CN103544502A - 基于svm的高分辨率遥感影像船只提取方法 - Google Patents
基于svm的高分辨率遥感影像船只提取方法 Download PDFInfo
- Publication number
- CN103544502A CN103544502A CN201310521799.4A CN201310521799A CN103544502A CN 103544502 A CN103544502 A CN 103544502A CN 201310521799 A CN201310521799 A CN 201310521799A CN 103544502 A CN103544502 A CN 103544502A
- Authority
- CN
- China
- Prior art keywords
- ship
- sensing image
- resolution remote
- svm
- proper vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种基于SVM的高分辨率遥感影像船只提取方法,包括步骤:步骤S101,从高分辨率遥感影像中手动选取船只作为训练样本;步骤S102,基于所述训练样本的特征向量,利用SVM训练船只识别分类器;步骤S103,对高分辨率遥感影像基于图像像素灰度方差进行两类分割,得到水面孤立目标和近岸区域;步骤S104,对所述水面孤立目标和近岸区域,搜索每个固定大小的矩形窗口,计算矩形窗口的特征向量;步骤S105,将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别,将船只目标提取出来。本发明将SVM引入到高分辨率遥感影像船只识别当中,能够在检测船只的基础上,完成船只类别和状态的识别。
Description
技术领域
本发明涉及遥感影像识别提取的技术领域,尤其涉及一种基于SVM的高分辨率遥感影像船只提取方法。
背景技术
随着遥感技术的进步,遥感影像分辨率的不断提高,遥感在各行各业都将有着广阔的应用前景。在航运管理中,船只及其运行状态是关键要素,基于高分辨率遥感影像对船只进行自动检测和状态识别能够快速分析大范围内的航运水域,对水上事故辅助分析、交通流量统计等具有重要意义。现有方法大多针对中低分辨率影像,并且重点在于检测,对于船只状态的分析很少涉及。因此很难满足需求,需进一步加以改进。
发明内容
有鉴于现有技术的上述不足,本发明提出一种能够对船只进行自动检测和状态识别,快速分析大范围内的航运水域船只情况的基于SVM的高分辨率遥感影像船只提取方法。
为实现上述目的,本发明提供了一种基于SVM的高分辨率遥感影像船只提取方法,包括以下步骤:
步骤S101,从高分辨率遥感影像中手动选取船只作为训练样本。
步骤S102,基于所述训练样本的特征向量,利用SVM训练船只识别分类器。
步骤S103,对高分辨率遥感影像基于图像像素灰度方差进行两类分割,得到水面孤立目标和近岸区域。
步骤S104,对所述水面孤立目标和近岸区域,搜索每个固定大小的矩形窗口,计算所述矩形窗口的特征向量。
步骤S105,将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别,将船只目标提取出来。
较佳的,步骤S101中所述的训练样本为包括船只的一个矩形框,在所述矩形框中以每16×16个像素的小窗口为单位,计算局部梯度统计直方图,将图像框中所有小窗口的统计直方图并联,组成该样本的HOG特征向量。
较佳的,步骤S102中所述特征向量为HOG特征向量;在训练中,训练样本包括输出值和输入值两个部分,输出值为[-1,1],-1表示非船只、1表示船只;输入值为样本HOG特征向量;最终训练得到的模型为一个判别决策函数,只要输入待识别的图像的HOG特征向量,即可得到预测值;所述预测值为[-1,1],-1表示非船只,1表示船只。
支持向量机(Support Vector Machine,SVM)在目标识别领域具有非常广泛的应用,并且已经被证明具有非常好的推广能力和鲁棒性。本发明将SVM引入到高分辨率遥感影像船只识别当中,基于SVR(Support VectorRegression)进行基于星载多光谱遥感影像的船只识别,能够在检测船只的基础上,完成船只类别和状态的识别。此外,还利用梯度统计直方图也叫方向梯度直方图(Histogram of Oriented Gradients,HOG)进行高分辨率遥感影像船只特征描述,可比传统的基于纹理、梯度等方法具有更好的船只目标描述能力。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1为本实施例基于SVM的高分辨率遥感影像船只提取方法的流程示意图。
具体实施方式
图1为本实施例基于SVM的高分辨率遥感影像船只提取方法的流程示意图。如图1所示,本实施例提出一种基于SVM的高分辨率遥感影像船只提取方法,包括以下步骤:
步骤S101,从高分辨率遥感影像中手动选取船只作为训练样本。
步骤S102,基于所述训练样本的特征向量,利用SVM训练船只识别分类器。
步骤S103,对高分辨率遥感影像基于图像像素灰度方差进行两类分割,得到水面孤立目标和近岸区域。
步骤S104,对所述水面孤立目标和近岸区域,搜索每个固定大小的矩形窗口,计算所述矩形窗口的特征向量。
