[发明专利]基于LFP特征的遥感图像车辆检测方法

摘要

本发明提供了一种基于LFP特征的遥感图像车辆检测方法，包括以下步骤：对遥感图像集的每幅图像切取多个m×m像素大小的区域小块作为样本；对样本图像进行金字塔c层分割，每幅样本图像分割成C块；对于分割后的每个小块区域R，得到车辆图像的LFP特征值；对每个小块区域R，统计LFP特征直方图，然后对该直方图归一化处理，最后将得到的C个小块的统计直方图进行连接成为一个特征向量，也就是一幅样本图像的LFP特征向量；利用分类器训练得到权值模型；利用得到的权值模型对任意一幅包含车辆的大尺度遥感图像进行检测，得到大尺度遥感图像的车辆检测结果。

主权项

1.一种基于LFP特征的遥感图像车辆检测方法，其特征在于，包括以下步骤：S1、获取包含车辆的高分辨率遥感图像集；S2、对遥感图像集的每幅图像切取多个m×m像素大小的区域小块作为样本，并对其设置标签，样本中含车辆的标记为正样本，否则均标记为负样本，然后将所有样本导出生成车辆数据集；S3、对车辆数据集中的所有样本图像进行金字塔c层分割，每幅样本图像分割成C块；S4、对于分割后的每个小块区域R，利用LFP特征值计算公式依次遍历区域R中所有像素点得到车辆图像的LFP特征值；S5、对每个小块区域R，统计LFP特征直方图，然后对该直方图归一化处理，最后将得到的C个小块的统计直方图进行连接成为一个特征向量，也就是一幅样本图像的LFP特征向量；S6、在车辆数据集所有正负样本中，随机选取已经提取LFP特征向量后的x个正样本，x个负样本作为神经网络的训练样本，剩下的y个正样本和y个负样本作为训练完成后的测试样本，将正、负样本送入分类器进行训练及测试，调整分类器各个参数，得到最高精度，保存该最高精度下训练完成后的权值模型；S7、利用S6中得到的权值模型对任意一幅包含车辆的大尺度遥感图像进行检测，采用多尺度窗口对大尺度遥感图像进行滑动检测，检测结果为车辆时就框选出来，最后得到大尺度遥感图像的车辆检测结果。