CN112651465B - 基于高分辨遥感影像的装备目标解译方法 - Google Patents
基于高分辨遥感影像的装备目标解译方法 Download PDFInfo
- Publication number
- CN112651465B CN112651465B CN202110043317.3A CN202110043317A CN112651465B CN 112651465 B CN112651465 B CN 112651465B CN 202110043317 A CN202110043317 A CN 202110043317A CN 112651465 B CN112651465 B CN 112651465B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- equipment
- remote sensing
- interpretation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000001228 spectrum Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 230000009897 systematic effect Effects 0.000 abstract description 3
- 238000012790 confirmation Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 235000019646 color tone Nutrition 0.000 description 5
- 230000008094 contradictory effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010028896 Needle track marks Diseases 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 235000021110 pickles Nutrition 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30212—Military
Abstract
本发明公开了一种基于高分辨遥感影像的装备目标解译方法,对原始遥感影像中的全色光谱影像和多光谱影像进行融合,进行预处理,再做进一步调整、筛选后获得目标分析高分辨遥感影像;根据装备目标种类建立装备目标分类体系;根据目标分析高分辨遥感影像上反应的识别特征信息进行直接解译,实现目标的初步解译识别;对无法确定的目标通过逻辑推理法进行间接解译,实现目标的二次确认解译识别,获得解译结果;通过矛盾分析方法对装备目标的解译结果进行检验印证,并对目标进行分析识别。建立了系统性的高分辨遥感影像的装备目标解译方法,完善了现有解译理论中对装备目标的解译。
Description
技术领域
本发明涉及遥感影像判读技术领域,更具体的说是涉及一种基于高分辨遥感影像的装备目标解译方法。
背景技术
装备目标包括军用飞机、舰船及陆上车辆装备,是军队建设的基础,是军事作战中重要的武器实力表现,同时也是现代化战争包括军事侦察、监视与制导的重点关注打击对象。现如今,遥感技术已成为现代化战争中不可或缺的技术之一,成为军事目标搜索、变化检测及预测和执行的有效手段。随着遥感技术的不断发展,在应用层面却难以望其项背,归根结底在于对于识别目标的解译方法,知识体系的不完善,特别是在对遥感影像的装备目标解译方法上仍然存在很多的问题:(1)对于装备目标解译方法少且缺乏系统性的指导;(2)存在解译方法与实际应用,实际应用性较弱的问题;(3)现有理论方法与遥感影像技术的发展不同步,存在遥感技术快速更新发展,理论指导方法发展缓慢的问题。
因此,如何实现适应快速发展的遥感技术进行装备目标解译是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于高分辨遥感影像的装备目标解译方法,基于高分辨遥感影像,采用逻辑推理方法,明确装备目标解译的方法步骤,实现装备目标解译的可操作性,配合遥感影像技术的更新实现解译方法同步发展。
为了实现上述目的,本发明采用如下技术方案:
一种基于高分辨遥感影像的装备目标解译方法,包括以下步骤:
步骤1:获取原始遥感影像,对原始遥感影像中的全色光谱影像和多光谱影像进行预处理,然后进行融合获得高分辨遥感影像;
对所述多光谱影像进行辐射标定、大气校正和正射校正预处理,对所述全色光谱影像进行所述辐射标定和所述正射校正预处理;
步骤2:根据设定的规则对所述高分辨遥感影像进行筛选,对不满足所述规则的所述遥感影像进行调整,得到目标无云遮盖、清晰的目标分析高分辨遥感影像;
