[发明专利]一种光学遥感影像舰船目标的军民属性自动判别方法

说明书

本发明公开了一种光学遥感影像舰船目标军民属性自动判别方法，涉及光学遥感影像自动处理领域。本发明通过获取舰船目标训练样本，并对训练样本进行军民属性人工判别、归一化重采样、生成合集、计算平均图像、计算差值图像、计算正交向量等一系列操作构建舰船目标的军民属性判别特征空间，将测试图像投影至该空间，并通过距离量测即可自动对测试图像中的舰船目标的军民属性进行自动判别。该方法只需一次性构建舰船目标军民属性判别特征空间，即可在今后的工作中利用该特征空间对测试图像中发现的舰船目标进行军民属性的自动判别。通过该方法，能够对新发现的光学遥感图像中舰船目标的军民属性进行自动判别，解放了专业判读人员的脑力，大大提高了舰船目标识别的工作效率。

技术领域

本发明涉及光学遥感影像自动处理领域，尤其是涉及一种光学遥感影像舰船目标的军民属性自动判别方法。

背景技术

卫星遥感技术是对海上舰船目标进行探测的有效手段，当遥感影像的空间分辨率较低的时候，只能发现舰船目标；当遥感影像的空间分辨率较高的时候，不但能发现舰船目标，还能区分和识别出舰船目标的属性和类型。

针对遥感图像的特点，研究者们提出了各种舰船目标的检测算法，总的来讲，大都是基于目标的灰度与背景的灰度差异进行检测。如基于极小误差阈值分割的目标提取方法、形态学对比度法、基于模糊分析理论实现目标与背景的分离方法、基于Otsu分割法的舰船检测方法、基于视觉注意机制的检测方法、基于统计模型的CFAR检测等。基于以上技术和方法，能够对遥感影像中的舰船目标进行发现。

对舰船目标类型进行识别主要有两类算法：一种是基于目标自身特征进行目标识别的方法，该类算法的主要思想是根据真实目标与虚警在形状、灰度、纹理等特征上的不同，利用先验知识，寻找能够区分目标与虚警的方法，对目标进行识别；另一种是将机器学习的思想应用到目标识别中，基本思路是将人工判读结果作为机器学习的训练数据，产生出能够对目标与虚警进行分类的鉴别器，利用分类器对目标类型进行识别。

海上舰船种类繁杂，数量繁多，总体上来看首先可以分为军用舰船和民用船舶两类。和军用舰船相比，民用船只类型更加复杂，用途更加广泛，同时船只表面覆盖物类型多种多样，摆放无规则可循，即使相同类型船只由于承载物的差异也会导致舰船纹理、灰度产生巨大差异；而军用舰船的布局、材质属性等相对一致性较高。针对不同的应用目的，对舰船目标的军民属性进行自动判别，不仅能迅速对舰船目标的属性进行基本判断，而且能够有效提高舰船目标后期精细识别的效率。根据军、民舰船的不同特点，提出了一种光学遥感影像舰船目标军民属性自动判别方法。

发明内容

有鉴于此，本发明的主要目的在于针对光学遥感中获取的大量舰船目标，通过人工筛选找出感兴趣目标极其困难的问题，提出一种自动的舰船目标军民属性判别算法，通过该算法将舰船目标自动分为军用舰船和民用船只，从而满足不同军、民用户的目标观测需求，为舰船目标的进一步精细识别缩小范围。

为了实现上述目的，本发明提供了一种光学遥感影像舰船目标的军民属性自动判别方法，包括以下步骤：

步骤1、根据舰船目标检测结果，对舰船目标进行自动旋转处理，利用最小外接矩形获取舰船目标的水平样本目标切片；

步骤2、选取M个舰船目标切片作为训练样本，并对训练样本中的舰船目标切片进行军民属性的人工判别，所述的M为正整数且不低于舰船目标类别的数量；

步骤3、对训练样本中的舰船目标切片进行归一化重采样到固定大小和灰度级别；

步骤4、获取包含M张舰船目标切片的集合S，其中S中的每一行数值为一幅舰船目标切片展开后的一维向量；

步骤5、将S集合中M张舰船目标切片在对应维度相加后取平均值，计算平均图像Ψ；

步骤6、计算S集合中每张舰船目标切片与平均图像Ψ的差值图像，组成差值图像Φ；