步骤S105,将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别,将船只目标提取出来。
具体的,步骤S101中所述的训练样本为包括船只的一个矩形框,在所述矩形框中以每16×16个像素的小窗口为单位,计算局部梯度统计直方图,将图像框中所有小窗口的统计直方图并联,组成该样本的HOG特征向量。
具体的,步骤S102中所述特征向量为HOG特征向量;在训练中,训练样本包括输出值和输入值两个部分,输出值为[-1,1],-1表示非船只、1表示船只;输入值为样本HOG特征向量;最终训练得到的模型为一个判别决策函数,只要输入待识别的图像的HOG特征向量,即可得到预测值;所述预测值为[-1,1],-1表示非船只,1表示船只。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (3)
1.一种基于SVM的高分辨率遥感影像船只提取方法,其特征在于:
包括以下步骤:
步骤S101,从高分辨率遥感影像中手动选取船只作为训练样本;
步骤S102,基于所述训练样本的特征向量,利用SVM训练船只识别分类器;
步骤S103,对高分辨率遥感影像基于图像像素灰度方差进行两类分割,得到水面孤立目标和近岸区域;
步骤S104,对所述水面孤立目标和近岸区域,搜索每个固定大小的矩形窗口,计算所述矩形窗口的特征向量;
步骤S105,将所述矩形窗口的特征向量代入到步骤S102中得到的船只识别分类器进行识别,将船只目标提取出来。
2.如权利要求1所述的基于SVM的高分辨率遥感影像船只提取方法,其特征在于:步骤S101中所述的训练样本为包括船只的一个矩形框,在所述矩形框中以每16×16个像素的小窗口为单位,计算局部梯度统计直方图,将图像框中所有小窗口的统计直方图并联,组成该样本的HOG特征向量。
3.如权利要求2所述的基于SVM的高分辨率遥感影像船只提取方法,其特征在于:步骤S102中所述特征向量为HOG特征向量;在训练中,训练样本包括输出值和输入值两个部分,输出值为[-1,1],-1表示非船只、1表示船只;输入值为样本HOG特征向量;最终训练得到的模型为一个判别决策函数,只要输入待识别的图像的HOG特征向量,即可得到预测值;所述预测值为[-1,1],-1表示非船只,1表示船只。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310521799.4A CN103544502A (zh) | 2013-10-29 | 2013-10-29 | 基于svm的高分辨率遥感影像船只提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310521799.4A CN103544502A (zh) | 2013-10-29 | 2013-10-29 | 基于svm的高分辨率遥感影像船只提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103544502A true CN103544502A (zh) | 2014-01-29 |
Family
ID=49967937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310521799.4A Pending CN103544502A (zh) | 2013-10-29 | 2013-10-29 | 基于svm的高分辨率遥感影像船只提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103544502A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966295A (zh) * | 2015-06-16 | 2015-10-07 | 武汉大学 | 一种基于线框模型的舰船提取方法 |
CN105550709A (zh) * | 2015-12-14 | 2016-05-04 | 武汉大学 | 一种遥感影像输电线路走廊森林区域提取方法 |
CN105550695A (zh) * | 2015-11-27 | 2016-05-04 | 郑州航空工业管理学院 | 面向对象的遥感影像单类分类方法 |
CN107274723A (zh) * | 2017-05-25 | 2017-10-20 | 江苏大学 | 一种基于视觉处理的水面船只识别及预警的实现方法 |
CN107797149A (zh) * | 2017-11-10 | 2018-03-13 | 广东工业大学 | 一种船舶分类方法及装置 |
CN107886125A (zh) * | 2017-11-09 | 2018-04-06 | 南京大学 | 基于局部谱分解打分的modis卫星遥感图像标注方法 |
CN108288022A (zh) * | 2017-12-13 | 2018-07-17 | 广东数相智能科技有限公司 | 基于图像识别的航线货运状况识别方法及装置 |
CN108596048A (zh) * | 2018-03-30 | 2018-09-28 | 西安电子科技大学 | 一种基于相关滤波器的目标跟踪检测方法 |
CN108681691A (zh) * | 2018-04-09 | 2018-10-19 | 上海大学 | 一种基于无人水面艇的海上船艇快速检测方法 |