为获得能够进行目标目视解译的高分辨遥感影像,根据设定的规则对融合好的所述高分辨遥感影像进行筛选,所述规则包括:
(1)研究区域的影像空间分辨率优于0.5米;
(2)研究区域的目标无云遮盖,即云盖量为≤1%;
(3)影像的曝光率和色差满足目视解译的要求;
(4)影像获取时卫星侧摆角不大于±15°;
如不满足所述规则,需要将融合的所述高分辨遥感影像进行相应的所述调整,所述调整包括图像镶嵌、图像裁剪、图像波段组合以及利用ENVI、PS等图像处理软件进行曝光率及色彩的调整;
步骤3:根据装备目标的种类建立装备目标分类体系;所述装备目标分类体系包括目标类型分类、目标型号分类和目标特征信息,所述目标特征信息与目标类型、目标型号相对应;目标类型分类包括军用飞机、舰船以及地面装备的分类体系;
步骤4:提取所述目标分析高分辨遥感影像上的所述装备目标的特征信息,所述特征信息包含所述装备目标的特征及与所述装备目标相关的常识信息等,在所述特征信息中选取识别特征,令所述识别特征与所述装备目标分类体系进行对比,对所述装备目标进行直接解译,获得目标初步识别结果;
针对所述装备目标在所述目标分析高分辨遥感影像上反映的特征信息,在所述特征信息中选取六个识别特征,以所述识别特征为基础,对装备目标进行直接解译,实现目标的初步解译识别;如果识别特征清晰明显,则直接解译可能直接获得装备目标型号信息,或者由于识别特征较少,仅能获得装备目标大类信息,获得装备目标类型等;
所述特征信息包括所述装备目标的目标图像以其形状、大小、色调、阴影、位置和活动等现象反映出目标的性质和状况,为识别和判断目标性质及状况的基本依据,在解译上作为所述装备目标的所述识别特征;
步骤5:提取所述目标分析高分辨遥感影像上影像信息,所述影像信息包括所述装备目标本身的图像信息和除所述装备目标外的图像信息,从所述影像信息中选取二次解译识别特征,获取周围相关事件信息,周围相关事件信息为影像信息的相关事件信息,根据所述目标初步识别结果、所述二次解译识别特征、所述装备目标分类体系和所述周围相关事件信息,通过逻辑推理法进行间接解译,实现所述装备目标的二次解译识别,获得目标型号;
步骤51:提取所述目标分析高分辨遥感影像上的所述影像信息,根据所述目标初步识别结果进行一级分类,获得目标大类类型,即确定目标装备大类类型,属于飞机、舰船或地面装备;
可以根据六大识别特征确定待解译目标的一级分类;飞机多停驻于机场、舰船多停驻于港口,地面装备的车辆多停驻于陆地,基于高分辨率的影像图,因飞机、舰船、地面装备三类目标在影像上呈现的不同状态,将目标进行一级分类;
步骤52:从所述影像信息中提取所述二次解译识别特征,结合所述二次解译识别特征、所述目标大类类型和所述装备目标分类体系进行二级分类,推理获得二级属性分类结果;
所述二次解译识别特征包括所述目标分析高分辨遥感影像的位置信息,根据目标所在位置推理出二级分类结果,判断目标是军用还是民用;
确定军用、民用类型方法分为两种,第一种是直接根据目标本身的特点,可以提取目标分析高分辨遥感影像中编号等信息,如存在军用编号,则为军用,或者在目标初步识别结果中就确定了目标型号,则根据飞机、舰船、地面装备的型号可以确定军用还是民用类型;第二种,无法直接确认的,则需要借助装备目标的位置特点进行判断,获取目标所在影像中位置特征,位置可以通过经纬度进行定位,停驻于军用基地的目标一般情况下为军用类型;
步骤53:获取与所述影像信息相关的所述周围相关事件信息,根据所述目标大类类型、所述二级属性分类结果、所述装备目标分类体系和所述周围相关事件信息,推理获得所述目标型号;
周围相关事件信息包括例如当前位置位于哪个国家,哪个装备库,装备库中现存装备类型、型号等;装备目标分类体系中存储目标类型对应的定义特征,如各种飞机目标的各个组成部分、各个组成部分的材料和材质以及飞机的动力系统等;通过大类类型、属性、和周围相关信息等与装备目标分类体系中存储特征进行对照、推理,确定选定具体型号;
步骤6:获取目标型号对应的所述装备目标的参数指标和目标相关事件信息,与所述装备目标的所述特征信息和所述影像信息进行对比寻找矛盾点,如果存在矛盾点则返回所述步骤5,否则输出当前目标型号。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于高分辨遥感影像的装备目标解译方法,对原始遥感影像中的全色光谱影像和多光谱影像进行预处理;然后对于预处理后的全色光谱影像和多光谱影像进行融合,进一步调整、筛选后获得目标分析高分辨遥感影像;根据装备目标种类建立装备目标分类体系;根据目标分析高分辨遥感影像上反应的识别特征信息进行直接解译,实现目标的初步解译识别;对无法确定的目标结合各种特征信息和提取的目标周围的影响信息,通过逻辑推理法进行间接解译,实现目标的二次确认解译识别,获得目标型号;通过矛盾分析方法对装备目标的解译结果进行检验印证,并对目标进行分析识别。通过逻辑推理、反复印证形成系统性的高分辨影像的装备目标解译方法,达到了对装备目标包括军用飞机、舰船、地面装备的统一系统分类,运用逻辑推理方法与矛盾分析方法实现了对装备目标在内的目标解译,完善了现有解译理论中对装备目标的解译。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的基于高分辨遥感影像的装备目标解译方法流程图;
