亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        結(jié)合數(shù)學(xué)形態(tài)學(xué)與多角度模板匹配的高分辨率遙感圖像救災(zāi)帳篷識(shí)別

        2016-01-26 01:45:30秦其明王建華
        測(cè)繪通報(bào) 2015年1期
        關(guān)鍵詞:目標(biāo)識(shí)別

        葉 昕,秦其明,王 俊,王建華

        (北京大學(xué)遙感與地理信息系統(tǒng)研究所,北京 100871)

        Relief Tent Detection from High-resolution Remote Sensing Image Based on

        Mathematical Morphology and Multi-angle Template Matching

        YE Xin,QIN Qiming,WANG Jun,WANG Jianhua

        ?

        結(jié)合數(shù)學(xué)形態(tài)學(xué)與多角度模板匹配的高分辨率遙感圖像救災(zāi)帳篷識(shí)別

        葉昕,秦其明,王俊,王建華

        (北京大學(xué)遙感與地理信息系統(tǒng)研究所,北京 100871)

        Relief Tent Detection from High-resolution Remote Sensing Image Based on

        Mathematical Morphology and Multi-angle Template Matching

        YE Xin,QIN Qiming,WANG Jun,WANG Jianhua

        摘要:從災(zāi)后遙感圖像中快速準(zhǔn)確地識(shí)別救災(zāi)帳篷有利于災(zāi)后救援工作的高效開(kāi)展。本文結(jié)合實(shí)際應(yīng)用需求,在前人研究的基礎(chǔ)上,提出了一種結(jié)合數(shù)學(xué)形態(tài)學(xué)與多角度模板匹配的高分辨率遙感圖像救災(zāi)帳篷識(shí)別方法。首先從遙感圖像中選擇帳篷模板并從中提取形狀特征與光譜特征;然后將各波段灰度圖像二值化并進(jìn)行數(shù)學(xué)形態(tài)學(xué)運(yùn)算,參考帳篷的形狀特征提取出候選目標(biāo);最后根據(jù)帳篷的光譜特征,將候選目標(biāo)與帳篷模板進(jìn)行多角度匹配,剔除匹配度較低的偽目標(biāo),完成救災(zāi)帳篷識(shí)別。試驗(yàn)結(jié)果表明,本方法的識(shí)別精度達(dá)90%以上,具有較高的應(yīng)用價(jià)值。

        關(guān)鍵詞:遙感圖像;救災(zāi)帳篷;數(shù)學(xué)形態(tài)學(xué);模板匹配;目標(biāo)識(shí)別

        一、引言

        重大自然災(zāi)害的發(fā)生,會(huì)導(dǎo)致嚴(yán)重的人員傷亡和經(jīng)濟(jì)損失,而遙感技術(shù)能夠進(jìn)行大面積同步觀測(cè),具有時(shí)效性強(qiáng)、信息客觀真實(shí)、數(shù)據(jù)的綜合性與可比性好等特點(diǎn)[1]。將遙感技術(shù)應(yīng)用到救災(zāi)工作中,對(duì)于高效開(kāi)展救災(zāi)工作十分有利。

