[发明专利]一种视觉注意模型驱动的稀土矿区遥感信息智能提取方法

说明书

本发明公布了一种视觉注意模型驱动的稀土矿开采区遥感信息智能提取方法。本发明所属技术领域为遥感数据智能挖掘方向，具体涉及稀土矿开采区遥感信息智能提取。本发明综合分析南方离子型稀土矿在高分辨率遥感影像上的特点，利用Itti视觉注意模型所生成的显著图作为GrabCut模型的初始输入，替代常规以人工选框的方式来得到GrabCut模型的初始输入，实现GrabCut模型自动分割图像；并将NDVI信息加入到GrabCut模型的能量函数中作为约束项，来减少植被等信息对目标信息提取的干扰，从而提高矿区目标提取的精度。该方法能自动地进行稀土矿开采区信息提取，且具有较高的提取精度，是一种实用性强的稀土矿开采区遥感信息智能提取方法。

技术领域

本发明所属技术领域为遥感数据智能挖掘方向，具体涉及稀土矿开采区遥感信息智能提取。

背景技术

稀土矿产资源是一种不可再生的资源，在机械制造、石油化工、农林牧业、航天航空及军工技术等方面都有较为广泛的用途。随着对稀土资源需求量的不断增加，滥采滥伐现象严重，而不当的开采方式会导致植被严重破坏、景观和地形地貌的该变，以及土壤污染和水体污染等诸多的环境问题。因此需要对稀土矿区进行监测与调查，从而为相关部门管理及治理矿区的生态环境提供数据支撑。由于稀土矿区往往位于山区，且其开采比较零散、占地面积大，利用传统的国土资源动态巡查的方式进行稀土矿区调查的时效性差、周期长、效率低，且费时费力。随着近年来高空间分辨率遥感卫星数据的涌现，高空间分辨率遥感信息提取技术已成为调查稀土矿区的有利手段。

遥感分类技术可以分为基于像素的分类方法和面向对象的分类方法。基于像素的分类方法常被用于中低空间分辨率的遥感影像，并不适合高空间分辨率的遥感影像。面向对象的分类方法能利用光谱、空间、纹理以及上下文关系等特征，往往被应用于高分辨率遥感卫星数据。利用面向对象的分类方法进行矿区信息提取，能获取较为准确的结果，但是比较费时，而且很多时候还需要人工干涉。随着人工智能的发展，有学者提出了基于视觉注意模型来提取稀土矿开采区信息，并能获得较好的结果。人类的视觉注意行为往往是在一个复杂的场景中迅速找到自己感兴趣的区域从而来做出决定，视觉注意模型就是模拟人类的这种视觉注意行为来快速聚焦于一张图像中的感兴趣区域，生成显著图像。而仅通过视觉注意模型很难精确地提取目标的边界，往往需要结合分割算法来准确地提取目标。目前分割方法主要分为监督的分割方法、非监督的分割方法以及交互式图像分割方法。其中，交互式的图像分割方法由于人工交互能获得较多的图像分割信息，所以分割结果较为精确。GrabCut算法因为具有简洁的交互性和较好的图像分割结果，所以被广泛用于图像分割。对于自然图片，一般只需要人为画个矩形作为模型的初始输入，就能获得较为满意的结果。该模型已经被用于解决不同类型的图像分割问题，例如医学影像CT和PET等影像分割、人脸识别、运动车辆车牌号识别等，但是GrabCut算法在高分辨率遥感影像分割中的应用研究尚比较少。当所分割的图像复杂、景观破碎且很大时，该模型并不能得到很好的分割结果；同时该模型需要人为设定初始的掩膜图，如果不能得到较好的分割结果，需要再次人为给定背景区，直到结果满意为止。因此，利用常规的GrabCut模型不能实现稀土矿开采区信息智能提取，而且这个过程中存在很大的不确定性。

针对这些问题，本发明充分利用视觉注意模型和GrabCut模型的优缺点，首先利用视觉注意模型来生成目标显著图，从而将复杂的场景变得简单，所生成的显著图作为GrabCut模型的初始值，替代人为设定的初始输入，从而实现目标提取的全自动化和智能化。同时将归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)作为GrabCut模型中能量函数(Energy Function)的约束项来减小植被的影响、提高分割结果的精度。因此，本发明提出了一种基于视觉注意模型的改进的GrabCut模型实现高分辨率遥感影像稀土矿开采区信息的智能提取。

发明内容