图2附图为本发明提供的飞机目标体系分类图;
图3附图为本发明提供的舰船目标体系分类图;
图4附图为本发明提供的地面装备目标体系分类图;
图5附图为本发明提供的实施例1遥感影像一示意图;
图6附图为本发明提供的实施例1遥感影像二示意图;
图7附图为本发明提供的实施例2影像示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种基于高分辨遥感影像的装备目标解译方法,包括以下步骤:
S1:获取原始遥感影像,对原始遥感影像中的全色光谱影像和多光谱影像进行预处理,然后进行融合获得高分辨遥感影像;采用ENVI软件将预处理后的全色光谱影像和多光谱影像进行融合;
对多光谱影像进行辐射标定、大气校正和正射校正预处理,对全色光谱影像进行辐射标定和正射校正预处理;
S2:为获得能够进行目标目视解译的目标分析高分辨遥感影像,根据设定的规则对融合好的高分辨遥感影像进行筛选,规则包括:
(1)研究区域的影像空间分辨率优于0.5米;
(2)研究区域的目标无云遮盖,即云盖量为≤1%;
(3)影像的曝光率和色差满足目视解译的要求;
(4)影像获取时卫星侧摆角不大于±15°;
如不满足规则,需要将融合的高分辨遥感影像进行相应的调整,调整包括图像镶嵌、图像裁剪、图像波段组合以及利用利用ENVI、PS等图像处理软件Photoshop软件进行曝光率及色彩的调整;
S3:根据装备目标的种类建立装备目标分类体系,装备目标分类体系包括目标类型分类、目标型号分类和目标特征信息,目标特征信息与目标类型、目标型号相对应;目标类型分类包括军用飞机、舰船以及地面装备的分类体系;
根据解译对象,包括飞机、舰船以及地面装备,根据功能、性能作用等特征,对飞机、舰船以及地面装备进行目标分类,并且对飞机中的军用飞机、舰船中的军用舰船、地面装备目标中的军用车辆以及车载导弹进行详细的分类,建立对应的目标分类体系;
S4:提取高目标分析分辨遥感影像上的装备目标的特征信息,特征信息包含装备目标的特征及与装备目标相关的常识信息等,在特征信息中选取识别特征,令识别特征与装备目标分类体系进行对比,对装备目标进行直接解译,获得目标初步识别结果;
针对装备目标在目标分析高分辨遥感影像上反映的特征信息,在特征信息中选取六个识别特征,以识别特征为基础,对装备目标进行直接解译,实现目标的初步解译识别;
特征信息包括装备目标的目标图像以其形状、大小、色调、阴影、位置和活动等现象反映出目标的性质和状况,为识别和判断目标性质及状况的基本依据,在解译上作为装备目标的识别特征,识别特征表述如下:
形状,指地物外部轮廓和细部状况的形状在影像上的反映;不同类型的地面目标有其特定的形状,是识别目标的重要依据,与眼睛看到的影像不同的是,眼睛视线通常是平视的,看到的是物体的侧面形状,而遥感卫星影像是从物体的上方进行拍摄的,反映的主要的物体顶部形状,但目标反映在空中的形状,也会受到地形起伏、物体高度、拍摄角度等许多因素的影响,同时也会出现形状特征伪装的情况,如车辆目标上遮盖伪装网;
大小,指地物在影像片上的尺寸,如长、宽、面积、体积等;地物的大小特征主要取决于影像比例尺,根据影像比例尺,就能够建立物体和影像的大小联系,计算求出目标的实际大小,目标大小受到地形起伏、拍摄倾斜角度的影响;
色调,是物体的电磁波特性在图像上的反映,在融合的高分辨遥感影像上呈现为彩色;地物的形状、大小都要通过色调显示出来,所以色调特征也成为颜色特征是最基本的解译标志;
阴影,是指高出或凹于地面的物体,在直射阳光照射下所产生的影子,分为本影和落影;
位置,是指地物存在的位置以及地物间的空间位置关系在影像中的反映,反映目标之间的联系,是重要的间接解译特征;
活动,是指由于目标活动而引起的各种征候,任何目标只要有活动,就会产生活动的征候,这些征候与目标性质有着一定的联系。
以六大识别特征的图像解译识别为基础,根据飞机、舰船以及地面装备的详尽图像识别特征进行目标的直接判断,飞机、舰船以及地面装备的识别特征如下:
飞机,在影像上识别飞机,一般比较容易,对飞机的解译,应具体到类型、数量和所处的状态,并解译携带核武器飞机的情况;不同种类的飞机,各有特点,由飞机的各个组成部分的形状、数量和安装位置等位置决定,在影像上解译飞机类型,基于飞机的基本组成部分包括机翼、动力装置、尾翼、机身、起落装置和武器等几个部分的识别特征,特别是形状和材料特征,各部分反映在影像上的形状特点不同,对飞机目标的整体形状影响也不同;
