没有合适的资源?快使用搜索试试~ 我知道了~
针对遥感图像中零星目标几何特征的非规则性,提出基于非规则标识点过程的遥感图像零星目标几何特征提取方法.首先,将图像分为目标类和背景类,利用非规则标识点过程建立目标的分布和几何特征,其中非规则标识采用一系列由节点连接起来的多边形定义而成,用以拟合目标几何形状,标识点用以确定目标位置;然后分别利用多值高斯分布和KL(Kullback Leibler)散度定义特征场能量函数和异质性能量函数,形成全局目标提取能量函数,应用非约束吉布斯表达式将全局能量函数转换为概率分布函数,并在最大化概率分布函数准则下设计合适的M-H(Metropolis-Hastings)采样算法,获得最优目标提取结果;最后,采用所提出方法对遥感图像零星目标进行提取,由实验结果可以看出,所提出方法不仅能准确定位各零星目标,而且可以对其几何形状进行精确拟合.
资源推荐
资源详情
资源评论
第 34卷 第 9期 控 制 与 决 策 Vol.34 No.9
2019年 9月 Control and Decision Sep. 2019
文章编号: 1001-0920(2019)09-1840-07 DOI: 10.13195/j.kzyjc.2018.1563
基于非规则标识点过程的遥感图像
零星地物目标几何特征提取
张洪云, 赵泉华
†
, 李 玉
(辽宁工程技术大学 测绘与地理科学学院,辽宁 阜新 123000)
摘 要: 针对遥感图像中零星目标几何特征的非规则性, 提出基于非规则标识点过程的遥感图像零星目标几何特
征提取方法. 首先, 将图像分为目标类和背景类, 利用非规则标识点过程建立目标的分布和几何特征, 其中非规则
标识采用一系列由节点连接起来的多边形定义而成,用以拟合目标几何形状,标识点用以确定目标位置; 然后分别
利用多值高斯分布和 KL(Kullback Leibler) 散度定义特征场能量函数和异质性能量函数, 形成全局目标提取能量
函数, 应用非约束吉布斯表达式将全局能量函数转换为概率分布函数, 并在最大化概率分布函数准则下设计合适
的 M-H(Metropolis-Hastings) 采样算法, 获得最优目标提取结果; 最后, 采用所提出方法对遥感图像零星目标进行
提取,由实验结果可以看出,所提出方法不仅能准确定位各零星目标,而且可以对其几何形状进行精确拟合.
关键词: KL散度;非规则标识点过程;目标提取;M-H算法
中图分类号: TP319 文献标志码: A
Geometric feature extraction of scattered targets from remote sensing
images based on irregular mark point process
ZHANG Hong-yun, ZHAO Quan-hua
†
, LI Yu
(School of Geomatics,Liaoning Technical University,Fuxin 123000,China)
Abstract: In view of the irregularity of the geometric features of the scattered targets in remote sensing images, a
geometric feature extraction method for remote sensing images based on irregular mark point process is proposed. Firstly,
the image is divided into target and background, and the distribution and geometric features of the target are established
by using the irregular marking point process. The random point are used to determine the target position, and the marks
associating individual points are defined with a set of nodes to depict the geometric shape of the target. Then, on this
basis, the multi-Gaussian distribution and Kullback-Leibler divergence are used to define the energy function and the
heterogeneous energy function, and form the global energy function. The global energy function is converted to the
probability distribution function by using the unconstrained Gibbs function, and the appropriate Metropolis-Hastings
sampling algorithm is designed under the maximization probability distribution function criterion. The optimal target
extraction result is obtained. Finally, the proposed method is used to extract the scattered targets from remote sensing
images, it can be seen from the experimental results that the proposed method achieves better experimental results. The
traditional mark point process method is extended to the irregular mark point process. According to the experimental
results of remote sensing image extraction, it can be seen that the method can be more accurate to fit the scattered targets.
Keywords: KL divergence;irregular mark point process;target extraction;Metropolis-Hastings algor ithm
0 引
图像的主要信息一般集中在几个少数的关键
区域 (如道路、河流、水库、小岛等) 内, 当这些区域分
布不均匀且较为零散时,称之为遥感图像中零星地物
目标
[1]
. 这些零星目标的几何特征表现为条形或面域
多边形等, 可以准确地反映目标地物的形状轮廓、长
宽尺寸及目标像素的分布等特点
[2]
,在目标检测和识
别过程中具有重要应用, 因此, 如何准确提取遥感图
像中零星目标的几何特征成为学者们重点研究的内
容之一
[3-4]
. 常用的遥感图像地物目标几何特征提取
方法有基于特征判别的方法
[5]
、基于分类学习的方
法
[6]
、基于 Hough 投票的方法
[7]
以及基于目标模型的
收稿日期: 2018-11-13;修回日期: 2018-03-04.
基金项目: 国家自然科学基金项目 (41271435, 41301479);辽宁省自然科学基金项目 (2015020090).
责任编委: 张国山.
