基于STACS的遙感圖像模板匹配智能識別仿真

李 靜

(河南大學濮陽工學院，河南 濮陽 457000)

1 引言

人造衛(wèi)星遙感是一門綜合性的科學技術(shù)，它可以從遠距離或者高空中，利用紅外等探測儀器以掃描成像的方式來識別地面遙感圖像運動狀態(tài)的現(xiàn)代化技術(shù)系統(tǒng)[1]。對遙感圖像識別方法有很多種，目前經(jīng)常使用的是圖像特征模板匹配方法[2]，但是傳統(tǒng)的遙感圖像模板匹配識別過程中，普遍存在著匹配正確率較低、運算時間較長，識別精度較低等問題[3]。針對這一問題，如何快速提出具有較高識別準確度和較好識別效果的方法成為當今社會亟待解決的問題[4]。

目前很多專家學者們對其進行了研究，也得到了一些成果。例如，基于PCA的飛機遙感圖像模板匹配識別方法。該方法對飛機遙感圖像進行均值濾波處理和分割，將分割后的飛機遙感圖像各個區(qū)域進行主成分分析，然后將主軸旋轉(zhuǎn)成九十度方向和模板庫進行匹配，進行飛機識別。該方法具有較好的識別效果，但是識別準確度較低。

基于支持向量機的飛機遙感圖像匹配識別方法。該方法利用鄰域灰度值方法來提取出候選圖像，利用飛機遙感圖像鄰域像素值的二值模式來當作樣本集，將其輸入到神經(jīng)網(wǎng)絡(luò)中進行訓練，獲取不變性的飛機遙感圖像輪廓特征向量，輸入到支持向量機中進行識別。該方法具有較好的識別精度，但是識別效率較低。

針對上述問題，文中將梯度相似性度量和DOT算法相結(jié)合，將梯度幅值較大的主導方向視為遙感圖像特征參量，用于后續(xù)匹配，并通過鄰域像素差值法來對遙感圖像目標特征進行識別。實驗證明，本文提出的識別方法具有較高的識別精度。

2 基于STACS的遙感圖像模板匹配智能識別方法

2.1 遙感圖像模板特征匹配

通過對人造衛(wèi)星勘測系統(tǒng)(STACS)勘測到的遙感圖像進行分析，將梯度幅值較大的主導方向視為遙感圖像特征參量[5]，用于后續(xù)匹配，使用DOT算法過濾掉非主要的梯度特征，僅保留梯度幅值較大的主導方向，并將其視為遙感圖像特征參量，完成模板匹配，具體過程如下。

假設(shè)，遙感圖像相似性度量函數(shù)用ε1來表示，通過ε1來描述目標圖像I與中心特征點為c的模板圖像O之間的梯度方向極為近似的數(shù)量，其表達式

(1)

式中，δ()代表二進制函數(shù)；ori(O，r)代表O處于r位置時相應(yīng)的離散梯度方向；ori(O，c+r)代表輸入遙感圖像ori(O，r)處于c+r位置時相應(yīng)的離散梯度方向。

為了保證近似性度量參數(shù)始終保持微小偏差的穩(wěn)定性，同時提高算法計算效率，近似性度量階段不考慮目標圖像的所有像素點的梯度方向，重點考慮將兩幅目標圖像分解成具有較小規(guī)則的正方形范圍R，只考慮其中每個小范圍梯度幅值極大的像素點主導方向，這時將式(1)進行修改為

(2)

式中，DO(O，R)代表模板圖像O中各個小范圍R中梯度幅值極大的像素點主導方向的集合，而do(I，c+R)是目標圖像I在各個小范圍R中平移c大小的梯度幅值較大的一個主導方向向量。為了可快速獲取各個小范圍R的最大梯度幅值方向，選取模板圖像O中各個小范圍R的梯度幅值最大方向表征區(qū)域R。同時為了能夠更好的表達整個2×2范圍，將“±”用于描述該范圍內(nèi)無可使用的梯度信息。為此，函數(shù)DO(·)返回值可能在范圍[0，n0-1]的不同梯度方向，要不就可能在返回{±}，利用下式給出函數(shù)原型表達式