        災(zāi)民安置是救災(zāi)工作中的重要環(huán)節(jié),從遙感圖像中準(zhǔn)確識(shí)別救災(zāi)帳篷,有利于宏觀了解災(zāi)民安置情況,還可以指導(dǎo)救災(zāi)物資的合理分配,但目前相關(guān)研究較少。有學(xué)者采取目視解譯的方法從高分辨率遙感圖像識(shí)別帳篷目標(biāo)[2-5],盡管識(shí)別結(jié)果準(zhǔn)確,但費(fèi)時(shí)費(fèi)力。文獻(xiàn)[6]采用了4種計(jì)算機(jī)識(shí)別方法從IKONOS遙感圖像中識(shí)別救災(zāi)帳篷,分別是監(jiān)督分類、非監(jiān)督分類、圖像分割和數(shù)學(xué)形態(tài)學(xué)方法,這4種方法都取得了較高的識(shí)別精度。但利用監(jiān)督/非監(jiān)督分類方法進(jìn)行帳篷識(shí)別時(shí),還需要明確圖像中的其他地類,在遙感圖像背景地物過(guò)多時(shí),該方法較為復(fù)雜,同時(shí),基于像素的分類結(jié)果存在椒鹽現(xiàn)象,需要進(jìn)行后處理。圖像分割方法的識(shí)別精度很大程度上依賴于分割效果,欠分割和過(guò)分割都將嚴(yán)重影響結(jié)果精度。對(duì)于形狀規(guī)則、結(jié)構(gòu)統(tǒng)一、光譜特征明顯的帳篷目標(biāo),數(shù)學(xué)形態(tài)學(xué)方法較為適用。但僅利用該方法,對(duì)帳篷特征的分析不足,容易識(shí)別出偽目標(biāo)。除了數(shù)學(xué)形態(tài)學(xué)方法之外,模板匹配方法同樣適用于帳篷目標(biāo)的識(shí)別。文獻(xiàn)[7]首先從原始圖像中選取帳篷模板,然后利用互相關(guān)匹配算法從圖像中選擇匹配度最高的區(qū)域,實(shí)現(xiàn)帳篷目標(biāo)的識(shí)別,取得了良好的識(shí)別結(jié)果,但該研究是在全圖范圍內(nèi)進(jìn)行模板匹配,搜索區(qū)域大、時(shí)間效率低;同時(shí),未考慮帳篷搭建的方向問(wèn)題,僅能識(shí)別與模板方向一致的帳篷目標(biāo),通用性有待改進(jìn)。

        綜上所述,本文在充分調(diào)研國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,針對(duì)前人方法的不足,綜合分析帳篷目標(biāo)的多類特征,并考慮帳篷搭建的方向問(wèn)題,提出了一種結(jié)合數(shù)學(xué)形態(tài)學(xué)與多角度模板匹配的高分辨率遙感圖像救災(zāi)帳篷識(shí)別方法。

        二、識(shí)別方法

        本文提出的救災(zāi)帳篷識(shí)別方法流程如圖1所示,主要分為3步:

        1) 預(yù)處理:包括帳篷模板選擇和單波段抽取兩部分。首先選擇帳篷模板,并從中提取出帳篷目標(biāo)的形狀特征和光譜特征;然后從原始圖像中抽取出各波段灰度圖像。

        2) 候選目標(biāo)提?。簩⒏鲉尾ǘ螆D像分別進(jìn)行自適應(yīng)二值化,并對(duì)二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)運(yùn)算,結(jié)合帳篷的形狀特征,提取候選目標(biāo)。

        3) 帳篷識(shí)別:根據(jù)候選目標(biāo)的位置和方向,將其與帳篷模板進(jìn)行多角度匹配,剔除匹配度較低的偽目標(biāo),得到救災(zāi)帳篷識(shí)別結(jié)果。

        完成上述3個(gè)步驟后,對(duì)識(shí)別結(jié)果進(jìn)行精度評(píng)價(jià),以驗(yàn)證本方法的準(zhǔn)確性。

        圖1 救災(zāi)帳篷識(shí)別流程

        1. 預(yù)處理

        為了準(zhǔn)確識(shí)別救災(zāi)帳篷,首先需要選擇帳篷模板;同時(shí),提取模板的光譜特征和形狀特征作為后續(xù)目標(biāo)提取步驟中的先驗(yàn)知識(shí);然后,從原始遙感圖像中抽取各單波段圖像,并分別進(jìn)行灰度拉伸,進(jìn)一步增強(qiáng)目標(biāo)與背景的差異。

        2. 候選目標(biāo)提取

        (1) 自適應(yīng)二值化

        出于安全考慮,救災(zāi)帳篷的顏色以紅、藍(lán)、白色為主,因此在特定單波段遙感圖像中,救災(zāi)帳篷的灰度值將顯著高于其他地物,可以利用二值化算法將帳篷目標(biāo)分割出來(lái)。由于成像條件的限制,災(zāi)后遙感圖像中的部分區(qū)域可能會(huì)有薄霧的干擾,傳統(tǒng)的全局二值化算法不適用。本文采用文獻(xiàn)[8]提出的一種自適應(yīng)局部二值化算法[8](下文簡(jiǎn)稱DG算法)。