†
通讯作者. E-mail: zqhlby@163.com.
第
9
期
张洪云 等
:
基于非规则标识点过程的遥感图像零星地物目标几何特征提取
1841
方法
[8]
. 随着近几年来遥感图像分辨率的不断提高,
使得基于目标模型的遥感图像目标提取方法应用更
为广泛,其中基于标识点过程的遥感图像目标提取方
法是最有效的方法之一
[9-11]
. 在基于标识点过程的遥
感图像几何特征提取模型中,这些零星目标位置被建
模为定义在图像域上的随机点过程, 构成该点过程的
随机点一般用于表征目标的位置,而地物目标的几何
形状则建模为附加在随机点上的几何标识
[12]
. 虽然
目前已有的基于标识点过程的遥感图像几何特征提
取算法显示出优良的特性和广阔的发展前景, 但其标
识均由规则的几何图形定义,如定义矩形标识实现对
建筑物提取
[13]
、椭圆标识对树冠进行提取
[14]
、线状标
识对道路进行提取
[15]
, 使得该类方法只能提取单一
的且规则的地物目标, 具有很大的局限性, 限制了该
类方法的应用. 为实现对任意形状地物目标进行提
取, 提出构建以非规则图形为标识的标识点过程. 标
识点过程构建完成后,通常采用概率模型建模目标函
数
[16]
, 但该方法需要预知模型中各参数的先验分布,
在很多情况下, 这种先验分布难以确定, 极大地限制
了该类方法的应用. 因此, 将采用概率模型建模的方
法转换为采用能量函数模型建模的方法
[17]
, 该类方
法可以将定义于特征场的具有明确物理含义的约束
条件引入能量函数,更侧重于物理学意义.
综上所述,本文提出构建非规则图形标识以建立
目标的分布及几何特征,并结合能量函数模型确定目
标提取模型, 最终通过设计M-H(Metropolis-Hastings)
移动操作实现遥感图像零星目标几何特征提取. 由
实验结果可以看出,所提出方法不仅能准确定位各零
星目标,而且可以对其几何形状进行精确拟合.
1 非规则标识点过程模型
1.1 点 过 程
给定有界区域 D ⊂ R
d
, 以及 R
d
上的勒贝格测
度 χ, 则 (D, χ) 构建完备可分的测度空间. 定义有界
区域 D 上对应点集构型 G = G
j
(j = 1, 2, · · · , m),
G
j
∈ D, j 为随机点索引, G
j
为平面点, m 为总点数.
如果构型 G 在任意有限波莱尔 (Borel) 集 B ⊂ D
内至多有有限数量的点, 则称该构型为局部有限的,
所有局部有限构型的集族记为 C
S
. 点过程 G 定义
为从抽象概率空间 (Ω, F, M) 到构型空间 C
S
的映
射, G : (Ω, F, M) → C
S
, Ω 为样本空间, F 为事件
的 σ 域, M 为概率测度. 随机点过程中具有两个与之
相应的变量, 其中一个是随机点位置, 通常采用均匀
分布刻画随机点位置; 另一个是随机点数目, 根据不
同概率密度函数可以定义不同的点过程, 如 Poisson
点过程、Cox 点过程、Gibbs 点过程和 Markov 点过程
等, 其中最常用的为 Poisson 点过程, 因此通常认为其
服从 Poisson 分布. 设 ν(·)为定义在 D 上的正测度, 刻
画 Poisson 点过程 G的强度, 表示该点过程落入 Borel
集B ⊂ D 内点数 N (B) 的均值, 即E[N(B)] = ν(B),
其中 E[ · ] 为期望值操作. 以 ν(·) 为强度的 Poisson 点
过程G满足如下特性:
1) 对于任意给定的 Borel 集 B ⊂ D, N (B) 为随
机变量,且服从均值为ν(B)的离散Poisson分布,即
p(N(B) = n) =
ν(B)
n
n!
exp(−ν(B));
2) 对于有限、互不相交 Borel集序列B
1
, B
2
, · · · ,
B
p
,其对应的随机变量N (B
1
), · · · , N (B
p
)相互独立.
图1(a)为具有4个随机点的点过程实现示例.
( , )u v
1 1
( , )u v
2 2
( , )s t
11 11
( , )s t
12 12
( , )s t
13 13
( , )s t
14 14
( , )s t
15 15
( , )s t
21 21
( , )s t
23 23
( , )s t
22 22
(a) !"#
(b) $%&'
(c) ($%&'
+
图 1 点过程及标识点过程示例
1.2 规则标识点过程
为刻画对应点的属性,可在每一点上附加随机标
识P ,形成标识点过程构型C = {G, P }, 通常以规则
几何图形(如矩形、线段和圆等) 为标识形成标识点过
程. 图 1(b) 为规则标识点过程示例, 其中圆点用以刻
画随机点的位置,对应的图形标识用以刻画对应目标
的属性.
剩余6页未读,继续阅读
资源评论
weixin_38696143
- 粉丝: 1
- 资源: 957
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功