CN110008833A (zh) * | 2019-02-27 | 2019-07-12 | 中国科学院半导体研究所 | 基于光学遥感图像的目标船只检测方法 |
CN110008863A (zh) * | 2019-03-22 | 2019-07-12 | 哈尔滨工业大学 | 基于高分辨率桥梁区域船舶图像的高效多尺度采样方法 |
CN111767806A (zh) * | 2020-06-12 | 2020-10-13 | 北京理工大学 | 基于Attribute的极窄脉冲雷达船只目标鉴别方法 |
CN112966548A (zh) * | 2021-01-18 | 2021-06-15 | 中国农业科学院农业信息研究所 | 一种大豆地块识别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520896A (zh) * | 2009-03-30 | 2009-09-02 | 中国电子科技集团公司第十研究所 | 利用光学遥感影像自动检测云层干扰舰船目标的方法 |
CN102663394A (zh) * | 2012-03-02 | 2012-09-12 | 北京航空航天大学 | 基于多源遥感图像融合的大中型目标识别方法 |
CN102663348A (zh) * | 2012-03-21 | 2012-09-12 | 中国人民解放军国防科学技术大学 | 一种光学遥感图像中的海上舰船检测方法 |
CN103034870A (zh) * | 2012-12-14 | 2013-04-10 | 南京思创信息技术有限公司 | 基于特征的船舶快速识别方法 |
-
2013
- 2013-10-29 CN CN201310521799.4A patent/CN103544502A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520896A (zh) * | 2009-03-30 | 2009-09-02 | 中国电子科技集团公司第十研究所 | 利用光学遥感影像自动检测云层干扰舰船目标的方法 |
CN102663394A (zh) * | 2012-03-02 | 2012-09-12 | 北京航空航天大学 | 基于多源遥感图像融合的大中型目标识别方法 |
CN102663348A (zh) * | 2012-03-21 | 2012-09-12 | 中国人民解放军国防科学技术大学 | 一种光学遥感图像中的海上舰船检测方法 |
CN103034870A (zh) * | 2012-12-14 | 2013-04-10 | 南京思创信息技术有限公司 | 基于特征的船舶快速识别方法 |
Non-Patent Citations (3)
Title |
---|
孙皓等: "一种高分辨率遥感图像舰船检测方法研究", 《测绘科学》 * |
尤昕: "高分辨率光学遥感图像中海洋目标检测技术的研究", 《万方数据库中国科学技术大学硕士学位论文》 * |
李毅等: "基于支持向量机的遥感图像舰船目标识别方法", 《计算机仿真》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966295B (zh) * | 2015-06-16 | 2017-10-24 | 武汉大学 | 一种基于线框模型的舰船提取方法 |
CN104966295A (zh) * | 2015-06-16 | 2015-10-07 | 武汉大学 | 一种基于线框模型的舰船提取方法 |
CN105550695A (zh) * | 2015-11-27 | 2016-05-04 | 郑州航空工业管理学院 | 面向对象的遥感影像单类分类方法 |
CN105550709B (zh) * | 2015-12-14 | 2019-01-29 | 武汉大学 | 一种遥感影像输电线路走廊森林区域提取方法 |
CN105550709A (zh) * | 2015-12-14 | 2016-05-04 | 武汉大学 | 一种遥感影像输电线路走廊森林区域提取方法 |
CN107274723A (zh) * | 2017-05-25 | 2017-10-20 | 江苏大学 | 一种基于视觉处理的水面船只识别及预警的实现方法 |
CN107886125A (zh) * | 2017-11-09 | 2018-04-06 | 南京大学 | 基于局部谱分解打分的modis卫星遥感图像标注方法 |
CN107886125B (zh) * | 2017-11-09 | 2021-06-11 | 南京大学 | 基于局部谱分解打分的modis卫星遥感图像标注方法 |
CN107797149A (zh) * | 2017-11-10 | 2018-03-13 | 广东工业大学 | 一种船舶分类方法及装置 |
CN108288022A (zh) * | 2017-12-13 | 2018-07-17 | 广东数相智能科技有限公司 | 基于图像识别的航线货运状况识别方法及装置 |
CN108288022B (zh) * | 2017-12-13 | 2021-11-09 | 广东数相智能科技有限公司 | 基于图像识别的航线货运状况识别方法及装置 |
CN108596048A (zh) * | 2018-03-30 | 2018-09-28 | 西安电子科技大学 | 一种基于相关滤波器的目标跟踪检测方法 |
