[发明专利]基于选择性视觉注意机制的遥感图像机场目标检测与识别方法

权利要求书

1.一种改进的GBVS的视觉注意计算模型，原始的GBVS模型是在NVT模型基础上，运用马尔可夫随机场的特点构建二维图像的马尔可夫链，再通过求其平衡分布而得到显著图，具体过程为： 

a. 获取多尺度的亮度信息： 对输入的灰度图像                                                ，首先对其使用高斯金字塔低通滤波器进行滤波，高斯金字塔的每一阶都是一个二维高斯低通滤波器：

                  (1)

称为尺度因子；所谓金字塔，就是指对原始图像进行不断的1/2降采样和高斯低通滤波，最终得到一组不同尺度下的滤波结果；

b. 获取多尺度的方位信息：用Gabor金字塔滤波器组对原始灰度图像进行滤波，以得到方向上的信息；二维Gabor滤波器表示如下：

 (2)

其中，为尺度因子, 为正弦波频率，为方位；取：

即在四个方向上滤波，得到四组不同尺度下的滤波结果；

c. 求不同尺度和不同特征图的马尔可夫平衡：对上述两个通道五组结果中的每一组内每一个尺度的滤波结果，求其马尔可夫平衡分布；

d. 计算显著图：将所有组所有尺度的滤波结果依次计算出平衡分布后，将结果按照通道叠加起来并归一化；再将两个通道的结果线性相加并归一化得到最终的显著图，其大小与原始图像一致；

其特征在于对GBVS模型作如下改进： 

（1）仅使用两个尺度，且将方向滤波器的数目从四个扩展到八个； 

（2）对原始图像进行Hough变换并作为单独的一个通道加入到模型中，将检测到的直线用值为’1’的像素表示，并用高斯函数平滑，得到Hough通道的特征图；最后将其与亮度通道、方向通道的特征图等权重相加并归一化，得到最终显著图；

（3）将前述的显著图与经过一次滤波的原始灰度图像相乘，得到新的显著图，并作为最终结果。  

2.一种基于选择性视觉注意机制的遥感图像机场目标检测与识别方法，其特征在于具体步骤如下：

(1) 训练：从原始的灰度图像中选取一些作为训练样本并提取SIFT特征点，把得到的SIFT特征点对应的特征向量分成两类：属于机场区域的标记为1，属于背景区域的标记为0，然后把这些带有标签的训练向量带入到HDR树中进行训练；

(2) 预处理：对于一幅待识别的图像，首先对其是否存在机场目标做一个初步的判断，具体的做法是对原始图像进行二值化处理后做Hough变换，如果存在一定范围长度内的直线，则认为可能存在机场并进行显著性分析，否则直接按无目标跳过；

 (3) 生成显著图：对于含有目标的图像，用如权利要求1所述的改进的GBVS模型生成它的显著图；

 (4) 生成候选区：记显著图上最大像素值为，

第一步，从显著图中最亮的一个点向周围八邻域方向生长，如果某个方向上有某个像素值小于最亮点像素值的倍，则该方向停止生长，其中，为取值在[0,1]间的阈值；这一过程直到所有方向上的生长都停止为止；

第二步，将生长完成的区域的外接矩形框画出来，此即为一个候选区域，然后将该候选区域内的所有像素值清零，以免被再次选中；

第三步，计算上个候选区清零后的显著图中的最亮点的像素值，如果小于，则表明所有候选区已提取完毕，进行下一环节；否则回到第一步以提取新的候选区；

(5) 特征识别：对上步提取得到的候选区依次提取SIFT特征点和对应的特征向量，并把特征向量代入到训练好的HDR树中进行识别，获得每个特征点的标签，待所有特征点标识完毕，计算各个候选区域的特征比：

                     (3)

(6) 确定机场区域：先前的候选区提取是按照显著性从大到小的顺序确定候选区域的，那么每个候选区域有两个评价参数：显著性次序和特征比；

先只观察特征比而不考虑区域显著性，如果只有一个区域的特征比大于设定的阈值，则该区域即为机场区域，不再考察其它区域；若没有这样的区域，则按照区域的显著性大小次序依次考察各个候选区，只要考察的区域内含有机场特征点，便将该区域判定为机场区域。