[发明专利]一种基于高分辨率遥感筛选危险品堆场的方法

摘要

本发明公开了一种基于高分辨率遥感筛选危险品堆场的方法，包括如下步骤：首先通过灰度共生矩阵进行区分，并根据灰度的均匀程度提取目标区域；其次，在目标区域内通过对尺度参数和方向参数进行卷积作为兴趣响应提取图像局部极大值和极小值点作为图像的不变特征点；再者通过Hausdorff距离进行模型和图像的匹配，并通过不变特征点进行平移变换消除空间误差，对不变特征点进行拟合匹配；最后依次通过对比特征点进行筛选，获取危险品堆场；利用了遥感图像的本质特征，能够产生有效、可靠的匹配结果，具有较好的容错能力，可以同时对包含多个目标的图像和图像中目标部分被遮蔽的情况进行处理，适合于危险品堆场的实际情况，筛选识别效率高。

主权项

1.一种基于高分辨率遥感筛选危险品堆场的方法，其特征在于，包括如下步骤：S100、基于纹理特征获取目标区域，通过灰度共生矩阵区分不同的纹理特征和结构特性，并根据灰度的均匀程度提取目标区域；S200、通过尺度‑空间的方法进行特征点提取，在目标区域内通过对尺度参数和方向参数进行卷积作为兴趣响应提取图像局部极大值和极小值点作为图像的不变特征点；S300、通过平移矢量消除不变特征点的空间误差，通过Hausdorff距离进行模型和图像的匹配，并通过不变特征点进行平移变换消除空间误差，对不变特征点进行拟合匹配，在步骤S300中，不变特征点进行平移变换的具体步骤为：S301、设定两个特征点集A＝{a1，a2，…，ap}和B＝{b1，b2，…，bq}，并取特征点集作为距离变换的参考集；S302、设定D[x,y]＝mina∈A||(x,y)‑a||为特征点集A的距离图，设定D’[x,y]＝minb∈B||(x,y)‑b||为特征点集B的距离图，则A和B之间存在平移变换时互相相对求取Hausdorff 距离，其中，a和b分别是特征点集A和B的参考子集；S303、定义特征点集A和特征点集B的比值或者特征点集B和特征点集A的比值为变换阈值，并设定A和B之间的相对Hausdorff距离为F(x，y)，在进行平移变换的过程中，使得F(x，y)取最小值的变化阈值小于1即为有效平移变换；S400、建立不变特征点库，对遥感特征点进行逐一筛选，将拟合匹配的不变特征点依次排序组成不变特征点库，并依次通过对比特征点进行筛选，获取危险品堆场。