[发明专利]基于符号距离特征的跨源遥感数据目标识别方法

说明书

基于符号距离特征的跨源遥感数据目标识别方法，属于遥感图像目标识别技术领域。为了解决遥感数据目标识别中异源图像特征提取和地物识别存在差异较大的问题，本发明首先获得待识别的遥感图像，并输入符号距离特征提取网络进行符号距离特征提取，得到随机采样点到目标边界的距离值s；当输入数据仅为同源数据，取边界点集为最终边界点集，当输入数据为同一个目标的异源数据时，将可见光图像、红外图像、SAR图像对应的符号距离特征按照比例进行融合，再判定点是否属于目标表面，得到最终的边界点集；然后对得到的三维点集进行三维特征提取，得到三维特征向量，将特征向量X_E通过分类器进行识别。主要用于遥感数据的目标识别。

技术领域

本发明涉及遥感图像中地物三维特征提取及种类识别，属于遥感图像目标识别技术领域。

背景技术

遥感图像目标识别技术在民用和军事方面都具有重要研究意义，其目的是从静态图像中检测出感兴趣的物体或区域，并对图中目标进行分辨、检测与定位。准确的目标识别也为进一步完成更复杂的任务奠定基础。遥感图像拍摄传感器主要包括：可见光、红外和雷达等，根据其传感器信息源的异同也可将遥感图像分为两类：一类是同一信息源下采集到的数据；另一类则是异源数据。现有的各种遥感图像识别方法普遍通用性较差，大部分方法只能适用于某种特定遥感数据的识别，少数可跨源识别的方法往往效率偏低。且不同的环境条件适用不同种类的传感器，可见光传感器能在光照充足的环境中得到高分辨率图像，相对地在黑暗和烟雾环境下红外传感器的效果则更好，因此实际应用的遥感数据往往是多源的。由此，遥感数据的跨源识别方法具有重要研究意义。

红外图像、SAR图像与可见光图像记录着地物的不同属性信息，但由于不同的成像机理和条件导致异源图像之间存在明显的表征差异性，使得对同一场景获取的异源图像特征差异较大。当前的各种特征提取方法，大部分都只针对一种图像的属性结果进行特征提取，不具普适性。如通过SIFT、SURF、ORB等描述子进行特征提取能从高分辨率的可见光图像中提取到明显特征点，但由于传感器成像原理差异，在相应的红外图像及SAR图像上得到的结果却并不显著。由此，若能通过同种方法对异源数据进行特征提取并保证其有效特征的保留，对遥感图像跨源领域研究有重大意义。

发明内容

本发明为了解决遥感数据目标识别中异源图像特征提取和地物识别存在差异较大的问题，提出了基于符号距离特征的跨源遥感数据目标识别方法。

基于符号距离特征的跨源遥感数据目标识别方法，包括以下步骤：

S1、获得待识别的遥感图像，遥感图像包括可见光图像、红外图像、SAR图像中的至少一种；

S2、将获得的待识别遥感图像输入符号距离特征提取网络进行符号距离特征提取，得到随机采样点到目标边界的距离值s；如果|s|≤目标边界阈值t，判定该点属于表面，得到目标模型真值边界点集P__REF.；

当输入数据仅为同源数据，取此时的边界点集为最终边界点集；当输入数据为同一个目标的异源数据时，将可见光图像、红外图像、SAR图像对应的符号距离特征按照比例进行融合，再判定点是否属于目标表面，得到最终的边界点集；

进行符号距离特征提取过程中遥感图像分别输入各自对应的网络，即可见光图像输入sdf-optical，红外图像输入sdf-infrared网络，SAR图像输入sdf-SAR网络；

所述sdf-optical网络包括图像特征提取模块、随机采样点特征提取模块和解码模块，sdf-optical网络的处理过程包括以下步骤：

图像特征提取模块E_i：对输入的可见光图像进行特征提取得到特征f_i；

随机采样点特征提取模块E_c：对随机采样点进行特征提取得到特征f_c；