一种SAR阴暗影图像中溢油和疑似物的识别方法

摘要

本发明公开一种SAR阴暗影图像中溢油和疑似物的识别方法，包括输入SAR图像，建立溢油图像库和疑似物图像库；随机选取M幅图像，组成训练样本图像库，采用差分盒计数法和小波变换模极大值法对训练样本图像库中的每幅图像计算分形特征向量，组成训练样本集；用训练样本集及其所属的标号对SVM分类器进行训练；采用自适应阈值法确定SAR图像中待识别的阴暗影区域，在阴暗影区域内，逐像素点扫描并计算其分形特征向量，组成测试样本集；使用训练过的SVM分类器对测试样本进行分类，并输出分类结果。本发明具有较高的运算效率，可用于SAR阴暗影图像中溢油和疑似物的识别和分类。

主权项

1.一种SAR阴暗影图像中溢油和疑似物的识别方法，包括以下步骤：步骤1，输入SAR图像，根据先验信息建立溢油图像库和疑似物图像库；在已知类别的SAR图像中的阴暗影区域内，选择图像大小均为K×K的R个溢油区域和H个疑似物区域分别组成溢油图像库和疑似物图像库；步骤2，从溢油图像库和疑似物图像库中随机选取M幅图像，组成训练样本图像库，采用差分盒计数法和小波变换模极大值法对训练样本图像库中的每幅图像计算分形特征向量，组成训练样本集从溢油图像库和疑似物图像库中随机选取M幅图像，组成训练样本图像库，其中，M＞R,M＞H，对训练样本图像库中的第i幅图像计算分形特征向量其中，D为盒维数，D_q为扩展分形维数，f_α为扩展分形谱，i＝1,2,...,M；步骤3，用训练样本集及其所属的标号对SVM分类器进行训练；步骤4，根据分类的要求，采用自适应阈值法确定SAR图像中待识别的阴暗影区域I′(m,n)；步骤5，在阴暗影区域I′(m,n)内，逐像素点扫描并计算其分形特征向量，组成测试样本集X′；像素点(m,n)分形特征向量的计算方法是：以像素点(m,n)为中心，选取w×w的窗口，按照步骤2所述的方法，计算像素点(m,n)的分形特征向量；在阴暗影区域I′(m,n)内，按照索引的顺序，逐像素点扫描并计算其分形特征向量，组成测试样本集X′；步骤6，使用训练过的SVM分类器对测试样本进行分类，并输出分类结果。