一种光学遥感图像海上平台自动检测方法技术

本发明专利技术公开了一种光学遥感图像海上平台自动检测方法，首先对海上油气平台多分辨率、多视点的遥感成像特性进行分析，通过特征子空间和主成分分量拟合最佳遥感图像。然后通过时空马尔可夫随机场模型，提高海上平台检测的信噪比与信杂比，输出目标显著性图像。最后构建大规模的目标标准数据集，对深度卷积神经网络进行基于hadoop分布式文件存储系统的多节点并行架构训练，对深度卷积神经网络持续调优，提取大规模目标的稳定特性，实现海量遥感图像中海上油气平台快速、准确的自动检测。

【技术实现步骤摘要】
一种光学遥感图像海上平台自动检测方法
本专利技术属于遥感图像解译领域，尤其涉及一种光学遥感图像海上平台自动检测方法。
技术介绍
1.1基于海上油气平台地理位置相对固定的检测方法根据海上油气平台地理位置相对固定、舰船目标不断运动的特点实现检测。如CasadioS.等基于欧洲环境卫星的SAR图像数据，采用CFAR方法检测海上目标，根据目标的位置不变性提取海上油气平台；ChengL.等采用双参数的CFAR检测海上目标，再根据固定目标的相对三角位置不变原理提取海上平台；YongxueLiu等采用Landsat陆地成像仪(OLI)的多光谱数据，根据上下文特征和位置、尺度的不变性检测海上油气平台。1.2基于海上油气平台红外辐射特性检测方法第二类方法通过海上油气平台的红外辐射特性来实现目标检测。大部分的海上油气平台通过放空火炬燃烧废气，通过在红外波段提取火点可以有效探测到这些海上平台。如Elvidge等通过美国防卫气象卫星的OLS(OperationalLine-scanSystem)传感器数据进行全球的天然气火点检测；Casadio等通过ATSR(AlongTrackScanningRadiometer)传感器数据，对SAR图像检测目标进行辐射特征提取，检测大西洋北海区域的海上平台；Anejionu等通过Landsat和MODIS的卫星数据，采用辐射滤波和空间滤波检测燃烧天然气的海上平台；孟若琳等采用LandsatTM传感器的多光谱数据，通过最优阈值选取和滑动窗口法提取海上油气平台。上述两类海上油气平台检测方法都是先对单一时相的图像进行目标检测，显然，在这种情况下，整体检测率将受到单时相图像检测率的直接影响，某一时相的检测错误就可能导致最终的漏检或虚警。而对于海上油气平台，单时相下检测率难以保障，主要是因为：1)海上油气平台尺度较小，其长宽通常在100米左右，在普通分辨率的遥感图像中只有十几个像素大小；2)海上油气平台成像信号较弱，难以与背景明显区分；3)海上环境复杂，海浪、云层等杂波干扰严重；4)与舰船的成像特征类似，易受舰船目标干扰。
技术实现思路
本专利技术所要解决的技术问题是针对从海量遥感图像数据中检测海上油气平台时，面临的目标检测准确率低、工作量大的问题，提出了一种基于深度卷积神经网络和三维时空马尔可夫随机场的海上平台检测方法。本专利技术为解决上述技术问题采用以下技术方案一种光学遥感图像海上平台自动检测方法，具体包含如下步骤：步骤1，对海上油气平台多分辨率、多视点的遥感成像特性进行分析，通过特征子空间和主成分分量拟合遥感图像；步骤2，通过时空马尔可夫随机场模型，提高海上平台检测的信噪比与信杂比，输出目标显著性图像；步骤3，构建目标标准数据集，对深度卷积神经网络进行基于hadoop分布式文件存储系统的多节点并行架构训练，对深度卷积神经网络持续调优，提取大规模目标的稳定特性，实现海量遥感图像中海上油气平台快速、准确的自动检测。作为本专利技术光学遥感图像海上平台自动检测方法的进一步优选方案，所述步骤1具体包含如下步骤：步骤1.1，选取不同分辨率、多视点下的多时相光学遥感图像集；步骤1.2，建立海洋检测识别区域先验知识数据库；步骤1.3，通过步骤2中建立的先验知识数据库对步骤1中的输入图像集进行处理，将遥感数据中的非海洋区域信息、不可能进行海上油气开发的海洋较深区域的信息进行剔除，得到处理后的图像集；步骤1.4，对步骤3中得到的图像集进行人工标定，获得标记遥感图像集；步骤1.5，对标记遥感图像集的特征子空间和主成分进行仿真分析，获得多时相遥感图像集。作为本专利技术光学遥感图像海上平台自动检测方法的进一步优选方案，所述步骤2具体包含如下步骤：步骤2.1，对图像集中的图像进行时域低通滤波，初始化马尔可夫随机场；步骤2.2，根据输入的多时相遥感图像，建立三维马尔可夫随机场模型，并考虑遥感图像灰度分布信息符合有限混合高斯模型，获得联合条件概率；步骤2.3，根据步骤2.2中的条件概率进行最大似然估计，计算马尔可夫随机场模型参数；步骤2.4，用计算出来的参数更新马尔可夫随机场，重新通过最大似然估计获取马尔可夫随机场模型参数；步骤2.5，对比前后两次计算的马尔可夫随机场模型参数误差是否满足收敛；若满足，则执行步骤2.6，否则继续执行步骤2.4；步骤2.6，通过三维时空马尔可夫随机场模型计算输出目标显著性图像。作为本专利技术光学遥感图像海上平台自动检测方法的进一步优选方案，所述步骤3具体包含如下步骤：步骤3.1，获取平台样本库，进而存储在hadoop分布式文件存储系统上，在k个节点上存储样本库子集，让各节点单独训练样本库，初始化卷积神经网络各参数；步骤3.2，各节点同时进行样本库子集的完整网络训练，得到卷积神经网络参数向量，并使用各节点的神经网络参数拟合整体神经网络参数；步骤3.3，用整体神经网络参数更新各节点神经网络参数；步骤3.4，人工交互确定训练效果，持续参数调优，重复执行步骤3.2至步骤3.3，直到训练达到要求；步骤3.5，添加目标样本，重复步骤3.2至步骤3.4；步骤3.6，使用步骤3.5中训练好的卷积神经网络对步骤2.6中输出的目标显著性图像进行检测，输出目标检测结果。作为本专利技术光学遥感图像海上平台自动检测方法的进一步优选方案，在步骤1.2中，所述数数据库包含近海的经纬度、海洋深度。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1)建立了海上平台在多分辨率、多视点下的光学遥感成像特性的分析方法，有利于辨别区分目标与虚警目标；2)建立多时相的三维时空马尔科夫随机场模型，有效的输出目标显著性图像，显著抑制图像杂波和噪声干扰；3)构建基于hadoop分布式文件存储的并训练深度卷积神经网络，极大的提高了训练效率，并达到较高的海上平台目标检测的准确性。附图说明图1是海上平台检测方法框图；图2是三维马尔可夫随机场模型；图3是卷积神经网络架构图；图4是卷积神经网络并行计算架构图；图5是多时相遥感数据仿真分析逻辑框图；图6是三维马尔可夫随机场模型建模逻辑框图；图7是深度卷积神经网络并行训练架构逻辑框图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：本专利技术采用的技术方案是：首先对海上油气平台多分辨率、多视点的遥感成像特性进行分析，通过特征子空间和主成分分量拟合最佳遥感图像。然后通过时空马尔可夫随机场模型，提高海上平台检测的信噪比与信杂比，输出目标显著性图像。最后构建大规模的目标标准数据集，对深度卷积神经网络进行基于hadoop分布式文件存储系统的多节点并行架构训练，对深度卷积神经网络持续调优，提取大规模目标的稳定特性，实现海量遥感图像中海上油气平台快速、准确的自动检测。步骤1，对海上油气平台多分辨率、多视点的遥感成像特性进行分析，通过特征子空间和主成分分量拟合遥感图像；步骤2，通过时空马尔可夫随机场模型，提高海上平台检测的信噪比与信杂比，输出目标显著性图像；步骤3，构建大规模的目标标准数据集，对深度卷积神经网络进行基于hadoop分布式文件存储系统的多节点并行架构训练，对深度卷积神经网络持续调优，提取大规模目标的稳定特性，实现海量遥感图像中海上油气平台快速、准确的自动检测。作为本专利技术光学遥感图像海上平台自动检测方法的进一本文档来自技高网...