舰船,舰船的解译,一般需要解译其舰种,区分舰船级别,不同的舰种,在战术、技术性能方面有着不同的特点;在影像上,根据各种舰船的特点来识别各种舰艇;
地面装备,地面装备主要对军用车辆进行解译;军用车辆是军队装备的各种汽车、履带车、摩托车的统称,一般反映在影像上,呈现长方块状;车辆的用途功能不同,车辆形态不同,在影像上的反映也不同,如,指挥车,在影像上常呈现为较小的长方块状,有蓬吉普车的车厢色调与车头差别比较明显,无蓬吉普车,车厢部分影像比较杂乱;面包车和轿车本身色调基本一致;影像上指挥车辆较易区别,如履带车,因履带车主要分为装甲输送车和步兵战车,具有较好的机动性能和较强的防护能力,装甲输送车顶部较为平整空旷,表面棱角明显,在影像上为长方块状,履带痕迹明显,与坦克类似,但没有炮塔;炮塔是区分装甲输送车与自行火炮、坦克的主要依据,此外,在位置信息上,装甲输送车大多位于隐蔽之处,而坦克及自行火炮多占领利于发扬火力的地形处;步兵战车主要用于协同坦克作战,也可独立做任务,一般水陆两用;在影像上,只装有机枪、机关炮的步兵战车与装甲输送车极为相似,装有火炮的步兵战车与自行火炮相比,炮塔稍小,火炮身管较短;此外,对于比较常见的军事工程车、医疗救护车、液体罐车、其中汽车及摩托车等,由于具有专门的用途,在外形结构上必然都有一定的独特之处,如军事工程车作业室大多为坚固的金属棚车,其中汽车装有吊车等起重设备,这些具有独特功能的设备,是影像解译的依据;
S5:提取目标分析高分辨遥感影像上影像信息,影像信息包括装备目标本身的图像信息和除装备目标外的图像信息,从影像信息中选取二次解译识别特征,获取周围相关事件信息,周围相关事件信息为影像信息的相关事件信息,根据目标初步识别结果、二次解译识别特征、装备目标分类体系和周围相关事件信息,通过逻辑推理法进行间接解译,实现装备目标的二次解译识别,获得目标型号;
逻辑推理法是根据事物发展的一般规律,将目标客观证据和目标现实状态相结合,按照一定的逻辑思维的规律、规则形成概念、运用确定法和排除法做出判断和进行推理的解译方法;针对S4直接解译出装备目标的目标型号的,通过逻辑推理法进行间接解译,具体过程如下:
S51:提取目标分析高分辨遥感影像上的影像信息,根据目标初步识别结果进行一级分类,获得目标大类类型;
根据识别特征对目标分析高分辨遥感影像上的目标图像进行一级分类:
首先根据六大识别特征确定待解译目标的一级分类;飞机多停驻于机场、舰船多停驻于港口,地面装备的车辆多停驻于陆地,基于高分辨率的影像图,因飞机、舰船、地面装备三类目标在影像上呈现的不同状态,将目标进行一级分类;
S52:从影像信息中提取二次解译识别特征,结合二次解译识别特征、目标大类类型和装备目标分类体系进行二级分类,推理获得二级属性分类结果;
结合装备目标的位置特点进行二级分类:
确定军用、民用类型。军用或民用机型一般无法直接判断,需要借助装备目标的位置特点进行判断,停驻于军用基地的目标一般情况下为军用类型,确定军用、民用也可以进一步对目标的分级以及位置进行确定;位置可以通过经纬度进行定位。
S53:依据S51-S52推理出目标的分级大类,获取与影像信息相关的周围相关事件信息,根据目标大类类型、二级属性分类结果、装备目标分类体系和周围相关事件信息,推理获得目标型号;
掌握大类类型,如确定一级分类结果目标为飞机;根据装备目标分类体系掌握飞机大类的定义,掌握飞机目标的各个组成部分、各个组成部分的材料和材质以及飞机的动力系统等;根据目标大类类型、属性和周围相关事件信息对照装备目标分类体系中的定义特征,确定具体的目标型号。
飞机目标:
首先获取飞机的实际尺寸,包括机身尺寸、机翼与机身的比例位置等物理参数信息;获取机身的组成结构;获取各组成结构的形式,如机翼分为上单翼、中单翼和下单翼,形状有三角形、梯形和半圆形等多种形状;获取飞机的发动机类型、位置和形状;获取飞机机身的涂装色、机身印有的文字、图形信息;通过获取的参数信息与影像中的目标图像进行匹配,排除不符合参数的目标;
根据位置信息,可进一步排除目标,如在日本的空军基地,不会出现美国的飞机,各个组织的飞机均具有所属的空军基地及位置,根据此信息排除其余选项;
舰船目标:
首先获取舰船的实际尺寸,包括舰船长、宽尺寸,长宽比等物理参数信息;获取舰船的组成结构;获取各组成结构的形式,如舰船舰桥位置、烟囱个数及排烟口的个数形状、有无直升机甲板等;获取舰船的特别设施如舟艇、吊车、船身印有的数字、文字及图形信息;
军用的舰船一般停驻于固定的港口,国家与国家之间的舰船较少出现交叉停放的情况,根据位置信息排除不属于该港口的舰船,确定归属信息;
地面装备:
