[发明专利]一种非监督的遥感图像潜在目标区域检测方法有效

专利信息
申请号: 201210408889.8 申请日: 2012-10-23
公开(公告)号: CN102968786A 公开(公告)日: 2013-03-13
发明(设计)人: 韩军伟;张鼎文;郭雷;周培诚;程塨;姚西文 申请(专利权)人: 西北工业大学
主分类号: G06T7/00 分类号: G06T7/00
代理公司: 西北工业大学专利中心 61204 代理人: 王鲜凯
地址: 710072 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种非监督遥感图像目标潜在区域检测方法,在对遥感图像多类目标潜在区域进行检测时,首先提取相应的显著性特征通道,然后利用求平均的方法对这些提取到的特征进行融合,得到整幅图像显著图,最后利用meanshft和自适应阈值分割方法对显著图进行分割,得出目标潜在区域的二值图。本发明提出一种基于视觉注意理论的自底向上的非监督遥感图像目标潜在区域检测方法,可以应用于复杂背景下的遥感图像多类感兴趣目标潜在区域的检测和定位。该方法具有较高的检测精度和较低的虚警率,与现有方法相比具有明显优势。
搜索关键词: 一种 监督 遥感 图像 潜在 目标 区域 检测 方法
【主权项】:
1.一种非监督的遥感图像潜在目标区域检测方法,其特征在于步骤如下:步骤1提取显著性特征分量图:分别以模型SR,SDS,FT,GBVS,CA和WSCR作为图像的显著性特征提取算法,得出相应的显著性特征分别为:SSR,SSDS,SFT,SGBVS,SCA和SWSCR,具体如下:1)SR提取算法:设置尺度参数SR_scale=[2,3,4],利用SR提取算法得到三个显著性特征分量图SR_1、SR_2、SR_3,每次进行提取前将原始图像缩小为原来的并设定算法中高斯平滑窗口大小为gaussian_size=SR_scale×s,s为一常数,其范围在[0.01,0.5],用于调节高斯平滑窗口大小;最后将SR_1、SR_2、SR_3统一调整为[200×200]个像素;2)SDS提取算法:将原始图像缩小为[200×200]个像素,然后利用SDS算法生成SDS_1、SDS_2、SDS_3、SDS_4四个显著性特征分量图;其中SDS_1为SDS算法中的l显著性特征分量图,SDS_2为SDS算法中的a显著性特征分量图,SDS_3为SDS算法中的b显著性特征分量图,SDS_4为SDS算法中的最终显著性特征图;3)FT提取算法:将原始图像缩小为dims=[200×200]个像素,然后利用FT提取算法生成FT显著性特征分量图;其中设置FT提取算法中高斯平滑窗口的大小为gaussian_size=dims×s;4)GBVS提取算法:利用GBVS算法,提取GBVS_1,GBVS_2和GBVS_3三个显著性特征分量图;其中:GBVS_1中设置params.LINE=1,以加入直线检测通道;设置params.useIttiKochInsteadOfGBVS=1,以利用ITTI近似模型进行计算;GBVS_2中设置params.LINE=1,以加入直线检测通道;设置params.useIttiKochInsteadOfGBVS=0,以利用随机场模型进行计算;GBVS 3中设置params.LINE=0,以不加入直线检测通道;设置params.useIttiKochInsteadOfGBVS=0,以利用随机场模型进行计算;5)CA提取算法:将原始图像缩小为dims=[200×200]个像素,然后利用CA算法生成CA显著性特征分量图;6)SWCR提取算法:将原始图像缩小为dims=[200×200]个像素,然后利用SWCR算法生成SWCR_1,SWCR_2两个显著性特征分量图;其中:在SWCR_1中设置patch_size=25,surroundratio=5;在SWCR_2中设置patch_size=15,surroundratio=5;所述patch_size∈[5,50]表示算法中用于对比的图块大小;surroundratio∈[3,9]表示中心图块周围的用于对比的区域范围;步骤2融合生成显著图:将步骤1中提取的各个显著性特征分量图采用下式融合生成输入图像的显著图Smap:Smap=(SR_1+SR_2+SR_3+SDS_1+SDS_2+SDS_3+SDS_4+FT                                                            ;    +GBVS_1+GBVS_2+GBVS_3+CA+WSCR_1+WSCR_2)/14步骤3显著区域分割:利用meanshift算法将原始图像进行分割,得出分割区域为rk,k=1,2...K,其中K表示分割出的区域总数,然后利用步骤2得出的显著图中的显著值来计算分割出的每个区域的平均显著值Vk然后利用每个区域的平均显著值生成分割显著图Smap_seg,最后利用自适应阈值Ta对Smap_seg进行分割得出二值图BinaryMap;其中自适应阈值Ta设定为:Ta=tW×HΣx=0W-1Σy=0H-1S(x,y)]]>BinaryMap(i,j)=1,S(x,y)Ta0,S(x,y)<Ta]]>其中|rk|表示第k个区域的范围,mi,j表示显著图中位于坐标(i,j)处的显著值;W,H分别为分割显著图Smap_seg的沿x轴和y轴的像素数,S(x,y)为分割显著图Smap_seg中位置(x,y)上的显著值;t为一个常数参数,设定其为t∈[1,2]中的一个值。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北工业大学,未经西北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201210408889.8/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top