一种基于多源影像的遥感目标分析方法

1.本发明涉及远距离探测技术领域，
2.尤其是，本发明涉及一种基于多源影像的遥感目标分析方法。


背景技术：

3.随着近年来传感器技术、无线通信技术和航空航天技术等相关学科的快速发展和创新，世界范围内已经成功发射并运行着大量的光学遥感卫星和合成孔径雷达(syntheticaperture radar,sar)卫星。
4.光学数据与sar数据是卫星遥感领域最常见的两种数据类型，由于各自的成像原理不同，两者在对地观测上各有千秋。sar传感器具备全天时、全天候探测能力，能够穿透云层、雾气且不受阴影遮挡、光照时间的影响，但其纹理和地物辐射信息量不够，解译难度也较大。光学遥感影像能够直观的将纹理、颜色与形状等方面的信息反映给使用者，但由于光照和天气的限制，数据获取的能力有限。简而言之，sar遥感影像在几何特性上具有明显优势，光学遥感影像在辐射特性上能够提取丰富的光谱信息，对于分类、解译更有利，一般的远程信息获取都是采用多源观测，然后综合计算得到最佳数据。
5.如公告号为cn110443201a的中国发明专利涉及多源影像目标识别方法。目的是为了解决现有舰船目标识别准确率低的问题。过程为：一、获取大量疑似舰船停靠码头的切片，并根据直线角度，旋转码头切片至水平；二、获取疑似舰船坐标，提取对应坐标的疑似舰船切片；三、将疑似舰船分类为舰船目标和非舰船目标；四、对分类为舰船的目标，提取光学切片，分别进行飞行甲板类型、船头尖角位置、船头轮廓类型、垂直发射装置位置检测，提取sar切片，进行舰桥位置检测；五、进行多属性融合的舰船型号识别；六、基于五取投票结果最大的一类作为舰船型号识别结果。该发明用于遥感影像目标检测识别技术领域。
6.上述方法尽管可以大幅提高目标识别准确率，但是在超远距离探测或者仅仅依靠小型探测器获得的图像清晰度不够的情况下，很容易形成误判，或者多源图像之间相互干扰，并且在高精度遥感需求时，或者目标特征不明显时，可能造成错误判断，引发重大后果。
7.因此为了解决上述问题，设计一种合理的基于多源影像的遥感目标分析方法对我们来说是很有必要的。


