，无论子描述子中元素次序怎样改变，都会对应相同的特性向量；

对特性向量Q_ij的每个元素Q_ij(n)进行如下对数化处理：

P_ij(n)＝signum[Q_ij(n)]ln[1+|Q_ij(n)|](5)

式中，signum[Q_ij(n)]表示Q_ij(n)的正负号，P_ij表示遥感景象图像在i尺度层级和j角度层级的旋转不变子描述子；

步骤三：综合遥感景象图像各尺度和角度层级的旋转不变子描述子，形成遥感景象图像的旋转不变子描述子，其步骤为：

计算各尺度i和角度j的子描述子P_ij，得到N_SN_O个旋转不变子描述子，将N_SN_O个子描述子首尾相连组合成一个MN_SN_O维向量形式的新描述子P，新描述子P作为刻画一张遥感景象图像特征的向量，表示遥感景象图像的旋转不变描述子；

步骤四：基于遥感景象图像的旋转不变描述子训练超限学习机分类器，运用训练所得的超限学习机自动识别遥感图像的景象类别。