专利名称：基于上下文的光学遥感图像云判结果修正方法
技术领域：
本发明涉及一种基于上下文的光学遥感图像云判结果修正方法，属于模式识别技术领域。
背景技术：
目前计算机视觉中应用最广的模型是Mary的视觉计算理论。虽然它极大地推动了计算机视觉研究的发展，但是很大程度上被认为还不够完善，主要是因为没有包括人类视觉中的选择性和整体性。所谓选择性是指在上下文的指导下自上而下的处理方式，而整体性就是指整体优先的策略。目前已经有很多研究借鉴人类视觉的一些观点，提出基于上下文的目标检测与识别方法。其中，上下文可以定义为和目标相关但不是目标本身的表观描述的所有信息。我们可以将上下文分为以下三个不同层次:局部上下文(特征层)、目标上下文(目标层)和场景上下文(场景层)。I)局部上下文目前主流的目标检测与识别方法是基于局部特征的，因为它有对简单、容易计算、对仿射变换等不敏感等优点，另外对于遮挡、光照和类内变化也有一定的抵抗性。然而，它没有考虑局部特征之间的位置关系，而这个关系对于目标检测与识别是非常重要的。2)目标上下文目标上下文是指场景中待识别目标与其它物体的同现关系和位置关系。毫无疑问，利用场景中其它物体对待识别目标物体的检测与识别有很大的帮助。但是，基于目标上下文方法却需要一个条件，即其它物体的识别是比较准确的。3)场景上下文人类在场景识别中是从整体开始的，所以最近有一些研究方法从整个场景的特征出发，进行场景分类任务，并且取得了非常好的效果。但是这些方法还包含一些中间步骤，比如分割、特征组织和目标识别，而这些问题也是计算机视觉中目前尚未完全解决的关键问题。综上所述，利用以上三个层次的上下文，各种不同的基于上下文的目标识别理论层出不穷。例如，基于局部上下文的词袋(Bag-of-features, B0F)模型、马尔可夫随机场(Makov RandomField, MRF)、判别随机场(Discriminative Random Fields, DRF);基于目标上下文Fink等提出的利用级联的目标检测结构来检测目标的局部特征以及其它目标的方法；基于场景上下文Lazebnik等提出了一种超特征袋(Beyond Bag-of-Features, BBoFs)模型。这些方法大都存在一个共同的特点，就是需要建立概率模型。首先，这就增加了该算法在硬件实现的方面的难度；其次，也没有充分利用图像中十分重要的空间域信息；最后，这些都是通用型算法，并没有针对云判问题的特殊性。于是，可以考虑直接从云和地物空间分布的逻辑特点入手，主要研究按照空间分布的模式识别结果的局部上下文和场景上下文，最后得到一种充分保存空间信息并且适合硬件实现的上下文修正技术。
发明内容
针对上述问题，本发明提供一种基于上下文的光学遥感图像云判结果修正方法，不需要建立概率模型，而是直接从云和地物空间分布的逻辑特点入手，针对云判问题进行设计，同时利用相邻分块的判决结果和背景信息来修正本块判决结果。其判别准确度有所提闻，并且实现相对简单。该基于上下文的光学遥感图像云判结果修正方法，包括以下步骤:第一步，读入待处理的相关数据:包括原图的分块索引矩阵、分块灰度均值矩阵和背景信息；所述分块是采用LXL的正方形在原图中进行水平和竖直方向的步进，步进量为L/2，获得多个分块，称为Tile，每四个上下左右相邻相互重叠的Tile分块可以看成是九个不重叠的大小为L/2XL/2的小分块构成，这种小分块称为Block ；所述分块索引矩阵中的元素为各Tile分块的模式识别判决值，包括云、地物和不确定；所述分块灰度均值矩阵中的元素为各Tile分块的灰度均值；所述背景信息包括地物门限和云门限，这两者都是对应原图的全局门限；第二步，应用重叠分块产生的上下文，具体包括步骤S2f S22 ；步骤S21，利用Tile的判决值产生Block的判决值，构成Block索引矩阵；分三种情况；Block处于四个角的位置时，获取其所属唯一 