技术实现要素：

8.本发明的目的在于提供一种遥感探测更加准确，误判几率小，在多源图像识别时，多次分析判断，避免多个结果之间相互干扰，可以适用于各类远程探测情况的基于多源影像的遥感目标分析方法。
9.为达到上述目的，本发明采用如下技术方案得以实现的：
10.一种基于多源影像的遥感目标分析方法，包括以下步骤：
11.s1：获取多个探测器对于探测目标的多帧图像，提取所有图像的关键特征；
12.s2：进行第一次组合投票，获取投票结果前预定数量n的图像；
13.s3：依次判断投票结果第二名至第n名的图像的前后预定数量m帧图像分别与投票结果第二名至第n名的图像之间的相似度是否高于第一阈值，若高于，则保留判断图像及该图像的前后m帧图像，执行步骤s4；反之则剔除该图像，执行步骤s4；
14.s4：判断投票结果第一名的图像的前后m帧图像与投票结果第一名的图像之间的相似度是否高于第二阈值，若高于则保存投票结果第一名的图像及投票结果第一名的图像的前后m帧图像，执行步骤s5；反之，仅保留投票结果第一名的图像，执行步骤s5；
15.s5：将保留下来图像进行第二次组合投票，获取投票结果第一的图像作为探测目标。
16.作为本发明的优选，执行步骤s1时，获取的图像按照探测器编号和帧数时间进行编号并存储。
17.作为本发明的优选，执行步骤s2之前，训练单分类支持向量机。
18.作为本发明的优选，执行步骤s2时，预定数量n的值不小于三。
19.作为本发明的优选，执行步骤s3之前，设置第一阈值。
20.作为本发明的优选，执行步骤s3时，先判断投票结果第二名的图像的前后m帧图像的关键特征与投票结果第二名的图像之间的关键特征的相似度是否高于第一阈值；若高于则保留投票结果第二名的图像及其前后m帧图像；反之则剔除投票结果第二名的图像，并执行判断投票结果第三名的图像的前后m帧图像与投票结果第三名的图像之间的关键特征的相似度是否高于第一阈值；以此类推，直至判断完投票结果第n名的图像的前后m帧图像与投票结果第n名的图像之间的关键特征的相似度是否高于第一阈值；将所有保留的图像进行存储；所有剔除的图像删除，然后执行步骤s4。
21.作为本发明的优选，执行步骤s3时，预定数量m的值不小于二。
22.为本发明的优选，执行步骤s4之前，设置第二阈值，且第二阈值不高于第一阈值。
23.作为本发明的优选，执行步骤s4时，判断投票结果第一名的图像的前后m帧图像的关键特征与投票结果第一名的图像的关键特征之间的相似度是否高于第二阈值。
24.作为本发明的优选，执行步骤s5时，将探测目标进行输出。。
25.本发明一种基于多源影像的遥感目标分析方法有益效果在于：
26.遥感探测更加准确，误判几率小，在多源图像识别时，多次分析判断，避免多个结果之间相互干扰，可以适用于各类远程探测情况。
附图说明
27.图1为本发明一种基于多源影像的遥感目标分析方法的流程示意图。
具体实施方式
28.以下是本发明的具体实施例，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
29.现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的模块和步骤的相对布置和步骤不限制本发明的范围。
30.同时，应当明白，为了便于描述，附图中的流程并不仅仅是单独进行，而是多个步骤相互交叉进行。
31.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
32.对于相关领域普通技术人员已知的技术、方法及系统可能不作详细讨论，但在适当情况下，技术、方法及系统应当被视为授权说明书的一部分。
33.实施例一：如图1所示，仅仅为本发明的其中一个的实施例，一种基于多源影像的遥感目标分析方法，包括以下步骤：
34.s1：获取多个探测器对于探测目标的多帧图像，提取所有图像的关键特征；
35.也就是通过多个探测器对同一探测目标进行探测，并获取一个时间变化的多帧图像表，一般来说，探测器为高频探测器，其探测频率高达20次/s以上，每一秒拍摄20张目标物的探测图像，相邻两个探测图像之间的拍摄时间差仅仅为0.05s。
36.执行步骤s1时，获取的图像按照探测器编号和帧数时间进行编号并存储。例如a探测器得到的图像分别为a1、a2、a3、a4
……
以此类推，其中a11与a12图像之间的数字是相邻的，说明是相邻的两帧图像，两者的探测时间差仅仅为0.05s。
37.s2：进行第一次组合投票，获取投票结果前预定数量n的图像；
38.在执行步骤s2之前，训练单分类支持向量机，方便对所有图像进行第一次组合投票。