首先获取车辆的实际尺寸,包括车辆长、宽尺寸,长宽比等物理参数信息;获取车辆的组成结构,车辆有无附属设施如吊车等等;获取车辆的涂装、车辆的特殊符号,如医疗救护车具有红十字的符号等信息;
地面装备具有一定的位置特征,各个国家和地区的地面装备涂装色及形状也会有所差别;
S6:获取目标型号对应的装备目标的参数指标和目标相关事件信息,与装备目标的特征信息和影像信息进行对比寻找矛盾点,如果存在矛盾点则返回S5,否则输出当前目标型号;
通过矛盾分析方法对装备目标的解译结果进行检验印证,并对目标进行分析识别;
矛盾分析法是指从事物的固有联系中把握事物,从事物矛盾中分析事物,解决客观存在的问题;装备目标的遥感解译就是不断从利用遥感反映地物的联系和矛盾中,来揭示事物本质,通过事物之间的联系和相互矛盾关系印证目标的实际信息;
对于高分辨遥感影像解译来说,不符合实际情况的点都是矛盾的点,任何一个矛盾点一定有其突破口,而突破口往往就是找准解译真相的关键所在,比如,对于有树枝伪装的地面装备车辆来说,由于伪装图案与目标背景极为相似,造成解译难度增大,但是对于树枝之类的伪装,通常会受到季节、地区、器材的限制,难以做到尽善尽美,有些伪装材料经过一段时间后,会降低伪装的效果,比如树叶会枯萎、从而显现出目标外形,因此,根据时相上的图像差别,注意观察不同时相上的目标,并注意目标与周围事物的差异,利用矛盾点,去伪留真,判明目标性质。
为了进一步优化上述技术方案,S5中进行间接解译的过程如果目标分析高分辨遥感影像仅包含装备目标影像,则对目标影像进行深度剖析解译,根据对装备目标的目标初步识别结果,收集装备目标的相关事件,通过网络搜集相关资讯信息,包括百度百科、新闻、官网发布的公告等,结合目标的相关事件对目标进行深度剖析推理解译。
为了进一步优化上述技术方案,S5中会根据提取的更多的影像信息和相关事件信息同时对S4中目标初步识别结果进行印证。
实施例1
如图5-6所示,在高分辨遥感影像上来看,确定目标的基本参数,即获得装备目标的特征信息,信息如下表1所示:
表1直接解译获得的目标基本参数信息
根据上述特征,首先能确定图5中装备目标为飞机,型号为C-130;
其次,根据上述表1中在遥感影像图上解译的信息,运用逻辑推理进行间接解译,确定以下信息:
(1)根据影像反映出的目标机翼上的具有红色圆形符号为日本的国旗标值,获得信息:该型飞机的归属国家为日本;
(2)根据直接解译获取的机长等参数,得到该型飞机为大型飞机的信息;根据如图2-4所示的目标分类判断,结合“该型飞机为大型飞机”的信息,得到信息:一般情况下为运输机、加油机、或者勤务活动飞机;
(3)根据影像反映出的目标机翼翼展的形式,得到信息:该型机为固定翼飞机;
(4)根据直接解译内容和间接解译的内容:图5和图6所示的飞机两者机翼形状、外形、尾翼等的组成、发动机、副油箱等组成相同、数量相同位置也相同,得到信息:两者的功能和用途相近;
获取更多影像信息和相关事件信息进一步进行间接解译,如果影像上仅有装备目标,则对装备目标进行深度剖析,目标影像反映的信息:唯一不同的为图6具有加油舱,根据对飞机的常识认知得到信息:加油舱的用途为加油,证明图6飞机为加油机;
同时实现对直接解译结果进行印证:
根据上述影像反应内容,机身、机长、发动机数目等基本信息,就已经确定飞机型号为C-130,再通过间接解译印证:
剖析该目标的深层特征信息为:机翼的形式为前直上单翼机翼,梯形水平位移位于垂直尾翼根部,及发动机位置及所处的机场为日本机场,对照实景照片及对日本飞机装备资料的搜集对应,确定步骤五的信息与C-130完全对应,则印证该型机为C-130;
(5)根据对日本装备飞机的了解,得到在日本的飞机装备中,存在两款相似且用途不同的飞机为C-130及KC-130,搜索两型机的空中照片及相关日本飞机装备指南,KC-130具有外挂的加油仓,而图5中目标没有,则排除图5目标为KC-130,再通过核实C-130的相关数据与影像中提取的特征信息想匹配,确定图5和图6中装备目标分别为C-130运输机和KC-130加油机。
(6)然后,通过矛盾分析法确定两型机的用途:
虽然两者在遥感影像上的外形极为相似,但是由于加油舱的存在,两型机的功能性质发生了根本的改变,不具有加油舱的图5为运输机,具有加油舱的图6为加油机,进一步分析,由于性质的改变,两型机在作战任务上的分工不同,对于打击目标来说,作战时的打击次序也会不同,加油机为首要的打击目标,而运输机为次要。
最后,根据高分辨率遥感卫星的图像,解译出图5为C-130的运输机,在打击时,不做为首要重点打击对象,图6为KC-130的加油机,在打击时,为首要重点打击对象。
以上为高分辨遥感卫星影像的解译步骤,最终从判断飞机类型、功能及作战上统一对目标进行解译,获得结果。
实施例2
图7是一张巴基斯坦空军第4预警机中队在马苏尔空军基地成军时的地面照片。
一、逻辑推理过程:
1、首先,观察实物信息。