        (2) 基于數(shù)學(xué)形態(tài)學(xué)的候選帳篷提取

        利用數(shù)學(xué)形態(tài)學(xué)開(kāi)運(yùn)算對(duì)二值圖像進(jìn)行平滑,消除其中的散點(diǎn)和毛刺。平滑后的圖像中剩余若干邊界規(guī)整的對(duì)象,再根據(jù)帳篷目標(biāo)的形狀特征設(shè)定如下篩選條件,提取候選帳篷目標(biāo):

        1) 矩形度α:α≥αT;

        2) 面積S:Smin≤S≤Smax;

        3) 最小外接矩形的長(zhǎng)寬比r:

        rmin≤r≤rmax

        矩形度閾值αT,面積閾值 Smin、Smax和長(zhǎng)寬比閾值rmin、rmax均由從帳篷模板中提取的形狀特征確定。

        3. 帳篷識(shí)別

        步驟2)的提取結(jié)果中還存在一些偽目標(biāo),在原始遙感圖像中主要表現(xiàn)為形狀規(guī)則、亮度較高的斑塊??赏ㄟ^(guò)模板匹配算法,將匹配度小于閾值的虛假目標(biāo)去除,得到最終救災(zāi)帳篷識(shí)別結(jié)果。

        模板匹配算法的思路如下:待匹配區(qū)域I大小為W×H,模板T大小為w×h,匹配結(jié)果R是大小為(W-w+1)×(H-h+1)的矩陣。將模板滑過(guò)整個(gè)區(qū)域,用指定算法比較模板和待匹配范圍中大小為w×h的重疊區(qū)域,將比較結(jié)果保存到R中[9];最后從R中取出最大值,作為該范圍內(nèi)目標(biāo)的匹配度,其對(duì)應(yīng)的位置,即為該范圍內(nèi)的目標(biāo)位置。匹配度算法采用相關(guān)系數(shù)法[10]。

        考慮到待識(shí)別帳篷的搭設(shè)方向未知,可能與模板圖像中帳篷目標(biāo)的方向不一致,在進(jìn)行模板匹配前需要調(diào)整角度。如圖2所示,設(shè)待匹配候選目標(biāo)的方向與水平線夾角為α,將其順時(shí)針旋轉(zhuǎn)角度α后進(jìn)行一次模板匹配??紤]到帳篷為矩形結(jié)構(gòu),為了提高準(zhǔn)確率,將其分別旋轉(zhuǎn)α+90°、α+180°、α+270°后再進(jìn)行3次匹配,取4次結(jié)果的最大值作為該候選目標(biāo)的最終匹配度D。

        最后,設(shè)置匹配度閾值DT,剔除所有匹配度D≤DT的偽目標(biāo),得到帳篷識(shí)別結(jié)果。

        圖2 帳篷搭設(shè)示意圖

        三、試驗(yàn)與結(jié)果

        1. 數(shù)據(jù)源

        本文選用云南大理洱源縣5.5級(jí)地震后的光學(xué)航空遙感圖像。成像時(shí)間為2013年3月4日,空間分辨率為0.18m,遙感圖像包含R、G、B3個(gè)波段,大小為5616像素×3744像素。試驗(yàn)遙感圖像如圖3所示。

        圖3 試驗(yàn)遙感圖像

        救災(zāi)帳篷集中分布在圖4的4個(gè)區(qū)域,遙感圖像中其他區(qū)域也零散分布了少量救災(zāi)帳篷。其中,圖4(a)和圖4(d)區(qū)域在成像時(shí)受到霧氣的干擾,圖像較為模糊。下面本文將以圖4(a)區(qū)域?yàn)槔榻B帳篷識(shí)別方法流程。

        圖4 救災(zāi)帳篷主要分布區(qū)域

        2. 救災(zāi)帳篷識(shí)別

        首先從原始遙感圖像中選擇帳篷模板,然后采用DG算法將原始圖像的各波段二值化。為了證明DG算法的有效性,以藍(lán)波段為例,將其與經(jīng)典的Otsu算法進(jìn)行對(duì)比,試驗(yàn)結(jié)果見(jiàn)圖5。

        圖5 二值化試驗(yàn)結(jié)果對(duì)比

        從圖5可以看出,DG算法能夠更好地削弱薄霧的干擾,突出帳篷目標(biāo)。然后,構(gòu)建5×5大小的矩形結(jié)構(gòu)元素,對(duì)二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)開(kāi)運(yùn)算,結(jié)果見(jiàn)圖6,從圖6中可以看出,背景噪聲已被基本去除,能夠較完整地突出帳篷目標(biāo)。

