基于选择性视觉注意机制的遥感图像机场目标检测与识别方法

摘要

本发明属于遥感图像目标检测与识别技术领域，具体为一种基于选择性视觉注意机制的遥感图像机场目标快速检测和识别的方法。本发明用改进后的注意力选择模型GBVS(Graph-basedVisualSaliency)对原始遥感图像进行显著性分析，得到显著性区域，并根据区域上的SIFT(Scale-invariantFeatureTransform)特征结合HDR(HierachicalDiscriminantRegression)树达到机场目标识别的目的。本发明能有效地克服传统机场检测方法中对图像逐像素分析的缺点。实验结果表明，本发明较现有的其它机场检测方法具有速度快、识别率高、虚警率低的特点，同时对噪声有较强的鲁棒性，非常适用于军事和民用领域复杂背景下的实时目标检测，对于实际应用具有较大的意义和价值。

主权项

1.一种改进的GBVS的视觉注意计算方法，原始的GBVS模型是在NVT模型[9]基础上，运用马尔可夫随机场的特点构建二维图像的马尔可夫链，再通过求其平衡分布而得到显著图，具体过程为：  a. 获取多尺度的亮度信息： 对输入的灰度图像，首先对其使用高斯金字塔低通滤波器进行滤波，高斯金字塔的每一阶都是一个二维高斯低通滤波器：(1)称为尺度因子,为图像中点的坐标位置；所谓金字塔，就是指对原始图像进行不断的1/2降采样和高斯低通滤波，最终得到一组不同尺度下的滤波结果；b. 获取多尺度的方位信息：用Gabor金字塔滤波器组对原始灰度图像进行滤波，以得到方向上的信息；二维Gabor滤波器表示如下：(2)其中，为尺度因子,为正弦波频率，为方位；取：即在四个方向上滤波，得到四组不同尺度下的滤波结果；c. 求不同尺度和不同特征图的马尔可夫平衡：对上述一组亮度结果和四组方向结果中的每一组内每一个尺度的滤波结果，求其马尔可夫平衡分布；d. 计算显著图：将所有组所有尺度的滤波结果依次计算出平衡分布后，将结果按照通道叠加起来并归一化；再将两个通道的结果线性相加并归一化得到最终的显著图，其大小与原始图像一致；其特征在于对GBVS模型作如下改进： （1）仅使用两个尺度: 方位信息中的尺度和亮度信息中的尺度，且将方向滤波器的数目从四个扩展到八个； （2）对原始图像进行Hough变换并作为单独的一个通道加入到模型中，将检测到的直线用值为’1’的像素表示，并用高斯函数平滑，得到Hough通道的特征图；最后将其与亮度通道、方向通道的特征图以相等的权重相加并归一化，得到最终显著图；（3）将前述的显著图与经过一次滤波的原始灰度图像相乘，得到新的显著图，并作为最终结果。