基于视觉感知的遥感图像解译机理研究

人类认知心理学的最新研究成果表明：人类视觉在感知图像中的目标时，目标周围的环境信息（全局信息）起很大作用，而以往的图像解译方法通常只利用目标局部知识，环境信息一般都当作干扰被去除，使得解译方法不能处理复杂场景的图像。本项目拟借鉴人类认知心理学中的研究成果，基于人类视觉感知系统的目标分类机制，充分利用环境信息，研究遥感图像的解译机理。项目拟构建描述场景宏观特征的7维空间包络向量表征场景的全局信息，建立全局感知层模型；采用LAB色彩空间上的高斯混合模型建立目标的颜色模型(非结构性纹理)，并联合目标的纹元模型(结构性纹理)，建立遥感图像的局部特征模型；通过融合全局感知层模型和局部特征模型，基于高阶条件随机场构建视觉感知模型，完成遥感图像的解译。该研究在灾害监测、GIS建库、城市规划、军事目标识别、无人驾驶飞机导航等领域有广泛的应用前景。

项目基于人类视觉感知系统的目标分类机制，研究遥感图像的解译机理。对于遥感图像分析与理解、计算机视觉等领域的研究有一定的现实意义和科学价值，在灾害监测、GIS建库、城市规划、军事目标识别、无人驾驶飞机导航等领域有广泛的应用前景。主要研究内容有：. 1.遥感场景图像库的构建. 构建了训练和测试用高分辨率遥感影像库。. 2.空间包络7维向量特征研究. 在全局的层面上，依据（温度，导航性，遮挡性，扩展性，均深性，运动性，开放性）七维向量使用场景图像库开展了研究，实验结果表明：不同类别的场景，用这七维向量可以很好的表征其全局环境特征。 . 3.融合SIFT局部特征和基于二次聚类的视觉词典生成方法研究. 提出了一种改进的SIFT检测算子—融合SIFT和基于二次聚类的视觉词典生成方法。. 4.基于条件随机场(CRF)的场景分类模型研究. 构造了用于遥感场景分类的隐条件随机场模型。. 5.基于高阶CRF的视觉感知模型研究. 利用图像中的多特征与上下文信息，用高阶CRF模型进行一体化建模：通过全局感知域提取遥感图像的全局特征层信息；通过局部感知域，在全局特征层信息的指引下，建立遥感图像的局部特征模型；局部特征模型融合全局特征层的信息，通过高阶CRF得到遥感图像的视觉感知模型。深入研究了该模型涉及的特征构建、模型融合、模型选择、模型训练、模型推断、以及模型的评价等内容。. 6.基于优化策略的遥感图像场景解译模型. 提出了基于优化策略的场景解译模型。模型引入隐变量，并通过隐状态结构图描述视觉单词的语义上下文；使用全局场景特征对图像进行整体描述；定义度量全局特征、视觉单词、隐变量与场景类别相容度的相容函数作为全局优化的目标函数，依据图像场景分类结果确定目标函数的全局最优解。. 7.基于滑动窗口的遥感图像人造目标检测. 提出了基于滑动窗口的人造目标检测算法。在图像中采样一系列的滑动窗口，然后通过目标特征以及目标与背景之间的上下文特征检测当前滑动窗口是否包含目标。构造评分函数，并根据该函数的取值判别当前窗口是否包含目标；通过分析窗口的平滑性和非平滑性，减少了生成滑动窗口的个数，从而提高了目标检测算法的运行速度。