率直方图进行分类，从目标区域中剔除疑似溢油区域，实现初次虚警剔除；
[0027] 灰度共生矩阵是最常用的纹理特征，不仅提供了图像灰度级空间分布的相关信 息，而且给出了不同灰度级的相关位置。本发明主要选取了六个统计量：最大概率、相关、 对比度、一致性、同质性、滴；所用提取灰度特征有RBIO(目标与背景的均值比）、RBSDI (目 标与背景的方差比）、边缘梯度，所提取的形状特征有周长和面积；小波分解可W实现对图 像的多分辨率的分析，所W通过Gabor小波分解提取频率响应作为一个底层特征与上面六 个统计量、灰度特征、形状特征形成频率直方图构建词包模型。
[002引 （1)灰度共生矩阵提取出对于灰度纹理的描述，既是对应目标区域Q中，出现纹理 跳变的像素值（Zi，Zj.)对应的概率Pu。对应的公式如下：
[0029] Pij= g ij/n(3)
[0030] 式（3)中，g。是出现纹理跳变的一组像素对出现的次数，n是目标区域Q总像素 个数。归一化灰度共生矩阵的表达式如下：
[0037] 其中，（4)与妨中m,与m。分别是行均值和列均值，k表示灰度共生矩阵的长和 宽，并通过均值计算标准差。P(i)和P(j)分别为行和列中出现跳变的像素的出现概率，i 为行像素的行坐标，j为出现跳变像素的列坐标；由（4)和（5)可得化）（7) ; (8)和（9)表 示图像中行坐标出现跳变像素概率的计算方法，和列坐标出现跳变像素概率的计算方法则 可通过该些公式得到灰度共生矩阵的六个统计量分别为：
[003引最大概率；.A = max(A/) (W) ij
[0044] (2)基于Gabor小波的频率响应特征提取通过小波分解抽取出油膜Gabor小波频 率响应幅值特征作为底层特征。
[0045] 得到该些特征后根据特征个数设定Kmean聚类的中屯、K，既是频率直方图的横坐 标，通过Kmean对K个中屯、进行聚类得到频率直方图。
[0046] 本发明SVM分类器模型的获得过程为：
[0047] 101、利用Gamma MAP滤波器对SAR影像滤波（用于训练SVM分类器模型的影响为 已知油膜区域的影像），再对其进行Sobel滤波；对Sobel滤波后得到的梯度图，进行分水 岭算法实现海陆分割；
[0048] 102、利用海面部分图像的均值对陆地区域进行填充，利用C-V算法对填充后的图 像进行同质区内的目标区域分割提取；
[0049] 103、针对油膜区域提取特征进行分类器的训练，主要提取的特征为灰度共生矩 阵、小波分解的纹理特征、灰度特征及形状特征作为构建视觉单词的底层特征。
[0050] 104、通过Kmean化均值聚类）方法对103提取的特征进行聚类，然后根据聚类后 的每一维特征训练视觉频率直方图（即视觉词袋模型），并将其作为SVM分类器的输入再去 训练得到SVM分类器模型。
[0化1] 走、将初次虚警剔除的结果作为初始标号场，通过MRF(马尔科夫随机场）的上下 文模型中的特征场和标号场，使特征场和标号场满足map(最大后验概率）的约束进行进一 步的虚警剔除和溢油区域特征的检测，使检测结果更为精确，其中MRF中Ising模型为切分 函数模型，且设定切分函数模型中势函数参数的区间为[0, 1. 5]。
[0化2] 综上所述，W上仅为本发明的较佳实施例子而已。并非用于限定本发明的保护范 围。凡是在本发明精神和原理之内所作任何修改、等同替换、改进等，均应该含在本发明的 保护范围之内。
【主权项】
1. 一种SAR遥感影像溢油检测识别方法，其特征在于，具体过程如下： 步骤一、利用Ga_a MAP滤波器对SAR影像滤波，再对其进行Sobel滤波；对Sobel滤 波后得到的梯度图，进行分水岭算法实现海陆分割； 步骤二、利用海面区域图像的均值对陆地区域进行填充，再利用C-V算法对填充后的 图像进行同质区内的目标区域分割提取； 步骤三、提取目标区域灰度共生矩阵、小波分解的纹理特性、灰度特征及形状特征构建 视觉频率直方图，利用训练得到的SVM分类器模型对视觉频率直方图进行分类，从目标区 域中剔除疑似溢油区域，实现初次虚警剔除； 步骤四、将初次虚警剔除的结果作为初始标号场，基于所述初始标号场，利用MRF的上 下文模型中的特征场，进行进一步的虚警剔除，从而实现SAR遥感影像溢油检测识别方法。2. 根据权利要求1所述SAR遥感影像溢油检测识别方法，其特征在于，所述SVM分类器 模型采用下述过程获得： 101、 利用Ga_a MAP滤波器对SAR影像滤波，再对其进行Sobel滤波；对Sobel滤波后 得到的梯度图，进行分水岭算法实现海陆分割； 102、 利用海面部分图像的均值对陆地区域进行填充，利用C-V算法对填充后的图像进 行同质区内的目标区域分割提取； 103、 提取目标区域中溢油区域的灰度共生矩阵、小波分解的纹理特性、灰度特征及形 状特征形成频率直方图构建词包模型； 104、 利用Kmean方法对103所提取的特征进行聚类，然后根据聚类后的每一维特征训 练视觉频率直方图，将训练得到的结果作为SVM分类器的输入再去训练得到SVM分类器模 型。
【专利摘要】本发明提供一种SAR遥感影像溢油检测识别方法，具体过程如下，利用Gamma MAP滤波器对SAR影像滤波，再对其进行Sobel滤波；对Sobel滤波后得到的梯度图，进行分水岭算法实现海陆分割；利用海面区域图像的均值对陆地区域进行填充，再利用C-V算法对填充后的图像进行同质区内的目标区域分割提取；提取目标区域灰度共生矩阵、小波分解的纹理特性、灰度特征及形状特征构建视觉频率直方图，利用训练得到的SVM分类器模型对视觉频率直方图进行分类，从目标区域中剔除疑似溢油区域，实现初次虚警剔除；将初次虚警剔除的结果作为初始标号场，基于所述初始标号场，利用MRF的上下文模型中的特征场，进行进一步的虚警剔除，从而实现SAR遥感影像溢油检测识别方法。
【IPC分类】G06K9/40, G06K9/62, G06K9/46
【公开号】CN104951799
【申请号】CN201510325430
【发明人】陈禾, 庄胤, 毕福昆, 陈亮, 龙腾
【申请人】北京理工大学
【公开日】2015年9月30日
【申请日】2015年6月12日