Tile的判决值，如果该判决值是云或地物，则Block的判决值为非常确定的云或地物，否则，判为不确定；Block处于四个边的位置时:获取其所属两个Tile的判决值，如果两个判决值都是云或都是地物，则Block的判决值为非常确定的云或地物，否则，判为不确定；Block处于其他位置时:获取其所属四个Tile的判决值，当四个判决值中至少有一个云和一个地物时，则Block的判决值为不确定；当四个判决值中判为云的个数为四时，则Block的判决值为非常确定云；当四个判决值中判为地物的个数为四时，则Block的判决值为非常确定地物；当四个判决值中仅包含云和不确定时，则Block的判决值为比较准确云；当四个判决值中仅包含地物和不确定时，则Block的判决值为比较准确地物；步骤S22，根据分块灰度均值矩阵建立Block灰度均值矩阵，其元素对应各Block，元素值为Block的灰度均值,采用从分块灰度均值矩阵提取的Block所属各Tile的灰度均值再取平均得到；第三步，利用判决值为非常确定云和非常确定地物的Block，修正判决值为不确定的Block判决值:按从左到右、从上到下的顺序依次遍历具有八个邻域的Block，如果Block的判决值为非常确定云或非常确定地物，则将其八邻域上的各Block判为对应类比较准确型的Block的判决结果变为非常确定；第四步，应用目标上下文和场景上下文，具体包括步骤S4f S45:
步骤S41，判断处理对象的背景:当背景信息中的地物门限小于设定的海路分界门限时，背景认为是海，否则是陆地；对应背景为海的情况，降低云门限，否则，升高云门限；云门限的修正规则人为确定；步骤S42，剔除地物交界处的虚警:在3X3大小的Block中，中央Block的判决值是非常确定地物，且存在相邻Block判决值为不确定、比较准确云或比较准确地物，且其灰度均值不大于中央Block的，则这个相邻Block的判决值修正为非常确定地物；步骤S43，剔除朵云的虚警:在3X3大小的Block中，若中央Block的判决值是不确定、比较准确云或比较准确地物，且周围的八个Block大部分都被判为地物，而且中央Block的灰度均值大于一个设定的云灰度门限时，则中央Block的判决值修正为非常确定云;步骤S44，调整判决准确对象的邻接目标:在3X3大小的Block中，若中央Block的判决值为非常确定云，则相邻的不确定的Block被修正为比较准确地物，同理，若中央Block的判决值为非常确定地物，则相邻的不确定的Block被修正为比较准确云；步骤S45，利用场景上下文处理剩下目标:对经过上面的步骤仍然判为不确定、t匕较准确云或比较准确地物的Block，将该Block的灰度均值与步骤S41中得到的云门限进行比较，如果大于，则该Block判为非常确定云，否则判为非常确定地物；至此整个过程结束。有益效果:本发明的上下文考虑局部上下文、目标上下文和背景上下文，直接从云和地物空间分布的逻辑特点入手，针对云判问题进行设计，判别准确度有所提高。而且本发明并未建立概率模型，判别过程计算简单，这就降低了该算法在硬件实现的方面的难度。
图1为本发明基于上下文的光学遥感图像云判结果修正方法流程图；图2为分块操作示意图；图3为图1中第二步的流程图；图4为图1中第四步的流程图。
具体实施例方式本发明是基于索引矩阵的来进行的上下文修正技术，所谓索引矩阵，是指利用模式识别方法判决得到分类结果，并将这些结果按照特定规律组成一个矩阵。通常分类结果用一些数字来表示不同的类，比如，可以用正数来表示判为云，负数表示判为地物，用这些数的绝对值的大小来表示判为该类的置信度的大小，当其等于零时，说明判决结果为不确定。所以本发明所处理的数据量相对于需要利用原图的识别方法小得多，这一优势在算法的硬件可实现性上值得注意。下面结合附图并举实施例，对本发明进行详细描述。第一步、读入待处理的相关数据:本发明的修正方法是针对一幅原图经过模式识别处理以后的结果进行修正。其中，读入待处理的相关数据包括模式识别结果等组成的索引矩阵和这幅图的背景信息。索引矩阵指原图对应各Tile分块的模式识别的判决值组成的判决值矩阵和灰度均值组成的灰度均值矩阵，而背景信息是指原图对应的地物门限和云门限。同时，模式识别需要采用特定的分块方式，下面对分块方式进行详述:如图2所示，首先，根据整图选取要进行模式识别处理的分块尺寸大小为LXL，令这种分块为Tile，同时令水平和竖直的步进为L/2。然后，从左往右按该步进量对每一行进行分块，最后，以这种行的分块方式从上到下再按照该步进移动完成对全图的分块。于是可以得出，相邻互相重叠的四个Tile分块(类似田字分布)，也可以看成是九个不重叠的大小为L/2XL/2的小分块构成，令这种小分块为Block。并且，Block是重叠的最小单元，每一个Tile可以分成四个Block,大部分的Block都被周围四个不同Tile所包含。