(3)

S(O，R)={ori(O，l):l∈magk(R)Λmag(O，l)>τ}

(4)

式中，l代表范圍R中的一個遙感圖像像素點；ori(O，l)代表模板圖像中像素點位置為l處的梯度方向；mag(O，l)代表模板圖像在位置l上顯示的大小；magk(R)代表模板圖像中各個小范圍R中所有梯度幅值極大的方向位置，共有k個。為了能夠提升在線匹配速度將取k=1，τ描述根據(jù)梯度幅值的大小而確定的此范圍內(nèi)是否包含相同區(qū)域的閾值。

為了保證近似性度量參數(shù)始終保持微小偏差的穩(wěn)定性，在不影響遙感圖像模板匹配智能識別正確率的前提下[6]，分析整幅遙感圖像時只考慮幾個點的位置c，而不是將整幅遙感圖像都進行掃描，這樣可以降低大量的時間開銷，在目標物體進行微小平移時，從函數(shù)ε2的返回結(jié)果中，選取最大值，當成遙感圖像模板的相似度量標準，利用式(5)給出ε3的表達式

∈DO(w(O，m)，R)

(5)

式中，w(O，m)代表遙感圖像模板O被平行移動了m。

通過上述過程形成的模板具有始終保持微小偏差的穩(wěn)定性，在相同模板匹配階段[7]，采用仿射投影變換提取不同角度變化時的不變特征向量，將同種模板按照不同的角度生成相應(yīng)的仿射變換模板，在匹配識別過程中[8]，如若攝像頭受到外界干擾，拍攝視角發(fā)生變化，采用該角度的仿射變換模板完成相應(yīng)的匹配識別操作，通過多個角度識別目標物體[9]。

由于攝像機在拍攝過程中，發(fā)生視角變換，此情況下所拍攝的圖像可視為發(fā)生了仿射變換。仿射變換它屬于直角坐標變換中的一種，可以通過平移、旋轉(zhuǎn)等變化組合在一起來體現(xiàn)的。

由于攝像機在拍攝過程中，發(fā)生視角變換，從圖像角度考慮，可視為發(fā)生的仿射變換，仿射變換前遙感圖像上可的隨機一個點u(x，y)經(jīng)過映射后，變?yōu)閡(ax+by+e，cx+dy+f)來表示，由式(6)來描述仿射變換方式

(6)

在該模型中一共存在6個參數(shù)，可根據(jù)3組模板匹配特征點對仿射變換模型中的參數(shù)進行求解[10]

(7)

(8)

式中，A代表為A=λR(ψ)TtR(φ)，其中λ>0經(jīng)過計算，A的行列式用λt來表示，R(ψ)代表遙感圖像旋轉(zhuǎn)角為ψ的平面旋轉(zhuǎn)矩陣；Tt代表遙感圖像切斜度矩陣，ψ代表攝像機它本身的旋轉(zhuǎn)度。

2.2 圖像目標特征識別

以2.1節(jié)遙感圖像模板特征匹配為依據(jù)，利用鄰域像素差值法來對遙感圖像目標特征進行識別，具體過程如下：

(9)

同理，能夠得到(XR，GR)：

(10)

對于縱軸Y上的遙感圖像像素點，依舊可以根據(jù)上述插值來得到(YU，GU)和(YB，GB)，以此來得到遙感圖像像素點(Xm，Ym)的鄰域插值點(Xt，Yt)，圖像目標特征識別函數(shù)為

(11)

通 過上述X和Y向的插值，來實現(xiàn)遙感圖像目標特征進行識別。然而，當遙感圖像目標點鄰域像素灰度值的分布在不滿足正態(tài)分布特征時，只利用鄰域像素插值方法是很難克服方塊效應(yīng)所帶來的識別精度誤差明顯增加的影響。面對這種情況可以對遙感圖像目標點鄰域像素灰度特征進行處理，以此來保證遙感圖像鄰域像素插值的輸出精度。