【技术保护点】
一种光学遥感图像海上平台自动检测方法，其特征在于：具体包含如下步骤：步骤1，对海上油气平台多分辨率、多视点的遥感成像特性进行分析，通过特征子空间和主成分分量拟合遥感图像；步骤2，通过时空马尔可夫随机场模型，提高海上平台检测的信噪比与信杂比，输出目标显著性图像；步骤3，构建目标标准数据集，对深度卷积神经网络进行基于hadoop分布式文件存储系统的多节点并行架构训练，对深度卷积神经网络持续调优，提取大规模目标的稳定特性，实现海量遥感图像中海上油气平台快速、准确的自动检测。

【技术特征摘要】
1.一种光学遥感图像海上平台自动检测方法，其特征在于：具体包含如下步骤：步骤1，对海上油气平台多分辨率、多视点的遥感成像特性进行分析，通过特征子空间和主成分分量拟合遥感图像；步骤2，通过时空马尔可夫随机场模型，提高海上平台检测的信噪比与信杂比，输出目标显著性图像；步骤3，构建目标标准数据集，对深度卷积神经网络进行基于hadoop分布式文件存储系统的多节点并行架构训练，对深度卷积神经网络持续调优，提取大规模目标的稳定特性，实现海量遥感图像中海上油气平台快速、准确的自动检测。2.根据权利要求1所述光学遥感图像海上平台自动检测方法，其特征在于：所述步骤1具体包含如下步骤：步骤1.1，选取不同分辨率、多视点下的多时相光学遥感图像集；步骤1.2，建立海洋检测识别区域先验知识数据库；步骤1.3，通过步骤2中建立的先验知识数据库对步骤1中的输入图像集进行处理，将遥感数据中的非海洋区域信息、不可能进行海上油气开发的海洋较深区域的信息进行剔除，得到处理后的图像集；步骤1.4，对步骤3中得到的图像集进行人工标定，获得标记遥感图像集；步骤1.5，对标记遥感图像集的特征子空间和主成分进行仿真分析，获得多时相遥感图像集。3.根据权利要求1所述光学遥感图像海上平台自动检测方法，其特征在于：所述步骤2具体包含如下步骤：步骤2.1，对图像集中的图像进行时域低通滤波，初始化马尔可夫随机场；步骤2.2，根据输入的多时相遥感图像，建立三维马尔可夫随机场模型，并...

【专利技术属性】
技术研发人员：段贺，彭晨，乔雪，刘久云，胡岩峰，刘振，
申请(专利权)人：中国科学院电子学研究所苏州研究院，
类型：发明
国别省市：江苏,32