基于上述分块，所述分块索引矩阵中的元素为各Tile分块的模式识别判决值，包括云、地物和不确定；所述分块灰度均值矩阵中的元素为各Tile分块的灰度均值。第二步、应用重叠分块产生的上下文:根据上述的重叠分块的模式识别结果组成的索引矩阵，利用里面重叠部分(也就是Block)和周围涵盖它的分块(也就是Tile)的特定关系，将这些分块的模式识别结果通过一定规则综合成为对应重叠部分的判决结果，判决结果从准确性上可分为非常准确、较准确和不确定，从算法目的上可分为云、地物和两者混合。从而提高了识别分辨率，后续的处理的是针对重叠部分的上下文关系。本步骤中的具体步骤:步骤S21，根据分块索引矩阵确定Block的判决值:由于第一步中的分块方法，整图也可以看成是由Block紧密无重叠的构成，这样当Block的位置处于整图中的四个角的位置时，Block只能被包含在一个Tile中；当处于整图中四条边(不包括角)的位置时，Block只能被包含在两个Tile中；除此之外的其他位置Block都被周围四个不同TiIe所包含。于是，我们按照上述的位置关系将所有Block分为三类:⑴Block处于四个角的位置时:因为只有一个判决结果,所以直接继承原有的判决结果即可。获取其所属唯一 Tile的判决值，如果该判决值是云或地物，则Block的判决值为非常确定的云或地物，否则，判为不确定。(2) Block处于四个边(不包括角)的位置时:此时Block对应有两个判决结果，获取其所属两个Tile的判决值，如果两个判决值都是云或都是地物，则Block的判决值为非常确定的云或地物，否则，判为不确定。(3) Block处于其他位置时:此时Block对应有四个判决结果，获取其所属四个Tile的判决值，当四个判决值中至少有一个云和一个地物时，则Block的判决值为不确定；当四个判决值中判为云的个数为四时，则Block的判决值为非常确定云；当四个判决值中判为地物的个数为四时，则Block的判决值为非常确定地物；当四个判决值中仅包含云和不确定时，则Block的判决值为比较准确云；当四个判决值中仅包含地物和不确定时，则Block的判决值为比较准确地物。得到各Block的判决值后，构成Block索引矩阵，用于后续步骤的上下文修正。步骤S22，计算Block灰度均值:利用第一步中的原图对应各分块Tile的灰度均值组成的分块灰度均值矩阵，找到各个Block对应的包含它的Tile分块灰度均值，然后取这些灰度均值得平均值就是该Block对应的灰度均值，按照位置顺序组成的矩阵就是重叠部分的Block灰度均值矩阵。
第三步、扩展判决准确的目标的邻域:本步骤利用判决值为非常确定云和非常确定地物的Block，修正判决值为不确定的Block判决值。本步操作是从左到右、从上到下依次判断修正小块，如果它的判决非常准确(包括非常确定云，非常确定地物)，则将其八邻域上的各Block中判为对应类比较准确型的Block的判决结果变为非常确定。比如，一个Block被判为非常准确的云，与其八邻域上的各Block中有判为比较准确的云的对象，则将八邻域上这一 Block的判决结果从比较准确的云变为非常准确的云，同理，对于地物也类似的操作。对于一个判决为非常确定云的Block,其八邻域上的各Block的判决结果只能是非常确定云、比较准确云或不确定这三种。这是因为相邻的Block —定可以被同一个Tile所包含，这样它们两者的上一步中四次Tile判决值至少有一次应该是相同的，然而非常确定地物和比较准确地物的四次Tile判决值中没有判为云的。同理，非常确定地物的Block周围也只能有非常确定地物、比较准确地物或不确定。其中，对于非常确定云的Block相邻和非常确定云的Block相邻的情况通常出现在一个连续区域云的内部或地物的内部，而当考虑这些云区域向地物区域过渡时，在空间上判为非常确定云的Block需要通过比较准确云、不确定、比较准确地物这些类型的Block才能到达判为非常确定地物的Block。也就是比较准确云、不确定、比较准确地物是处于云和陆地的交界处，很显然交界处云的那侧应该是那些被判为比较准确云的Block，地物的那侧则是被判为比较准确地物的Block，如果上述交界线正好平分Block，则其中云和地物含量相当，将会被判为不确定。