[发明专利]一种基于高分辨率遥感筛选危险品堆场的方法

权利要求书

1.一种基于高分辨率遥感筛选危险品堆场的方法，其特征在于，包括如下步骤：

S100、基于纹理特征获取目标区域，通过灰度共生矩阵区分不同的纹理特征和结构特性，并根据灰度的均匀程度提取目标区域；

S200、通过尺度-空间的方法进行特征点提取，在目标区域内通过对尺度参数和方向参数进行卷积作为兴趣响应提取图像局部极大值和极小值点作为图像的不变特征点；

S300、通过平移矢量消除不变特征点的空间误差，通过Hausdorff距离进行模型和图像的匹配，并通过不变特征点进行平移变换消除空间误差，对不变特征点进行拟合匹配，在步骤S300中，不变特征点进行平移变换的具体步骤为：

S301、设定两个特征点集A＝{a₁，a₂，…，a_p}和B＝{b₁，b₂，…，b_q}，并取特征点集作为距离变换的参考集；

S302、设定D[x,y]＝min_a∈A||(x,y)-a||为特征点集A的距离图，设定D’[x,y]＝min_b∈B||(x,y)-b||为特征点集B的距离图，则A和B之间存在平移变换时互相相对求取Hausdorff 距离，其中，a和b分别是特征点集A和B的参考子集；

S303、定义特征点集A和特征点集B的比值或者特征点集B和特征点集A的比值为变换阈值，并设定A和B之间的相对Hausdorff距离为F(x，y)，在进行平移变换的过程中，使得F(x，y)取最小值的变化阈值小于1即为有效平移变换；

S400、建立不变特征点库，对遥感特征点进行逐一筛选，将拟合匹配的不变特征点依次排序组成不变特征点库，并依次通过对比特征点进行筛选，获取危险品堆场。

2.根据权利要求1所述的一种基于高分辨率遥感筛选危险品堆场的方法，其特征在于，灰度共生矩阵区分不同的纹理特征和结构特征的具体步骤：

设定L表示图像局部区域的灰度级，则该区域内灰度共生矩阵表示为LxL的矩阵，即P_θ，d＝[P_i，j]_LxL，其中矩阵元素P_ij表示为图像局部区域内方向为θ，距离为d，灰度值分别为i和j的像素对出现的频率；

通过出现的频率通过统计测度提取共生矩阵特征，获得该区域内的灰度变化与纹理特征。

3.根据权利要求2所述的一种基于高分辨率遥感筛选危险品堆场的方法，其特征在于，在通过灰度共生矩阵提取空间频率和位置信息后通过Gabor滤波进行纹理特征精细提取，具体方法为：

S101、设定Gabor滤波器的函数形式为其中x，y为位置坐标，j为空间域特征值，w为震荡频率，σ_x和σ_y分别表示滤波器在x方向和y方向的标准差；

S102、加入尺度参数u和方向参数v，则滤波器函数为：

g_uv(x，y)＝a^-ug(x’，y’)，其中u，v均为整数，a＞1，

而导数

导数其中K为总的方向数；

S103、通过滤波器函数输入影像I(x，y)进行m个尺度，n个方向的Gabor变换，并对同一尺度不同方向的特征取平均得到m个纹理特征子带，即得到一个m维的特征矢量作为影像中每个像元(x，y)的纹理特征信息X＝{x₁，x₂，…，x_m}。

4.根据权利要求1所述的一种基于高分辨率遥感筛选危险品堆场的方法，其特征在于，在步骤S200中，尺度-空间方法的具体算法为：

S201、设定对应不同尺度的标准差高斯方程为L(u，v，σ)＝G(u，v，σ)*I(u，v)，其中u为尺度参数，v为方向参数，σ为尺度，G(u，v，σ)为二维高斯函数，I(u，v)为遥感图像的尺度-方向函数；

S202、计算二维高斯函数

S203、设遥感图像的尺度-方向函数I(u，v)＝L(u，v，σ)进行循环计算，直至尺度σ等于1.6。