CN108596048B (zh) * | 2018-03-30 | 2020-05-19 | 西安电子科技大学 | 一种基于相关滤波器的目标跟踪检测方法 |
CN108681691A (zh) * | 2018-04-09 | 2018-10-19 | 上海大学 | 一种基于无人水面艇的海上船艇快速检测方法 |
CN110008833A (zh) * | 2019-02-27 | 2019-07-12 | 中国科学院半导体研究所 | 基于光学遥感图像的目标船只检测方法 |
CN110008833B (zh) * | 2019-02-27 | 2021-03-26 | 中国科学院半导体研究所 | 基于光学遥感图像的目标船只检测方法 |
CN110008863A (zh) * | 2019-03-22 | 2019-07-12 | 哈尔滨工业大学 | 基于高分辨率桥梁区域船舶图像的高效多尺度采样方法 |
CN111767806A (zh) * | 2020-06-12 | 2020-10-13 | 北京理工大学 | 基于Attribute的极窄脉冲雷达船只目标鉴别方法 |
CN111767806B (zh) * | 2020-06-12 | 2023-05-05 | 北京理工大学 | 基于Attribute的极窄脉冲雷达船只目标鉴别方法 |
CN112966548A (zh) * | 2021-01-18 | 2021-06-15 | 中国农业科学院农业信息研究所 | 一种大豆地块识别方法及系统 |
CN112966548B (zh) * | 2021-01-18 | 2023-10-27 | 中国农业科学院农业信息研究所 | 一种大豆地块识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544502A (zh) | 基于svm的高分辨率遥感影像船只提取方法 | |
US9846932B2 (en) | Defect detection method for display panel based on histogram of oriented gradient | |
CN109241985B (zh) | 一种图像识别方法及装置 | |
Siriborvornratanakul | An automatic road distress visual inspection system using an onboard in-car camera | |
CN100545867C (zh) | 航拍交通视频车辆快速检测方法 | |
CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
CN109919002B (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
CN103310194A (zh) | 视频中基于头顶像素点梯度方向的行人头肩部检测方法 | |
CN104657727A (zh) | 一种车道线的检测方法 | |
CN102663754B (zh) | 一种基于区域高斯加权的图像匹配计算方法 | |
CN103218816A (zh) | 一种基于视频分析的人群密度估计方法与人流量统计方法 | |
CN103324951B (zh) | 一种多元异构水环境监测数据评价与预警方法 | |
CN103177262A (zh) | 基于hog和svm的行人检测系统的fpga架构及其实现方法 | |
CN104657724A (zh) | 一种交通视频行人检测方法 | |
CN102915544A (zh) | 基于纹理检测和颜色分割的视频图像运动目标提取方法 | |
Zheng et al. | Vehicle detection based on morphology from highway aerial images | |
CN105447859A (zh) | 一种田间麦蚜虫计数方法 | |
CN102073852A (zh) | 基于最优阈值和随机标号法的多车辆分割方法 | |
CN107480585A (zh) | 基于dpm算法的目标检测方法 | |
CN104123734A (zh) | 基于可见光和红外检测结果融合的运动目标检测方法 | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
Su et al. | A new local-main-gradient-orientation HOG and contour differences based algorithm for object classification | |
CN105354547A (zh) | 一种结合纹理和彩色特征的行人检测方法 | |
Wei et al. | Detection of lane line based on Robert operator | |
TWI628623B (zh) | 全天候熱影像式行人偵測方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140129 |
|
WD01 | Invention patent application deemed withdrawn after publication |