39.且执行步骤s2时，预定数量n的值不小于三，一般来说根据探测目标的精确度要求来制定n的数值，若是要求探测精度高的场所下，获取投票结果前10名的图像，即n的值为10。
40.s3：依次判断投票结果第二名至第n名的图像的前后预定数量m帧图像分别与投票结果第二名至第n名的图像之间的相似度是否高于第一阈值，若高于，则保留判断图像及该图像的前后m帧图像，执行步骤s4；反之则剔除该图像，执行步骤s4；
41.在这里，就是先判断投票结果第二名的图像的前后m帧图像的关键特征与投票结果第二名的图像之间的关键特征的相似度是否高于第一阈值；若高于则保留投票结果第二名的图像及其前后m帧图像；反之则剔除投票结果第二名的图像，并执行判断投票结果第三名的图像的前后m帧图像与投票结果第三名的图像之间的关键特征的相似度是否高于第一阈值；以此类推，直至判断完投票结果第n名的图像的前后m帧图像与投票结果第n名的图像之间的关键特征的相似度是否高于第一阈值；将所有保留的图像进行存储；所有剔除的图像删除，然后执行步骤s4。
42.需要说明的是，在这里，某图像的前后m帧的图像为该图像的前1帧至前m帧的图像和该图像的后1帧至后m帧的图像的集合，总共为2m张探测图像。
43.也就是说，依次判断除第一名之外的所有第一次组合投票排名前列的图像，判断预定时间内(若是m等于5，则预定时间t为5*0.05即为0.25秒)的其他所有图像与该图像是否相似，避免某时刻的探测图像由于自然界的光污染(粉尘、云雾、闪电等)或者探测器的探测误差(探测器上的污垢、探测器的探测光板的显像误差等)造成该图像与实际探测图像不符合的情况发生。
44.那么，执行步骤s3之前，设置第一阈值。
45.当然，预定数量m的值不小于二，可以根据探测目标距离或者探测器的探测评率来制定m的值，一般来说，预定数量m的值为二，若是远距离探测或者探测器为高频探测器，则m
的值可以更高一些，即对某图像的前后三帧甚至更多帧图像进行判断。
46.这样，就是以细小时间内的同一探测器获取的其他图像来分析第一次组合投票排名前列的图像的合理性，若是合理，则将该图像和前后几张图像都进行保留；反之不合理，该图像剔除。
47.并且，x图像的前后m帧的图像共为2m张探测图像，依次与x图像进行相识度对比，只有在所有的2m张探测图像均与x图像相似度小于第一阈值，则剔除x图像；若是所有的2m张探测图像均与x图像相似度大于第一阈值，则保留x图像和x图像的前后m帧的图像，共为2m+1张探测图像；还有一个可能，就是x图像的前后m帧的图像共为2m张探测图像中，部分图像与x图像相似度大于第一阈值，另一部分图像与x图像相似度小于第一阈值，则保留x图像及x图像的前后m帧的图像中与所述x图像相似度高于第一阈值的图像。
48.s4：判断投票结果第一名的图像的前后m帧图像与投票结果第一名的图像之间的相似度是否高于第二阈值，若高于则保存投票结果第一名的图像及投票结果第一名的图像的前后m帧图像，执行步骤s5；反之，仅保留投票结果第一名的图像，执行步骤s5；
49.为本发明的优选，执行步骤s4之前，设置第二阈值，且第二阈值不高于第一阈值。
50.在这里，判断投票结果第一名的图像的前后m帧图像的关键特征与投票结果第一名的图像的关键特征之间的相似度是否高于第二阈值。与第一次投票得分第2名开外的图像的对比规律不同的是，由于投票结果第一名的图像最倾向于探测结果，其自身的合理性不可磨灭，不论投票结果第一名的图像的前后m帧图像与投票结果第一名的图像之间的相似度是否高于第二阈值，均要保留投票结果第一名的图像，且同时保留投票结果第一名的图像的前后m帧的图像中与所述投票结果第一名的图像相似度高于第二阈值的全部图像，最多可保留2m+1张图像。
51.s5：将保留下来图像进行第二次组合投票，获取投票结果第一的图像作为探测目标。
52.将步骤s3和s4中保留的全部图像，再一次进行组合投票，当然，在此之前，也是要训练单分类支持向量机，方便对所有保留的图像进行第二次组合投票，第二投票获取投票结果第一的图像作为探测目标。
53.当然执行步骤s5时，将探测目标进行输出。
54.本发明一种基于多源影像的遥感目标分析方法的遥感探测更加准确，误判几率小，在多源图像识别时，多次分析判断，避免多个结果之间相互干扰，可以适用于各类远程探测情况。
55.实施例二，在实施例一的基础上，还可以有以下可能，在执行步骤s3时，对第一次组合投票结果第m名至第n名的图像进行判断；在执行步骤s4时，对第一次组合投票结果第1名至第m名的图像进行判断，在这里，n大于m，且m大于1。
56.本发明不局限于上述具体的实施方式，本发明可以有各种更改和变化。凡是依据本发明的技术实质对以上实施方式所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。