基于svm的高分辨率遙感影像船只提取方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于SVM的高分辨率遙感影像船只提取方法，包括步驟：步驟S101，從高分辨率遙感影像中手動(dòng)選取船只作為訓(xùn)練樣本；步驟S102，基于所述訓(xùn)練樣本的特征向量，利用SVM訓(xùn)練船只識(shí)別分類(lèi)器；步驟S103，對(duì)高分辨率遙感影像基于圖像像素灰度方差進(jìn)行兩類(lèi)分割，得到水面孤立目標(biāo)和近岸區(qū)域；步驟S104，對(duì)所述水面孤立目標(biāo)和近岸區(qū)域，搜索每個(gè)固定大小的矩形窗口，計(jì)算矩形窗口的特征向量；步驟S105，將所述矩形窗口的特征向量代入到步驟S102中得到的船只識(shí)別分類(lèi)器進(jìn)行識(shí)別，將船只目標(biāo)提取出來(lái)。本發(fā)明將SVM引入到高分辨率遙感影像船只識(shí)別當(dāng)中，能夠在檢測(cè)船只的基礎(chǔ)上，完成船只類(lèi)別和狀態(tài)的識(shí)別。
【專(zhuān)利說(shuō)明】基于SVM的高分辨率遙感影像船只提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及遙感影像識(shí)別提取的【技術(shù)領(lǐng)域】，尤其涉及一種基于SVM的高分辨率遙感影像船只提取方法。
【背景技術(shù)】
[0002]隨著遙感技術(shù)的進(jìn)步，遙感影像分辨率的不斷提高，遙感在各行各業(yè)都將有著廣闊的應(yīng)用前景。在航運(yùn)管理中，船只及其運(yùn)行狀態(tài)是關(guān)鍵要素，基于高分辨率遙感影像對(duì)船只進(jìn)行自動(dòng)檢測(cè)和狀態(tài)識(shí)別能夠快速分析大范圍內(nèi)的航運(yùn)水域，對(duì)水上事故輔助分析、交通流量統(tǒng)計(jì)等具有重要意義?，F(xiàn)有方法大多針對(duì)中低分辨率影像，并且重點(diǎn)在于檢測(cè)，對(duì)于船只狀態(tài)的分析很少涉及。因此很難滿(mǎn)足需求，需進(jìn)一步加以改進(jìn)。

【發(fā)明內(nèi)容】

[0003]有鑒于現(xiàn)有技術(shù)的上述不足，本發(fā)明提出一種能夠?qū)Υ贿M(jìn)行自動(dòng)檢測(cè)和狀態(tài)識(shí)另O，快速分析大范圍內(nèi)的航運(yùn)水域船只情況的基于SVM的高分辨率遙感影像船只提取方法。
[0004]為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于SVM的高分辨率遙感影像船只提取方法，包括以下步驟:
[0005]步驟S101，從高分辨率遙感影像中手動(dòng)選取船只作為訓(xùn)練樣本。
[0006]步驟S102，基于所述訓(xùn)練樣本的特征向量，利用SVM訓(xùn)練船只識(shí)別分類(lèi)器。
[0007]步驟S103，對(duì)高分辨率遙感影像基于圖像像素灰度方差進(jìn)行兩類(lèi)分割，得到水面孤立目標(biāo)和近岸區(qū)域。
[0008]步驟S104，對(duì)所述水面孤立目標(biāo)和近岸區(qū)域，搜索每個(gè)固定大小的矩形窗口，計(jì)算所述矩形窗口的特征向量。
[0009]步驟S105，將所述矩形窗口的特征向量代入到步驟S102中得到的船只識(shí)別分類(lèi)器進(jìn)行識(shí)別，將船只目標(biāo)提取出來(lái)。
[0010]較佳的，步驟SlOl中所述的訓(xùn)練樣本為包括船只的一個(gè)矩形框，在所述矩形框中以每16X16個(gè)像素的小窗口為單位，計(jì)算局部梯度統(tǒng)計(jì)直方圖，將圖像框中所有小窗口的統(tǒng)計(jì)直方圖并聯(lián)，組成該樣本的HOG特征向量。
[0011]較佳的，步驟S102中所述特征向量為HOG特征向量；在訓(xùn)練中，訓(xùn)練樣本包括輸出值和輸入值兩個(gè)部分，輸出值為[-1，1]，-1表示非船只、I表示船只；輸入值為樣本HOG特征向量；最終訓(xùn)練得到的模型為一個(gè)判別決策函數(shù)，只要輸入待識(shí)別的圖像的HOG特征向量，即可得到預(yù)測(cè)值；所述預(yù)測(cè)值為[-1，I]，-1表示非船只，I表示船只。
[0012]支持向量機(jī)(Support Vector Machine, SVM)在目標(biāo)識(shí)別領(lǐng)域具有非常廣泛的應(yīng)用，并且已經(jīng)被證明具有非常好的推廣能力和魯棒性。本發(fā)明將SVM引入到高分辨率遙感影像船只識(shí)別當(dāng)中，基于SVR (Support Vector Regression)進(jìn)行基于星載多光譜遙感影像的船只識(shí)別，能夠在檢測(cè)船只的基礎(chǔ)上，完成船只類(lèi)別和狀態(tài)的識(shí)別。此外，還利用梯度統(tǒng)計(jì)直方圖也叫方向梯度直方圖(Histogram of Oriented Gradients,HOG)進(jìn)行高分辨率遙感影像船只特征描述，可比傳統(tǒng)的基于紋理、梯度等方法具有更好的船只目標(biāo)描述能力。