综上所述,一个判决为非常确定的云的Block,其周围的Block中有判为较准确的云的对象，这些Block就处于交界处云的那侧，由于受到交界另一侧地物的影响，包含这些Block的有些Tile同时也会包含另一侧的地物，使得Tile判决值成为不确定，进而使得本应是非常确定云的Block变成了比较准确云，所以这里可以将其判决结果还原为非常确定的云；同理，对于地物也类似地进行操作。第四步、应用目标上下文和场景上下文:利用上一步的到得结果和第一步读取的背景信息，主要利用相邻Block之间的目标上下文，并结合Block与背景信息之间的场景上下文剔除存在的各种虚警和调整判决准确目标附近处理对象的相关置信度。在本步骤中，应用目标上下文和场景上下文的方法包括按顺序进行的下列步骤:步骤S41，判断处理对象的背景:利用第一步中得到的背景信息，即原图对应的地物门限和云门限，分析其中地物门限的大小，当小于一个手动设定的海路分界门限时，原图背景认为是海，否则是陆地。对应背景为海的情况，云门限要适当的降低，否则，云门限应升高。而升高和降低的规则需要人为确定，例如:用背景信息中的地物门限减去手动设定的海路分界门限，然后用这个结果和云门限相加。对应背景为海的情况，地物门限小于海路分界门限，所以相减的结果为负，用这个结果和云门限相加就相当于降低了云的门限；同理对应背景为陆地的情况，云的门限则被提高了。步骤S42，剔除地物交界处的虚警:利用第二步中得到的Block判决值矩阵和Block灰度均值矩阵，考虑Block与其邻接的八邻域之间的逻辑关系，若中央Block的判决值是非常准确地物，且存在相邻Block判决值为不确定、比较准确云或比较准确地物，且其灰度均值不大于中央Block的，则这个相邻Block也一定是地物，将其判决值修正为非常确定地物。因为相邻小块的地物分量基本相似，如果其本身是云的话，灰度均值一定会比中央小块的高不少，所以，它必定是地物。步骤S43，剔除朵云的虚警:同样是利用第二步中得到的Block判决值矩阵和Block灰度均值矩阵，并考虑Block与其邻接的八邻域之间的逻辑关系，若中央Block的判决值是不确定、比较准确云或比较准确地物，且周围的八个Block大部分都被判为地物(例如:八个里面有大于等于六个被判为地物)时，它就可能是朵云。由于朵云对地物的遮挡不是很明显，所以对该中央Block采取较紧的云灰度门限，只有这个中央Block的灰度大于这个门限时，才被判为云，从而将该中央Block的判决值修正为非常确定云。步骤S44，调整判决准确对象的邻接目标:人类对对物体的识别不光只取决于物体的绝对亮度，同时相对亮度也会对判决产生影响。假设有一判决不确定目标，它和一个亮度较高的对象相邻，由于相对亮度的作用，该目标看起来会比它与亮度较低的对象相邻时更暗，当然也就跟接近于地物。同理，当该目标与亮度较低的对象相邻时，看起来就更亮、更接近于云。于是，较亮的云的旁边的不确定目标较容易被认为是地物，同理在较暗的地物的旁边的不确定目标较容易被认为是云。于是，和上一步类似，在3X3大小的Block中,若中央Block被判为非常确定云，说明该Block应该是那种比较亮的云，则相邻的不确定的小块被判为地物的置信度应该提高一个等级，即不确定应变为比较准确地物。同理，若中央Block的判决值为非常确定地物，说明该Block应该是那种比较暗的地物，对应云的置信度应该提高一个等级，即不确定应变为比较准确的云，然后进入下一步S45阶段；步骤S45，利用场景上下文处理剩下目标:对经过上面的步骤仍然是判为不确定、比较确定的云或地物的Block，利用第二步中得到的它的灰度均值和步骤S41中得到的云门限进行比较，如果大于则判为非常确定云，否则判为非常确定地物，至此所有Block均判为非常确定地物，即判为地物，或判为非常确定云，即判为云，整个过程结束。综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
权利要求
