一种利用单类支持向量机检测河流目标的方法

摘要

为了解决现有技术中无法通过训练样本进行学及检测结果不够准确的问题，本发明提供一种利用单类支持向量机检测河流目标的方法，提取遥感图像中的光谱特征后经过粗筛选过程，基于光谱特征，提取河流候选区域，再利用光谱值生成的特征向量对单类支持向量机进行训练。针对粗筛选过程的结果再进行精细检测，以便对河流候选区域进行图像分割，生成形状特征，最后根据形状指数阈值，实现目标检测。本发明使用单类支持向量机方法仅需要一类训练样本，提高检测效率；同时通过粗筛选和精细检测两个环节提高了检测的准确度。

主权项

一种利用单类支持向量机检测河流目标的方法，其特征是：包含以下步骤：A.选择波段：在遥感图像中选取波段组合进行地物区分和河流提取，以便对水体、植被以及其他地面物体进行识别；B.特征分析与选择：选择A环节处理过的图像，进行光谱特征分析：光谱分析采用的光谱特征是：河流等水体目标在遥感图像中，以灰度值区分河流目标；C.粗筛选过程：基于光谱特征，提取河流候选区域：选择若干目标样本，提取每个像素的光谱值作为分类特征，利用公式x_i＝(r_i，g_i，b_i)生成特征向量，利用生成的特征向量对单类支持向量机进行最优化问题求解，在训练时采用RBF核函数进行训练，并通过10折交叉验证确定分类模型，对整个遥感影像进行单类分类，得到水体类别提取结果；其中，r_i为红色分量，g_i为绿色分量，b_i为蓝色分量；其中，||x_i‑x_j||表示空间中任意两点x_i和x_j之间的欧氏距离；γ为核参数；D.精细检测过程：针对C环节中的结果，对河流候选区域进行图像分割，生成形状特征指数：在C环节粗筛选环节所得结果的基础上，采用图像阈值分割技术，设置阈值参数，将大于阈值且相邻的像素进行合并，生成不同大小的目标类别连通区域，再由每个连通区域内的像素计算得到形状特征指数并设定面积阈值进行小区域去除，最后将去除小面域的图像合并到背景区域；其中，边界长e：边界象素的个数，一个象素的边界长为1；面积A：组成该对象的象素总数，其中一个象素边缘的长设为1；E.目标检测：设定形状指数阈值，并根据D环节得出的形状特征指数确定河流目标，实现目标检测。