[发明专利]一种基于分级不变性特征的典型舰船目标识别方法

摘要

本发明提出了一种基于分级不变性特征的典型舰船目标识别方法。首先提取每幅图像舰船目标的二值熵和归一化转动惯量作为一级特征；之后小波分解每幅图像为四幅子图像，提取各子图像舰船目标的加权Hu矩、Zernike矩和Fourier描述子作为二级特征；然后以每幅图像舰船目标的极坐标形状矩阵作为三级特征；修正全部特征具备平移、旋转和缩放不变性。识别分类器的实验结果表明，算法能够逐级细化描述星上遥感图像中的典型舰船目标，识别准确率高。本发明方法可应用于星上遥感图像数据库的典型舰船目标识别，是一种普适性很强的工程方法。

主权项

一种基于分级不变性特征的典型舰船目标识别方法，其特征在于步骤如下：(1)对输入的每幅卫星遥感图像进行自适应滤波、最大类间方差分割和校正歪斜失真的规格化处理；(2)提取每幅卫星遥感图像舰船目标的二值熵和归一化转动惯量作为一级特征；(3)对每幅卫星遥感图像的二值图像进行一级小波分解，图像被分解为LL、LH、HL、HH四个子波段图像，分别描述图像在水平、垂直和对角线方向上的细节；(4)用Hu矩、Zernike矩和Fourier描述子分别对所有子波段图像进行特征提取，并根据各子波段的描述能力不同对所得特征向量进行加权处理；由小波分解且加权处理后的Hu矩、Zernike矩、Fourier描述子顺序排列组成综合特征向量作为二级特征，并保证其具有平移、旋转和缩放不变性；(5)计算获得三级特征，并用极坐标形状矩阵表示；(6)利用支持向量机和形状矩阵相似度计算对所提取出的特征进行识别分类；其中，形状矩阵相似度计算公式如下：其中，sim——为“模板舰船目标”与“待识别舰船目标”所对应的形状矩阵相似度；dif——为“模板舰船目标”与“待识别舰船目标”所对应的形状矩阵全部对应元素差值的绝对值之和；tot——为“模板舰船目标”形状矩阵所有元素值的总和；通过形状矩阵相似度阈值T＝0.8完成对典型舰船目标的识别。