[发明专利]大背景下高分辨率遥感影像目标识别高效处理方法

摘要

本发明公开了一种大背景下高分辨率遥感影像目标识别高效处理方法。本发明具体步骤如下：1.原始影像数据的灰度化处理，设定目标对象的经验值，获得目标对象的灰度阈值及最小外包矩形；2.采用十进制Morton码对最小外包矩形进行编码构建线性四叉树；3.目标对象边界多边形的提取与生成；4.边界多边形切割原始影像目标数据块；5.动态构建动态虚拟集群机，将影像目标数据块分发到对应的计算节点并按要求计算；6.集群主控计算节点收集各层级计算节点的结果，并根据步骤2的地址码按序返回原始影像数据的相应位置。本发明实现影像数据计算自动分块与分发处理，减少人机交互，同时提出采用局部化计算的思想进一步提升影像处理效率。

主权项

1.大背景下高分辨率遥感影像目标识别高效处理方法，其特征在于包括如下步骤：步骤(1).原始影像数据的灰度化处理，设定目标对象的经验值，获得目标对象的灰度阈值及最小外包矩形；将原始影像数据通过加权平均值法进行灰度化处理，然后通过影像数据的影像解析度与经验值计算目标对象的大小并得出目标对象的灰度阈值；且将处理后影像数据的像素灰度值与目标对象的灰度阈值进行比较，最终获得所有目标对象的最小外包矩形；具体比较过程如下：采用四叉树结构思想对处理后影像数据进行区块划分，该影像数据的行、列所含像素个数分别为和，若或为奇数，则划分时行、列时，，；若划分时分割线经过目标对象，即划分所在行或列的像素灰度值在目标对象的灰度阈值范围内，则该目标对象所在的子区块不再进行划分，并将该子区块称为与目标对象对应的最小外包矩形；否则继续划分；步骤(2).采用十进制Morton码对最小外包矩形进行编码构建线性四叉树；将十进制Morton码作为线性四叉树的地址码，在步骤(1)的影像数据进行区块划分后，通过自下而上的方法对最小外包矩形构建线性四叉树；步骤(3).目标对象边界多边形的提取与生成；将步骤(1) 划分出的所有最小外包矩形，按行列顺序从左到右逐个扫描，若扫描得出该最小外包矩形内有多个目标对象，则对该最小外包矩形内能合并的多个目标对象的像素进行合并，不能合并的则产生相应的目标对象的边界多边形；在目标对象边界多边形的提取与生成中，必须经过一个栅格数据的矢量化过程，该矢量化过程包括以下基本步骤：1）多边形的边界提取：采用高通滤波将栅格图像二值化或以特殊值标识边界点；2）边界线追踪：对每个边界弧段由一个节点向其相邻的另一个节点搜索，通常对每个已知进入方向的边界点，除自身进入方向外需沿其它七个方向搜索下一个相邻的边界点，直到连成边界弧段；3）拓扑关系生成：对于矢量表示的边界弧段，通过数学几何关系判断其与原图上各多边形的空间关系，然后形成完整的拓扑结构，并建立与属性数据的联系；4）去除多余点及圆滑属于多边形边界的曲线：由于节点搜索是逐个像素进行的，必须通过拟合曲线去除由此造成的多余点，以减少数据冗余；同时采用插补算法对属于多边形边界的曲线进行光滑处理；常用的插补算法包括有线性叠代法、分段三次多项式插值法、正轴抛物线平均加权法、斜轴抛物线平均加权法、样条函数插值法；步骤(4).使用目标对象的边界多边形切割原始影像目标数据块；采用步骤(1)获得的所有目标对象的最小外包矩形作为对应目标对象的矢量多边形，对原始影像数据进行切割，并统计原始影像数据切割生成的目标区块数量；同时对目标边界多边形的边界扩展2～3像素，便于目标处理后结果的镶嵌与完整；步骤(5).采用负载均衡思想和四叉树结构思想组织动态构建动态虚拟集群机，将步骤(4)获得的影像目标数据块分发到对应的计算节点并按要求对影像数据的增强、融合、分类及云监测进行计算；所述的影像数据的增强方法包括：基于空域变换方法的对比度增强、直方图增强，基于空域滤波方法的卷积增强、锐化增强；以及基于频域方法的高通、低通滤波影像增强方法；影像数据的融合包括：IHS变换法、主成份变换法、高通滤波融合法、Brovery变换融合法；影像数据的分类包括：监督分类、非监督分类；影像数据的云监测包括：基于光谱的方法、基于纹理的方法；其中光谱方法有：ISCCP方法、APLOOL方法、CO薄片法、CLAVR方法等；纹理方法有基于统计模型的共生矩阵法、laws纹理能量法，以及基于结构的方法和基于场模型的方法；步骤(6).集群主控计算节点收集各层级计算节点的结果，并根据步骤(2) 的地址码按序返回原始影像数据的相应位置。