一种基于上下文约束的目标识别方法

摘要

本发明公开了一种基于上下文约束的目标识别方法，属于遥感图像处理领域，用于遥感图像场景分类及目标的检测识别。该方法首先对图像进行滤波处理，然后进行区域分割，将图像分割为多个连通域，并对每个连通域进行标记，其次，计算每个连通域的特征向量，并输入到事先训练好的分类器中进行场景分类计算，输出类别标记图，接着，在此基础上，根据需要识别的目标，在标记图上划定目标可能存在的局部区域范围，并对该局部区域进行预处理操作，在该区域内计算感兴趣区域，最后，提取特征，并输入到分类器中进行识别。本发明提供了一种快速、有效的场景分类方法，旨在为目标识别提供有效的上下文约束，提高识别效率和准确率。

主权项

一种基于上下文约束的目标识别方法，其特征在于，包括以下步骤：(1)接收遥感目标图像，利用RGB将其转化为灰度图像，并利用mean‑shift方法对灰度图像进行区域分割，以生成初始分割图像；(2)采用区域生长法对初始分割图像进行标记，使得输出结果中所有的点都是由1～N中的某个值进行标记，该值表示该点所在连通域的序号，同一个连通域内使用相同的标记值，不同连通域使用不同的标记值，其中N表示输出连通域的个数；(3)根据步骤(2)的标记结果采用改进LBP算法对灰度图像进行场景分类；本步骤具体包括以下子步骤：(3‑1)以模板窗口的方式遍历灰度图像，以计算该窗口内的LBP值，即LBP_u,v，其中u,v为该3×3窗口内中心像素点的位置，并计算全图中所有像素点的LBP值；(3‑2)统计步骤(2)中获得的初始分割图像I_Seg中每个连通域Region_p内的LBP直方图Hist_LBP，横坐标x为LBP值，范围为0～255，纵坐标为该连通域Region_p内LBP＝x出现的次数；(3‑3)对LBP直方图Hist_LBP进行归一化，使得设执行其中x表示该LBP直方图的横坐标，Hist(x)为该LBP直方图的纵坐标；(3‑4)统计步骤(2)中获得的初始分割图像I_Seg中每个连通域Region_p内的灰度直方图Hist_Gray，其中该直方图Hist_Gray的横坐标为原灰度图像的灰度值，范围在0～255之间，纵坐标为当前连通域内该灰度值出现的次数，并以步骤(3‑3)中的方式将其归一化至0～1之间；(3‑5)合并直方图Hist_LBP和Hist_Gray，组成为Hist_LBP‑Gray，0～255之间为原Hist_LBP中归一化后的统计频次，256～511之间为原Hist_Gray中归一化后的统计频次；(3‑6)将Hist_LBP‑Gray转化为512维特征向量Vec_Rp，表示该连通域Region_p内的特征表达式，其中每一维的值对应于原直方图中的y值；(3‑7)将特征向量输入至事先训练好的分类模型M中，预测并输出当前区域的场景类别；(3‑8)使用对应的场景类别号标记该区域Region_p内的所有像素点；(3‑9)根据上述步骤计算所有的连通域获得每个区域的场景类别，并输出最终的场景类别标记图；(4)根据步骤(3)获得的场景类别标记图，采用基于场景上下文约束的方法计算感兴趣区域；(5)根据步骤(4)中的感兴趣区域结果，计算每个感兴趣区域内的特征向量；(6)将上述步骤(5)中得到的特征向量输入到预先训练好的分类模型中，输出分类结果，识别目标。