1.一种基于上下文的光学遥感图像云判结果修正方法，其特征在于，包括: 第一步，读入待处理的相关数据:包括原图的分块索引矩阵、分块灰度均值矩阵和背景信息； 所述分块是采用LXL的正方形在原图中进行水平和竖直方向的步进，步进量为L/2，获得多个分块，称为Tile，每四个上下左右相邻相互重叠的Tile分块可以看成是九个不重叠的大小为L/2XL/2的小分块构成，这种小分块称为Block ； 所述分块索引矩阵中的元素为各Tile分块的模式识别判决值，包括云、地物和不确定; 所述分块灰度均值矩阵中的元素为各Tile分块的灰度均值； 所述背景信息包括地物门限和云门限，这两者都是对应原图的全局门限； 第二步，应用重叠分块产生的上下文，具体包括步骤S2fS22 ； 步骤S21，利用Tile的判决值产生Block的判决值，构成Block索引矩阵；分三种情况； Block处于四个角的位置时，获取其所属唯一 Tile的判决值，如果该判决值是云或地物，则Block的判决值为非常确定的云或地物，否则，判为不确定； Block处于四个边的位置时:获取其所属两个Tile的判决值，如果两个判决值都是云或都是地物，则Block的判决值为非常确定的云或地物，否则，判为不确定； Block处于其他位置时 :获取其所属四个Tile的判决值，当四个判决值中至少有一个云和一个地物时，则Block的判决值为不确定；当四个判决值中判为云的个数为四时，则Block的判决值为非常确定云；当四个判决值中判为地物的个数为四时，则Block的判决值为非常确定地物；当四个判决值中仅包含云和不确定时，则Block的判决值为比较准确云；当四个判决值中仅包含地物和不确定时，则Block的判决值为比较准确地物； 步骤S22，根据分块灰度均值矩阵建立Block灰度均值矩阵，其元素对应各Block，元素值为Block的灰度均值，采用从分块灰度均值矩阵提取的Block所属各Tile的灰度均值再取平均得到； 第三步，利用判决值为非常确定云和非常确定地物的Block，修正判决值为不确定的Block判决值: 按从左到右、从上到下的顺序依次遍历具有八个邻域的Block，如果Block的判决值为非常确定云或非常确定地物，则将其八邻域上的各Block判为对应类比较准确型的Block的判决结果变为非常确定； 第四步，应用目标上下文和场景上下文，具体包括步骤S4fS45: 步骤S41，判断处理对象的背景:当背景信息中的地物门限小于设定的海路分界门限时，背景认为是海，否则是陆地；对应背景为海的情况，降低云门限，否则，升高云门限；云门限的修正规则人为确定； 步骤S42，剔除地物交界处的虚警:在3X3大小的Block中，中央Block的判决值是非常确定地物，且存在相邻Block判决值为不确定、比较准确云或比较准确地物，且其灰度均值不大于中央Block的，则这个相邻Block的判决值修正为非常确定地物； 步骤S43，剔除朵云的虚警:在3 X 3大小的Block中，若中央Block的判决值是不确定、比较准确云或比较准确地物，且周围的八个Block大部分都被判为地物，而且中央Block的灰度均值大于一个设定的云灰度门限时，则中央Block的判决值修正为非常确定云； 步骤S44，调整判决准确对象的邻接目标:在3X3大小的Block中，若中央Block的判决值为非常确定云，则相邻的不确定的Block被修正为比较准确地物，同理，若中央Block的判决值为非常确定地物，则相邻的不确定的Block被修正为比较准确云； 步骤S45，利用场景上下文处理剩下目标:对经过上面的步骤仍然判为不确定、比较准确云或比较准确地物的Block，将该Block的灰度均值与步骤S41中得到的云门限进行比较，如果大于，则该Blo ck判为非常确定云，否则判为非常确定地物；至此整个过程结束。
全文摘要
本发明公开了一种基于上下文的光学遥感图像云判结果修正方法，不需要建立概率模型，针对云判问题进行设计，同时利用相邻分块的判决结果和背景信息来修正本块判决结果。第一步，读入待处理的相关数据包括原图的分块索引矩阵、分块灰度均值矩阵和背景信息；第二步，利用Tile的判决值产生Block的判决值，构成Block索引矩阵，并且根据分块灰度均值矩阵建立Block灰度均值矩阵；第三步，利用判决值为非常确定云和非常确定地物的Block，修正判决值为不确定的Block判决值；第四步，应用目标上下文和场景上下文判断处理对象的背景、剔除地物交界处的虚警、剔除朵云的虚警并调整判决准确对象的邻接目标，最终判定出Block是否为云。
文档编号G06K9/72GK103150582SQ201310043710
公开日2013年6月12日 申请日期2013年2月4日 优先权日2013年2月4日
发明者龙腾, 陈亮, 庞枫骞, 毕福昆 申请人:北京理工大学