基于超像素標(biāo)注的遙感圖像的分割與識(shí)別方法
【專(zhuān)利摘要】本發(fā)明提供的是一種基于超像素標(biāo)注的遙感圖像的分割與識(shí)別方法。利用超像素分割算法對(duì)遙感圖像進(jìn)行過(guò)分割，獲得超像素分割結(jié)果，對(duì)超像素塊進(jìn)行類(lèi)別標(biāo)注，獲得學(xué)習(xí)樣本。然后提取超像素樣本的視覺(jué)特征，以其標(biāo)注結(jié)果為教師信號(hào)用分類(lèi)器對(duì)這些學(xué)習(xí)樣本進(jìn)行訓(xùn)練，并保存訓(xùn)練好的分類(lèi)器信息。對(duì)待分析的遙感圖像進(jìn)行過(guò)分割獲得超像素結(jié)果，對(duì)每個(gè)超像素提取視覺(jué)特征后送入分類(lèi)器進(jìn)行分類(lèi)，在每個(gè)超像素塊都獲得了類(lèi)別標(biāo)記后，合并相同類(lèi)別標(biāo)記的超像素塊，即待分析圖像的所有區(qū)域都得到了類(lèi)別信息。本發(fā)明避免了直接對(duì)遙感圖像進(jìn)行分割，極大程度上的保留了實(shí)際區(qū)域的邊緣信息，融合了分割和識(shí)別過(guò)程，具有更加優(yōu)秀的分割和識(shí)別能力。
【專(zhuān)利說(shuō)明】
基于超像素標(biāo)注的遙感圖像的分割與識(shí)別方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及的是一種遙感圖像的分割和識(shí)別方法。
【背景技術(shù)】
[0002]遙感圖像是地物目標(biāo)綜合信息的直觀(guān)載體，隨著遙感技術(shù)的發(fā)展，對(duì)遙感圖像進(jìn)行處理，從中獲取各種信息是當(dāng)期面臨的一個(gè)迫切而復(fù)雜的問(wèn)題。遙感圖像的分析在地質(zhì)勘探、農(nóng)林業(yè)等各個(gè)方面有著重要作用。遙感圖像的分割和識(shí)別是遙感數(shù)字圖像處理領(lǐng)域重要的研究課題，區(qū)域的分割和分類(lèi)描述可以達(dá)到對(duì)圖像信息進(jìn)行識(shí)別、分類(lèi)解譯的目的，有非常重要的軍事和民用價(jià)值。目前存在多種遙感圖像的分割和識(shí)別方法，但仍然沒(méi)有適用性較好且具有較高準(zhǔn)確度的方法，因此遙感圖像的分割和識(shí)別問(wèn)題同時(shí)也具有很高的科學(xué)研究?jī)r(jià)值。
[0003]現(xiàn)有的遙感圖像分割與識(shí)別方法主要有以下幾種:基于主題模型的方法、基于分類(lèi)的方法、基于稀疏編碼的方法以及基于概率圖模型的方法等。這些方法大都是通過(guò)學(xué)習(xí)樣本來(lái)建立遙感圖像底層特征與高層語(yǔ)義之間的關(guān)聯(lián)信息，而基于神經(jīng)網(wǎng)絡(luò)的分類(lèi)方法和基于概率圖模型的方法目前能夠取得相對(duì)較好的結(jié)果。但是，概率圖模型需要針對(duì)像素點(diǎn)進(jìn)行建模，計(jì)算量非常大?；谏窠?jīng)網(wǎng)絡(luò)等分類(lèi)器的分類(lèi)方法需要提取遙感圖像的底層視覺(jué)特征，在特征提取步驟之前，需要對(duì)圖像進(jìn)行固定劃分或圖像分割。其中，基于固定劃分的方法直接把遙感圖像劃分成矩形的小區(qū)塊來(lái)提取特征，丟失了遙感圖像實(shí)際區(qū)域的邊界信息。重疊劃分是在固定劃分基礎(chǔ)上的一種改進(jìn)方法，雖然能夠一定程度上提高精度，但是仍然會(huì)損失實(shí)際區(qū)域的邊界信息。另一方面，目前的圖像分割方法和技術(shù)對(duì)遙感圖像尚無(wú)法達(dá)到一個(gè)很好的分割效果。這些因素均限制了現(xiàn)有方法在遙感圖像分割與識(shí)別中的應(yīng)用。
[0004]與本發(fā)明相關(guān)的【背景技術(shù)】為:P.Duygulu，KBarnard, J.F.G de Freitas ,and D.AForsyth.0bject Recognit1n as Machine Translat1n:Learning a lexicon for afixed Image vocabulary.Proc.the 7th European Conferenee on Computer Vis1n,2002，2353(6):97-112。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提供一種具有優(yōu)秀的分割和識(shí)別能力的基于超像素標(biāo)注的遙感圖像的分割與識(shí)別方法。
[0006]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
[0007]步驟1:使用SLIC方法對(duì)遙感圖像庫(kù)中所有訓(xùn)練用的遙感圖像進(jìn)行過(guò)分割，生成超像素，將每一個(gè)超像素塊作為訓(xùn)練的樣本；