照片中直接反应的影像信息至少有3个方面:
(1)地点:巴基斯坦马苏尔空军基地;
(2)预警机:为从我国引进的4架ZDK-03型预警机之一。
(3)机库:采用拱架体系结构,有拱梁7根,后墙立柱7根,飞机机库是专供飞机维修与停驻的大型建筑。
2、依据上述信息可以做出4个判断:
(1)机库类型:ZDK-03预警机机库;判断依据:ZDK-03预警机停放在机库内。
(2)机库大小:可以判断ZDK-03型预警机机库至少长大于38米,宽大于42米;判断依据:ZDK-03预警机以运九为承载平台,运九机长34米,翼展38米,且大型飞机在机库中停放安全距离必须大于2米。
(3)机库形状:机库呈方形,机库顶部为坡面人字形;判断依据:拱梁顶部呈有一定夹角,拱梁下部为机库侧墙支撑,立柱为机库后墙支撑。
(4)机库位置:巴基斯坦马苏尔空军基地。
通过对马苏尔空军基地影像分析发现,该基地内建有长大于38米、宽大于42米且顶部呈人字形坡面机库3座。机库停机坪停放有ZDK-03预警机1架。直接解译的目标初步识别结果为:疑似为巴空军停放ZDK-03预警机机库。
直接解译的过程:从地面照片信息转化成机库4个识别特征,就紧紧抓住了预警机、机库建筑材料与机库之间的联系——以预警机位置推断机库类型;以照片拍摄地点推断机库的位置;以预警机的大小来推断机库的大小;以机库拱梁、立柱推断机库顶外形和整体形状。
间接解译:事物之间总是存在矛盾,对直接解译的初步结论进行间接推理和印证;
寻找矛盾点:初步判断出巴基斯坦空军ZDK-03预警机机库,但受遥感影像特性影响,其内部结构是否与照片所反映特征相符没有得到证实,且3座机库与已知的巴基斯坦引进4架ZDK-03预警机数量不同,飞机数量与机库数量之间出现了矛盾;
获取目标相关事件信息,得知:“2012年,在巴基斯坦加姆勒空军基地的一次受袭中,1架萨博-2000“爱立眼”预警机报废,ZDK-03预警机未受损伤。”这则消息显示ZDK-03预警机在加姆勒空军基地有部署。
随后翻阅该地点不同时像下的卫星遥感得到,巴基斯坦加姆勒空军基地2016年10月3日遥感影像,基地建有1座与马苏尔空军基地3座机库同大小同形状机库,同时2014年10月4日遥感影像获取了机库在建情况,可以发现,机库共有7根拱梁,后墙有7根立柱。结构与照片显示信息完全相同。
通过上述遥感影像分析,该机库为停放预警机的专用机库。但在影像解译过程中,发现该基地有萨博-2000“爱立眼”预警机停驻,与之前巴预警机遭袭的报道相吻合,但驻场预警机与机库不匹配。
确定矛盾点:
共计出现2个矛盾:马苏尔空军基地预警机数量与专用机库数量不一致;加姆勒空军基地预警机机库与驻场预警机类型不一致。
通过事物之间的联系和相互矛盾关系,初步判定了巴基斯坦ZDK-03型预警机机库,但仍然存在预警机数量、类型与机库之间不一致的问题。对巴基斯坦境内所有空军基地进行分析,发现米扬瓦利、拉菲基、里萨尔布、奎达、纳瓦卜沙阿、穆沙夫巴基斯坦等6处空军基地,分别建有与上述同大小、同形状的机库。可以确定,巴空军共建有此种机库10座。
寻找上述10座机库与巴基斯坦预警机之间的联系:
经过网络信息综合得知:“2006年从瑞典引进的萨博-2000“爱立眼”空中预警机4架;2010年从中国引进4架ZDK-03预警机;2012年1架萨博-2000“爱立眼”预警机遭袭报废;2019年3架萨博-2000“爱立眼”预警机交付。”巴基斯坦现役预警机10架,与查明预警机机库数量相同。
因此最终下定结论:此类型机库为巴基斯坦空军现役2型预警机专用机库,且10架预警机分散部署8个空军基地。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种基于高分辨遥感影像的装备目标解译方法,其特征在于,包括以下步骤:
步骤1:获取原始遥感影像,对原始遥感影像中的全色光谱影像和多光谱影像进行预处理,然后进行融合获得高分辨遥感影像;
步骤2:根据设定的规则对所述遥感影像进行筛选,对不满足所述规则的所述遥感影像进行调整,得到目标分析高分辨遥感影像;
步骤3:根据装备目标的种类建立装备目标分类体系;
步骤4:提取所述目标分析高分辨遥感影像上的所述装备目标的特征信息,在所述信息知识中选取识别特征,令所述识别特征与所述装备目标分类体系进行对比,对所述装备目标进行直接解译,获得目标初步识别结果;
步骤5:提取所述目标分析高分辨遥感影像上影像信息,从所述影像信息中选取二次解译识别特征,获取周围相关事件信息,根据所述目标初步识别结果、所述二次解译识别特征、所述装备目标分类体系和所述周围相关事件信息,通过逻辑推理法进行间接解译,实现所述装备目标的二次解译识别,获得目标型号;
步骤6:获取目标型号对应的所述装备目标的参数指标和目标相关事件信息,与所述装备目标的所述特征信息和所述影像信息进行对比寻找矛盾点,如果存在矛盾点则返回所述步骤5,否则输出当前目标型号。