        圖6 候選帳篷目標(biāo)提取

        經(jīng)過(guò)篩選得到的候選帳篷目標(biāo)如圖7(b)所示,從中可以看出,除了正確的帳篷目標(biāo)之外,還存在一處被錯(cuò)誤識(shí)別的目標(biāo)。最后,利用模板匹配算法篩除錯(cuò)誤識(shí)別的救災(zāi)帳篷目標(biāo),最終識(shí)別結(jié)果見(jiàn)圖7(a),錯(cuò)誤識(shí)別目標(biāo)已被剔除,識(shí)別結(jié)果準(zhǔn)確。其他區(qū)域的識(shí)別結(jié)果見(jiàn)圖7(c)、圖7(d)。

        圖7 救災(zāi)帳篷識(shí)別結(jié)果

        3. 精度評(píng)價(jià)

        通過(guò)目視解譯可知,試驗(yàn)圖像中共有救災(zāi)帳篷104頂,本文方法共識(shí)別出99頂,其中正確識(shí)別結(jié)果94頂,不同子區(qū)域內(nèi)帳篷識(shí)別的精度評(píng)價(jià)結(jié)果見(jiàn)表1。

        從表1可以看出,本文方法的總體完整率為90.38%,正確率為94.95%,識(shí)別精度較高。無(wú)論是在成像效果較好的區(qū)域b、c,還是在受霧氣影響的區(qū)域a、d,本方法都取得了良好的識(shí)別結(jié)果。除了上述4個(gè)集中分布的區(qū)域外,其他零散分布的帳篷目標(biāo)識(shí)別結(jié)果不佳。經(jīng)過(guò)分析,是由于遙感圖像中的背景噪聲及其他地物的干擾所致。

        表1 精度評(píng)價(jià)

        四、結(jié)束語(yǔ)

        針對(duì)重大自然災(zāi)害發(fā)生后災(zāi)民臨時(shí)安置點(diǎn)的監(jiān)測(cè)評(píng)估,救災(zāi)物資的合理分配等實(shí)際應(yīng)用需求,結(jié)合救災(zāi)帳篷在高分辨率遙感圖像上的多種特征,本文提出了一種結(jié)合數(shù)學(xué)形態(tài)學(xué)與多角度模板匹配的高分辨率遙感圖像救災(zāi)帳篷識(shí)別方法。試驗(yàn)結(jié)果表明,本文方法的識(shí)別完整率為90.38%,識(shí)別正確率為94.95%,能夠準(zhǔn)確識(shí)別出遙感圖像中的救災(zāi)帳篷目標(biāo)。在識(shí)別過(guò)程中,本文還考慮了遙感圖像成像條件的限制,采用自適應(yīng)閾值分割算法,有效削弱了薄霧的干擾;同時(shí),試驗(yàn)結(jié)果還表明,其他區(qū)域內(nèi)零星分布的帳篷識(shí)別精度較低。如何進(jìn)一步減少噪聲及其他地物的干擾,提高識(shí)別方法的魯棒性,有待進(jìn)一步研究。

        參考文獻(xiàn):

        [1]梅安新, 彭望祿, 秦其明, 等. 遙感導(dǎo)論[M]. 北京: 高等教育出版社, 2001.

        [2]溫奇, 陳世榮, 和海霞, 等. 無(wú)人機(jī)遙感在云南盈江地震中的應(yīng)用[J]. 自然災(zāi)害學(xué)報(bào), 2012, 21(6): 65-71.

        [3]劉三超, 范一大, 高懋芳. 遙感數(shù)據(jù)在自然災(zāi)害救助中的應(yīng)用[J]. 航天器工程, 2012, 21(6): 136-141.

        [4]BJORGO E. Using Very High Spatial Resolution Multispectral Satellite Sensor Imagery to Monitor Refugee Camps[J]. International Journal of Remote Sensing, 2000, 21(3): 611-616.

        [5]BJORGO E. Refugee Camp Mapping Using Very High Spatial Resolution Satellite Sensor Images[J]. Geocarto International, 2000, 15(2): 79-88.

