发明名称 |
一种基于类内差异的层次化单分类舰船目标虚警剔除方法 |
摘要 |
本发明公开了一种基于类内差异的层次化单分类舰船目标虚警剔除方法,将光学遥感图像分为大船、小船和虚警切片,然后基于大船特征数据建立第一层分类器,利用第一层分类器可基本将舰船检测中最需要关注的大船识别出来;当大船特征比较明显时,经过一级检测就可将大船检测出来,因此可实现快速检测大船的目的;将漏检的大船数据集进行训练形成第二层分类器,当第一层分类器未把大船识别出来时,第二层分类器可将该容易漏检的大船检测出来,因此可提高检测概率;经过第一层分类器和第二层分类器的筛除,把小船数据集中具有大船特征的剔除,保留具有明显小船特征的数据,形成小船错分集,提高小船的检测概率。 |
申请公布号 |
CN104268570A |
申请公布日期 |
2015.01.07 |
申请号 |
CN201410483672.2 |
申请日期 |
2014.09.19 |
申请人 |
北京理工大学 |
发明人 |
龙腾;杨小婷;毕福昆;陈亮 |
分类号 |
G06K9/62(2006.01)I;G06K9/46(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
北京理工大学专利中心 11120 |
代理人 |
李微微;仇蕾安 |
主权项 |
一种基于类内差异的层次化单分类舰船目标虚警剔除方法,其特征在于,包括如下步骤:第一步、对光学遥感图像进行特征提取:将采集的多个光学遥感图像中包括大船的图像标记为大船切片,包含小船的图像标记为小船切片,不包含舰船的图像标记为虚警切片;分别提取每张切片的特征,并按切片类型分别形成大船数据集RDC、小船数据集RXC和虚警数据集RXJ;第二步、建立第一层分类器:依据单分类方法,采用径向基核函数将大船数据集RDC映射到高维空间,在此高维空间寻找最优的分类超平面,以该最优的分类超平面对应的参数构建分类模型,定义为第一层分类器;第三步:采用第一层分类器对所有大船数据集RDC、小船数据集RXC以及虚警数据集RXJ进行分类预测,具体为:将大船数据集RDC、小船数据集RXC以及虚警数据集RXJ输入到第一层分类器中,分别得到大船数据集RDC中未被认定为大船的大船漏检集EDC1、小船数据集RXC中未被认定为大船的小船漏检集EXC1以及虚警数据集RXJ中未被认定为大船的虚警剔除集EXJ1;第四步:建立第二层分类器:将第三步得到的大船漏检集EDC1作为训练数据集,并采用第二步的方法,建立第二层分类器;第五步:采用第二层分类器对大船漏检集EDC1、小船漏检集EXC1以及虚警剔除集EXJ1进行预测,分别得到大船漏检集EDC1中未被认定为大船的大船漏检集EDC2、小船漏检集EXC1中未被认定为大船的小船漏检集EXC2以及虚警剔除集EXJ1中未被认定为大船的虚警剔除集EXJ2;第六步:将大船漏检集EDC2和小船漏检集EXC2组成的数据集采用第二步的方法进行训练,得到第三层分类器;第七步:对待分类的图像进行预测:S1:对待分类图像的特征进行提取;S2:将待分类图像的特征输入第一层分类器中,若被判定为大船,将判定结果输出;若未被判定为大船,执行步骤S2;S3:将待分类图像的特征输入第二层分类器中,若被判定为大船,将判定结果输出;若未被判定为大船,执行步骤S4;S4:将待分类图像的特征输入第三层分类器中,若被判定为小船,将判定结果输出;若未被判定为小船,则判定该待分类图像为虚警,输出。 |
地址 |
100081 北京市海淀区中关村南大街5号 |