2.根据权利要求1所述的基于高分辨遥感影像的装备目标解译方法,其特征在于,所述步骤1中对所述多光谱影像进行辐射标定、大气校正和正射校正预处理,对所述全色光谱影像进行所述辐射标定和所述正射校正预处理。
3.根据权利要求1所述的基于高分辨遥感影像的装备目标解译方法,其特征在于,所述规则包括:研究区域的影像空间分辨率优于0.5米;研究区域的目标无云遮盖;影像获取时卫星侧摆角不大于±15°;所述调整包括图像镶嵌、图像裁剪、图像波段组合以及进行曝光率和色彩调整。
4.根据权利要求1所述的基于高分辨遥感影像的装备目标解译方法,其特征在于,从所述特征信息中选取所述装备目标的目标图像形状、大小、色调、阴影、位置和活动作为识别和判断目标性质及状况的所述识别特征。
5.根据权利要求1所述的基于高分辨遥感影像的装备目标解译方法,其特征在于,所述步骤5中进行所述间接解译的具体步骤为:
步骤51:提取所述目标分析高分辨遥感影像上的所述影像信息,根据所述目标初步识别结果进行一级分类,获得目标大类类型;
步骤52:从所述影像信息中提取所述二次解译识别特征,结合所述二次解译识别特征、所述目标大类类型和所述装备目标分类体系进行二级分类,推理获得二级属性分类结果;
步骤53:获取与所述影像信息相关的所述周围相关事件信息,根据所述目标大类类型、所述二级属性分类结果、所述装备目标分类体系和所述周围相关事件信息,获得所述目标型号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110043317.3A CN112651465B (zh) | 2021-01-13 | 2021-01-13 | 基于高分辨遥感影像的装备目标解译方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110043317.3A CN112651465B (zh) | 2021-01-13 | 2021-01-13 | 基于高分辨遥感影像的装备目标解译方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651465A CN112651465A (zh) | 2021-04-13 |
CN112651465B true CN112651465B (zh) | 2024-02-02 |
Family
ID=75367965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110043317.3A Active CN112651465B (zh) | 2021-01-13 | 2021-01-13 | 基于高分辨遥感影像的装备目标解译方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651465B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362287B (zh) * | 2021-05-24 | 2022-02-01 | 江苏星月测绘科技股份有限公司 | 一种人机协同的遥感影像智能解译方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909039A (zh) * | 2017-11-16 | 2018-04-13 | 武汉大学 | 基于并行算法的高分辨率遥感影像的地表覆盖分类方法 |
CN111582237A (zh) * | 2020-05-28 | 2020-08-25 | 国家海洋信息中心 | 基于atsm模型的高分影像飞机类型识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8254670B2 (en) * | 2009-02-25 | 2012-08-28 | Toyota Motor Engineering & Manufacturing North America, Inc. | Self-learning object detection and classification systems and methods |
US10515154B2 (en) * | 2014-03-12 | 2019-12-24 | Sap Se | Systems and methods for natural language processing using machine-oriented inference rules |
-
2021
- 2021-01-13 CN CN202110043317.3A patent/CN112651465B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107909039A (zh) * | 2017-11-16 | 2018-04-13 | 武汉大学 | 基于并行算法的高分辨率遥感影像的地表覆盖分类方法 |