[0008]步驟2:對(duì)每個(gè)訓(xùn)練用圖像的每一個(gè)超像素塊進(jìn)行標(biāo)注，添加的類(lèi)別標(biāo)記作為該訓(xùn)練樣本的教師信號(hào)；
[0009]步驟3:提取所有已標(biāo)注的超像素塊的視覺(jué)特征；
[0010]步驟4:將所有超像素塊的視覺(jué)特征以及教師信號(hào)送入反向傳播(BackPropagat1n, BP)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，保存訓(xùn)練后的網(wǎng)絡(luò)權(quán)值以及網(wǎng)絡(luò)結(jié)構(gòu)；
[0011]步驟5:對(duì)要進(jìn)行分割和識(shí)別的待分析遙感圖像進(jìn)行SLIC方法的超像素過(guò)分割，對(duì)每個(gè)超像素塊按步驟3提取視覺(jué)特征；
[0012]步驟6:將待分析遙感圖像的每個(gè)超像素塊的視覺(jué)特征送入已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，正向傳播計(jì)算輸出值，得到每個(gè)超像素塊的類(lèi)別標(biāo)記，根據(jù)類(lèi)別標(biāo)記進(jìn)行超像素塊的合并，得到遙感圖像的分割和識(shí)別結(jié)果。
[0013]超像素是對(duì)圖像進(jìn)行過(guò)分割所得到的若干小區(qū)域，要求同一小區(qū)域內(nèi)的像素點(diǎn)具有高度的視覺(jué)一致性。單個(gè)像素點(diǎn)的語(yǔ)義信息匱乏，而超像素實(shí)際上體現(xiàn)了物體級(jí)的局部語(yǔ)義信息。超像素合并后就可以構(gòu)成與物體級(jí)語(yǔ)義對(duì)應(yīng)的圖像區(qū)域，體現(xiàn)了完整的物體級(jí)語(yǔ)義信息。相對(duì)于固定劃分和傳統(tǒng)的圖像分割的方法，超像素方法能夠有效地避免欠分割現(xiàn)象，極大地保留了實(shí)際物體的邊緣信息，而且超像素的生成方法較為簡(jiǎn)單，有很高的計(jì)算效率。
[0014]本發(fā)明采用對(duì)超像素進(jìn)行標(biāo)注來(lái)獲得學(xué)習(xí)樣本的策略，來(lái)避免直接對(duì)遙感圖像進(jìn)行分割，然后提取超像素標(biāo)注樣本的視覺(jué)特征，用神經(jīng)網(wǎng)絡(luò)等分類(lèi)器進(jìn)行訓(xùn)練。對(duì)待分割和識(shí)別的遙感圖像，首先獲得該圖像的超像素分割結(jié)果，通過(guò)訓(xùn)練好的分類(lèi)器來(lái)對(duì)圖像中的超像素塊進(jìn)行類(lèi)別標(biāo)注，在每個(gè)超像素塊都獲得了類(lèi)別標(biāo)記后，合并相同類(lèi)別標(biāo)記的超像素塊，這樣，圖像的分割和識(shí)別結(jié)果就同時(shí)獲得了。本發(fā)明的發(fā)明成果也可以應(yīng)用到醫(yī)學(xué)圖像的計(jì)算機(jī)輔助診斷、多媒體信息檢索等實(shí)際應(yīng)用領(lǐng)域。
[0015]本發(fā)明的內(nèi)容主要涉及三個(gè)部分:遙感圖像的超像素學(xué)習(xí)樣本的標(biāo)注、分類(lèi)器的訓(xùn)練和待分析遙感圖像的分割和識(shí)別。主要特征包括:(I)首先收集一定數(shù)量的訓(xùn)練用遙感圖像，利用超像素分割算法對(duì)這些遙感圖像進(jìn)行過(guò)分割，獲得超像素分割結(jié)果，利用手工對(duì)超像素塊進(jìn)行類(lèi)別標(biāo)注，獲得學(xué)習(xí)樣本。(2)然后提取超像素樣本的視覺(jué)特征，以其標(biāo)注結(jié)果為教師信號(hào)用神經(jīng)網(wǎng)絡(luò)等分類(lèi)器對(duì)這些學(xué)習(xí)樣本進(jìn)行訓(xùn)練，并保存訓(xùn)練好的分類(lèi)器信息。(3)對(duì)待分析的遙感圖像進(jìn)行過(guò)分割獲得超像素結(jié)果，對(duì)每個(gè)超像素提取視覺(jué)特征后送入分類(lèi)器進(jìn)行分類(lèi)，每個(gè)超像素得到一個(gè)類(lèi)別標(biāo)注信息。在每個(gè)超像素塊都獲得了類(lèi)別標(biāo)記后，合并相同類(lèi)別標(biāo)記的超像素塊，即待分析圖像的所有區(qū)域都得到了類(lèi)別信息，這樣就完成了遙感圖像的分割和識(shí)別。
[0016]本發(fā)明基于超像素標(biāo)注實(shí)現(xiàn)了遙感圖像的分割和識(shí)別，避免了直接對(duì)遙感圖像進(jìn)行分割，從而規(guī)避了分割存在的一系列問(wèn)題，極大程度上的保留了實(shí)際區(qū)域的邊緣信息，融合了分割和識(shí)別過(guò)程，具有更加優(yōu)秀的分割和識(shí)別能力。