[0013]以下將結(jié)合附圖對(duì)本發(fā)明的構(gòu)思、具體結(jié)構(gòu)及產(chǎn)生的技術(shù)效果作進(jìn)一步說(shuō)明，以充分地了解本發(fā)明的目的、特征和效果。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0014]圖1為本實(shí)施例基于SVM的高分辨率遙感影像船只提取方法的流程示意圖?！揪唧w實(shí)施方式】
[0015]圖1為本實(shí)施例基于SVM的高分辨率遙感影像船只提取方法的流程示意圖。如圖1所示，本實(shí)施例提出一種基于SVM的高分辨率遙感影像船只提取方法，包括以下步驟:
[0016]步驟S101，從高分辨率遙感影像中手動(dòng)選取船只作為訓(xùn)練樣本。
[0017]步驟S102，基于所述訓(xùn)練樣本的特征向量，利用SVM訓(xùn)練船只識(shí)別分類(lèi)器。
[0018]步驟S103，對(duì)高分辨率遙感影像基于圖像像素灰度方差進(jìn)行兩類(lèi)分割，得到水面孤立目標(biāo)和近岸區(qū)域。
[0019]步驟S104，對(duì)所述水面孤立目標(biāo)和近岸區(qū)域，搜索每個(gè)固定大小的矩形窗口，計(jì)算所述矩形窗口的特征向量。
[0020]步驟S105，將所述矩形窗口的特征向量代入到步驟S102中得到的船只識(shí)別分類(lèi)器進(jìn)行識(shí)別，將船只目標(biāo)提取出來(lái)。
[0021]具體的，步驟SlOl中所述的訓(xùn)練樣本為包括船只的一個(gè)矩形框，在所述矩形框中以每16X16個(gè)像素的小窗口為單位，計(jì)算局部梯度統(tǒng)計(jì)直方圖，將圖像框中所有小窗口的統(tǒng)計(jì)直方圖并聯(lián)，組成該樣本的HOG特征向量。
[0022]具體的，步驟S102中所述特征向量為HOG特征向量；在訓(xùn)練中，訓(xùn)練樣本包括輸出值和輸入值兩個(gè)部分，輸出值為[-1，1]，-1表示非船只、I表示船只；輸入值為樣本HOG特征向量；最終訓(xùn)練得到的模型為一個(gè)判別決策函數(shù)，只要輸入待識(shí)別的圖像的HOG特征向量，即可得到預(yù)測(cè)值；所述預(yù)測(cè)值為[-1，I]，-1表示非船只，I表示船只。
[0023]以上詳細(xì)描述了本發(fā)明的較佳具體實(shí)施例。應(yīng)當(dāng)理解，本領(lǐng)域的普通技術(shù)人員無(wú)需創(chuàng)造性勞動(dòng)就可以根據(jù)本發(fā)明的構(gòu)思做出諸多修改和變化。因此，凡本【技術(shù)領(lǐng)域】中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過(guò)邏輯分析、推理或者有限的實(shí)驗(yàn)可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書(shū)所確定的保護(hù)范圍內(nèi)。
【權(quán)利要求】
1.一種基于SVM的高分辨率遙感影像船只提取方法，其特征在于: 包括以下步驟: 步驟S101，從高分辨率遙感影像中手動(dòng)選取船只作為訓(xùn)練樣本； 步驟S102，基于所述訓(xùn)練樣本的特征向量，利用SVM訓(xùn)練船只識(shí)別分類(lèi)器； 步驟S103，對(duì)高分辨率遙感影像基于圖像像素灰度方差進(jìn)行兩類(lèi)分割，得到水面孤立目標(biāo)和近岸區(qū)域； 步驟S104，對(duì)所述水面孤立目標(biāo)和近岸區(qū)域，搜索每個(gè)固定大小的矩形窗口，計(jì)算所述矩形窗口的特征向量； 步驟S105，將所述矩形窗口的特征向量代入到步驟S102中得到的船只識(shí)別分類(lèi)器進(jìn)行識(shí)別，將船只目標(biāo)提取出來(lái)。
2.如權(quán)利要求1所述的基于SVM的高分辨率遙感影像船只提取方法，其特征在于:步驟SlOl中所述的訓(xùn)練樣本為包括船只的一個(gè)矩形框，在所述矩形框中以每16X16個(gè)像素的小窗口為單位，計(jì)算局部梯度統(tǒng)計(jì)直方圖，將圖像框中所有小窗口的統(tǒng)計(jì)直方圖并聯(lián)，組成該樣本的HOG特征向量。
3.如權(quán)利要求2所述的基于SVM的高分辨率遙感影像船只提取方法，其特征在于:步驟S102中所述特征向量為HOG特征向量；在訓(xùn)練中，訓(xùn)練樣本包括輸出值和輸入值兩個(gè)部分，輸出值為[-1，I]，_1表示非船只、I表示船只；輸入值為樣本HOG特征向量；最終訓(xùn)練得到的模型為一個(gè)判別決策函數(shù)，只要輸入待識(shí)別的圖像的HOG特征向量，即可得到預(yù)測(cè)值；所述預(yù)測(cè)值為[-1，I]，-1表示非船只，I表示船只。
【文檔編號(hào)】G06K9/46GK103544502SQ201310521799
【公開(kāi)日】2014年1月29日 申請(qǐng)日期:2013年10月29日 優(yōu)先權(quán)日:2013年10月29日
【發(fā)明者】張慧哲, 丁美, 周良, 蔣應(yīng)紅, 沈日庚 申請(qǐng)人:上海市城市建設(shè)設(shè)計(jì)研究總院