        [6]GIADA S, DE GROEVE T, EHRLICH D, et al. Information Extraction from Very High Resolution Satellite Imagery over Lukole Refugee Camp, Tanzania[J]. International Journal of Remote Sensing, 2003, 24(22): 4251-4266.

        [7]ALHARTHY A, KOSHAK N. Automatic Extraction of Tents During Hajj from Airborne Images to Support Land Use Optimization[J]. Automation in Construction, 2007, 16(1): 107-111.

        [8]BRADLEY D, ROTH G. Adaptive Thresholding Using the Integral Image[J]. Journal of Graphics,Gpu, and Game Tools, 2007, 12(2): 13-21.

        [9]劉瑞禎, 于仕琪. OpenCV教程基礎(chǔ)篇[M]. 北京: 北京航空航天大學(xué)出版社, 2007.

        [10]BROWN L G. A Survey of Image Registration Techniques[J]. ACM Computing Surveys (CSUR), 1992, 24(4): 325-376.

        引文格式:葉昕,秦其明,王俊,等. 結(jié)合數(shù)學(xué)形態(tài)學(xué)與多角度模板匹配的高分辨率遙感圖像救災(zāi)帳篷識(shí)別[J].測(cè)繪通報(bào),2015(1):86-89.DOI:10.13474/j.cnki.11-2246.2015.0017

        通信作者:秦其明。E-mail:qmqinpku@163.com

        作者簡(jiǎn)介:葉昕(1992—),男,博士生,主要研究方向?yàn)檫b感圖像信息提取。E-mail:lanlang524@126.com

        基金項(xiàng)目:國(guó)家863計(jì)劃(2012AA121305)

        收稿日期:2014-02-24

        中圖分類號(hào):P237

        文獻(xiàn)標(biāo)識(shí)碼:B

        文章編號(hào):0494-0911(2015)01-0086-04

        猜你喜歡
        目標(biāo)識(shí)別
        基于偏振數(shù)字圖像的特征提取及處理方法研究
        一種BCI與SAR融合的目標(biāo)檢測(cè)系統(tǒng)設(shè)計(jì)
        Java數(shù)字音頻識(shí)別程序
        渡口水域安全監(jiān)管技術(shù)研究
        渡口水域安全監(jiān)管技術(shù)研究
        全自動(dòng)模擬目標(biāo)搜救系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
        動(dòng)態(tài)場(chǎng)景中的視覺(jué)目標(biāo)識(shí)別方法分析
        基于PC的視覺(jué)解決方案在 Delta機(jī)器人抓放中的應(yīng)用
        移動(dòng)機(jī)器人圖像目標(biāo)識(shí)別
        基于深度學(xué)習(xí)的目標(biāo)反饋?zhàn)R別系統(tǒng)
        日产国产亚洲精品系列| 四虎影视国产在线观看精品| 日本一区二区三区激情视频| 国产三级精品三级在专区中文 | 国产av无码专区亚洲av男同| 亚洲日韩一区二区三区| 久久免费区一区二区三波多野在| 日韩亚洲中字无码一区二区三区| 亚洲国产成人精品福利在线观看| 一区二区三区四区日韩亚洲| 亚洲综合偷自成人网第页色 | 传媒在线无码| 麻豆成人久久精品二区三区91| 国产亚洲成人av一区| 国产又大又硬又粗| 国产乱妇乱子视频在播放| 国产成人无码A区在线观| 女同视频网站一区二区| 日本中文一区二区在线观看| 日韩av无码精品一二三区| 欧美猛男军警gay自慰| 亚洲日韩中文字幕在线播放| 日本免费三级一区二区| 免费又黄又爽又色的视频| 亚洲色自偷自拍另类小说| 欧美伊人亚洲伊人色综| 久久精品国产亚洲av试看| 色天使久久综合网天天| 人与嘼交av免费| 亚洲AV日韩AV高潮喷潮无码| 国产在线视频一区二区三区不卡| 老熟女富婆激情刺激对白| 国产精品欧美一区二区三区| 中国极品少妇videossexhd| 色偷偷av一区二区三区人妖| 日韩亚洲无吗av一区二区| 又爽又黄又无遮挡网站动态图| 精品福利一区| 精品精品国产三级av在线| 精人妻无码一区二区三区| 精品久久亚洲中文无码|