3 實驗與仿真證明

為了驗證所提出基于STACS的遙感圖像模板匹配智能識別方法的綜合有效性，需要進行一次仿真，本次實驗操作系統(tǒng)為Windows10，在182M內(nèi)存硬件環(huán)境下進行實驗，實驗選取飛機作為目標，圖像大小為248×248，將原圖大小縮小2倍和4倍后分別以30度旋轉(zhuǎn)到180度，來得到178幅目標樣本，將所提方法與基于PCA的飛機遙感圖像模板匹配識別方法和基于支持向量機的飛機遙感圖像匹配識別方法進行對比實驗，實驗設(shè)備如圖1所示。

圖1 實驗設(shè)備

將所提方法與基于PCA的飛機遙感圖像模板匹配識別方法和基于支持向量機的飛機遙感圖像匹配識別方法進行遙感圖像模板匹配正確率對比實驗，實驗結(jié)果如表1所示，表1中，方法1代表所提方法；方法2代表基于PCA的飛機遙感圖像模板匹配識別方法；方法3代表基于支持向量機的飛機遙感圖像匹配識別方法。

表1 不同方法匹配正確率對比

分析表1可以看出，所提方法在遙感圖像大小為248×248、124×124和62×62時匹配的正確率都為100%；而基于PCA的飛機遙感圖像模板匹配識別方法和基于支持向量機的飛機遙感圖像匹配識別方法在遙感圖像大小為248×248、124×124和62×62時，匹配的正確率都明顯低于所提方法匹配的正確率，通過對比可知，所提方法具有較高的匹配效果。

將所提方法與基于PCA的飛機遙感圖像模板匹配識別方法和基于支持向量機的飛機遙感圖像匹配識別方法進行匹配運算時間(s)對比實驗，實驗結(jié)果如表2所示，表2中，方法1代表所提方法；方法2代表基于PCA的飛機遙感圖像模板匹配識別方法；方法3代表基于支持向量機的飛機遙感圖像匹配識別方法。

表2 不同方法匹配運算時間對比實驗

分析表2可以看出，3種方法在匹配數(shù)量一致時，所提方法運算時間都明顯高于基于PCA的飛機遙感圖像模板匹配識別方法和基于支持向量機的飛機遙感圖像匹配識別方法的運算時間，通過對比可知，所提方法具有較高的匹配效率。

將所提方法與基于PCA的飛機遙感圖像模板匹配識別方法和基于支持向量機的飛機遙感圖像匹配識別方法進行識別誤差(%)對比實驗，實驗結(jié)果如圖2所示。

圖2 不同方法識別準確度對比實驗

分析圖2可以看出，3種方法都隨著圖像數(shù)量的不斷增加，識別誤差也隨著增加。所提方法圖像數(shù)量為140個時，識別誤差大約在2%左右，基于支持向量機的飛機遙感圖像匹配識別方法當圖像數(shù)量為140個時，識別誤差大約在3.25%左右，基于PCA的飛機遙感圖像模板匹配識別方法當圖像數(shù)量為140個時，識別誤差大約在3.75%左右，通過對比可知，所提方法識別誤差最低，識別精度較高。

4 結(jié)束語

本文提出一種基于STACS的遙感圖像模板匹配智能識別方法。該方法將梯度幅值較大的主導方向視為遙感圖像特征參量，使用DOT算法過濾掉非主要的梯度特征，僅保留梯度幅值較大的主導方向，并將其視為遙感圖像特征參量，完成模板匹配。在此基礎(chǔ)上，引入鄰域像素差值法來對遙感圖像目標特征進行識別。實驗結(jié)果表明，所提方法遙感圖像模板匹配正確率較高、運算時間較短、識別精度較高，具有一定的實用價值。

在中國，遙感技術(shù)不斷的發(fā)展，遙感圖像模板匹配識別是技術(shù)難點同時也是研究的熱點。在關(guān)于這一研究，文中還會存在許多需要改進的地方：

1)對遙感圖像的分割還要進一步的研究，文中的分割方法對遙感圖像分割還不是更好的。

2)在遙感圖像目標識別的過程中，沒有考慮到目標點殘缺的問題，在實際應(yīng)用中會受到一定的限制。