CN111582237A (zh) * | 2020-05-28 | 2020-08-25 | 国家海洋信息中心 | 基于atsm模型的高分影像飞机类型识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112651465A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Winnefeld et al. | A league of airmen: US air power in the Gulf War | |
CN106297142A (zh) | 一种无人机山火勘探控制方法及系统 | |
CN103241380A (zh) | 对陆地或海上对象进行侦察和/或交战的系统以及方法 | |
CN112651465B (zh) | 基于高分辨遥感影像的装备目标解译方法 | |
Crickmore | Lockheed Blackbird: Beyond the Secret Missions (Revised Edition) | |
Jenkins | Lockheed secret projects: Inside the skunk works | |
Cooper | Libyan Air Wars: Part 1: 1973-1985 | |
Robarge | Archangel: CIA's Supersonic A-12 Reconnaissance Aircraft | |
Beitler | Imagery Intelligence | |
Chambers | Wings of the Rising Sun: Uncovering the Secrets of Japanese Fighters and Bombers of World War II | |
Koster | Foreign Internal Defense: Does Air Force Special Operations Have What It Takes? | |
Crickmore | Lockheed F-117 Nighthawk Stealth Fighter | |
Liu et al. | Suggestions for formulating collaborative remote sensing emergency plan based on case studies | |
Merlin | Unlimited Horizons: Design and Development of the U-2 | |
Smirnov et al. | Problems and prospects for the development of unmanned aerial vehicles in Russia | |
Crickmore | Nighthawk F-117 Stealth Fighter | |
Marrone et al. | The Role of Dual-Use Helicopters in the Security and Defence Field | |
Cooper | Libyan Air Wars: Part 2: 1985-1986 | |
Wright et al. | Looking Down the Corridors: Allied Aerial Espionage Over East Germany and Berlin, 1945-1990 | |
Bird | Operation Black Buck 1982: The Vulcans' Extraordinary Falklands War Raids | |
Liefer | Aviation mysteries of the North: Disappearances in Alaska and Canada | |
Cahill | Considered advisable under existing conditions: Philippine airpower, 1912-1939 | |
Wikle | Fort Sill and the Birth of US Combat Aviation | |
CN115937700A (zh) | 一种多源协同的动目标在线检测识别方法 | |
Larson | Minot Air Force Base |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |