[发明专利]在线图像数据处理方法

权利要求书

1.一种在线图像数据处理方法，用于对图像中的特征进行在线识别，其特征在于，包括：

步骤一：对灰度遥感图像进行视觉扫描，搜索各扫描线的中央点，通过中心外围差运算，获得遥感图像的显著图和注视点；

步骤二：根据自适应梯度门限值计算方法，利用自适应中心外围差门限值和各注视点的显著性级别，确定重点特征区域；

步骤三：基于卷积神经网络构造递进式训练网络，基于该递进式训练网络将重点区域的像素灰度信号输入已训练的卷积神经网络层次模型，获取重点特征区域的递进式训练本质特征，从而得到遥感图像特征。

2.根据权利要求1所述的方法，其特征在于，所述步骤一中进一步包括：

(1)对遥感图像进行逐行逐列线扫描,

(2)搜索第j列灰度曲线各局部极小峰值点h(x_i,y_j)即中央点，i＝1,2,…,n，n为中央点的数量；各中央点对应的像素坐标为(x_i,y_j),

由各中央点开始向左右两侧分别搜索离其最近的顶部，分别为h(x_iL,y_j)和h(x_iR,y_j)，i＝1,2,…,n；各顶部对应的像素点即周边点，分别为(x_iL,y_j)和(x_iR,y_j)，i＝1,2,…,n，

(3)定义目标区域N(x_i,y_j)＝{(x_im,y_j)|m∈Z,L≤m≤R}，由左右两侧周边点之间的像素组成，为可能的注视点区域；其中j＝1,2,…,k，k为图像行数，Z表示整数集、L表示目标区域左边界，R表示目标区域右边界，

计算中心外围差Δh(x_iL,y_j)＝h(x_iL,y_j)-h(x_i,y_j)，Δh(x_iR,y_j)＝h(x_iR,y_j)-h(x_i,y_j)，其中i＝1,2,…,n；取Δh(x_iL,y_j)和Δh(x_iR,y_j)的较小者为中心外围差Δh，

(4)计算第j行扫描线的自适应中心外围差门限值T_j：T_j＝μ_Δf+kσ_Δf，其中μ_Δf为扫描线中心外围差的均值；σ_Δf为扫描线中心外围差的标准差；k为常系数，

(5)计算扫描线上各点显著性级别：将Δh(x_iL,y_j)和Δh(x_iR,y_j)与各扫描线的自适应中心外围差门限值T_j比较，假设Δh(x_iL,y_j)≥Δh(x_iR,y_j)，将Δh(x_iL,y_j)≥T_j，则该目标区域N(x_i,y_j)显著焦点，各点在显著图中的显著性级别置为S(x_i,y_j)＝Δh(x_iL,y_j)，扫描线上其余各点显著性级别置为0，

(6)整副图像扫描完成后，合并相连的显著区域，以最大的显著性级别作为合并区域的显著性级别，得到遥感图像遥感图像图的显著图。

3.根据权利要求2所述的方法，其特征在于，在步骤二的确定重点特征区域中，基于对各注视点的显著性级别的排序来顺序处理显著区域，如注视点的显著性级别S(x_i,y_j)＞T，则该注视点为重点特征区域，其中T为预设判定门限值。

4.根据权利要求3所述的方法，其特征在于，所述步骤三进一步包括：

将上述步骤二获得的依显著性级别排序的重点区域作为分析对象，将灰度图像信号作为网络的输入，通过已训练的卷积神经网络层次模型，获取重点特征区域的递进式训练本质特征，通过输出层径向基网络进行识别，输出为特征类型。