【附圖說(shuō)明】
[0017]圖1為本發(fā)明的流程圖。
【具體實(shí)施方式】
[0018]下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。
[0019]步驟1:使用SLIC(SimpleLinear Iterative Clustering)方法對(duì)遙感圖像庫(kù)中所有訓(xùn)練用的遙感圖像進(jìn)行過(guò)分割，生成超像素。超像素的數(shù)目取決于遙感圖像的分辨率較大，包含區(qū)域較廣的遙感圖像可以適當(dāng)分成較多的超像素塊。將每一個(gè)超像素塊作為訓(xùn)練的樣本。
[0020]步驟2:對(duì)每個(gè)訓(xùn)練用圖像的每一個(gè)超像素塊進(jìn)行手工標(biāo)注，添加的類(lèi)別標(biāo)記作為該訓(xùn)練樣本的教師信號(hào)。
[0021]步驟3:提取所有已標(biāo)注的超像素塊(即學(xué)習(xí)樣本)的視覺(jué)特征。采用Duygulu提供的圖像視覺(jué)描述方式(參見(jiàn)文獻(xiàn)[I])，對(duì)每個(gè)超像素塊提取6維形狀特征、18維顏色特征、12維紋理特征，共36維特征。
[0022]步驟4:將所有超像素塊的視覺(jué)特征以及教師信號(hào)送入反向傳播(BackPropagat1n,BP)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，網(wǎng)絡(luò)結(jié)構(gòu)為三層，輸入層節(jié)點(diǎn)個(gè)數(shù)為36，中間層和輸出層節(jié)點(diǎn)個(gè)數(shù)可以根據(jù)需要分類(lèi)的類(lèi)別數(shù)目進(jìn)行調(diào)整。保存訓(xùn)練后的網(wǎng)絡(luò)權(quán)值以及網(wǎng)絡(luò)結(jié)構(gòu)。
[0023]步驟5:對(duì)要進(jìn)行分割和識(shí)別的待分析遙感圖像進(jìn)行SLIC方法的超像素過(guò)分割，對(duì)每個(gè)超像素塊按步驟3提取視覺(jué)特征。
[0024]步驟6:將待分析遙感圖像的每個(gè)超像素塊的視覺(jué)特征送入已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，正向傳播計(jì)算輸出值，得到每個(gè)超像素塊的類(lèi)別標(biāo)記。根據(jù)類(lèi)別標(biāo)記進(jìn)行超像素塊的合并，得到遙感圖像的分割和識(shí)別結(jié)果。
【主權(quán)項(xiàng)】
1.一種基于超像素標(biāo)注的遙感圖像的分割與識(shí)別方法，其特征是: 步驟1:使用SLIC方法對(duì)遙感圖像庫(kù)中所有訓(xùn)練用的遙感圖像進(jìn)行過(guò)分割，生成超像素，將每一個(gè)超像素塊作為訓(xùn)練的樣本； 步驟2:對(duì)每個(gè)訓(xùn)練用圖像的每一個(gè)超像素塊進(jìn)行標(biāo)注，添加的類(lèi)別標(biāo)記作為該訓(xùn)練樣本的教師信號(hào)； 步驟3:提取所有已標(biāo)注的超像素塊的視覺(jué)特征； 步驟4:將所有超像素塊的視覺(jué)特征以及教師信號(hào)送入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，保存訓(xùn)練后的網(wǎng)絡(luò)權(quán)值以及網(wǎng)絡(luò)結(jié)構(gòu)； 步驟5:對(duì)要進(jìn)行分割和識(shí)別的待分析遙感圖像進(jìn)行SLIC方法的超像素過(guò)分割，對(duì)每個(gè)超像素塊按步驟3提取視覺(jué)特征； 步驟6:將待分析遙感圖像的每個(gè)超像素塊的視覺(jué)特征送入已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，正向傳播計(jì)算輸出值，得到每個(gè)超像素塊的類(lèi)別標(biāo)記，根據(jù)類(lèi)別標(biāo)記進(jìn)行超像素塊的合并，得到遙感圖像的分割和識(shí)別結(jié)果。2.根據(jù)權(quán)利要求1所述的基于超像素標(biāo)注的遙感圖像的分割與識(shí)別方法，其特征是所述的提取所有已標(biāo)注的超像素塊的視覺(jué)特征是:對(duì)每個(gè)超像素塊提取6維形狀特征、18維顏色特征、12維紋理特征，共36維特征。
【文檔編號(hào)】G06T7/00GK106023145SQ201610297891
【公開(kāi)日】2016年10月12日
【申請(qǐng)日】2016年5月6日
【發(fā)明人】劉詠梅, 李香, 羅揚(yáng)理, 李金龍
【申請(qǐng)人】哈爾濱工程大學(xué)