高分辨率多光譜遙感影像中的油田井場(chǎng)的識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及圖像識(shí)別領(lǐng)域，尤其設(shè)及一種高分辨率多光譜遙感影像中的油田井場(chǎng) 的識(shí)別方法。
【背景技術(shù)】
[0002] 現(xiàn)有的遙感影像處理方法，對(duì)地物目標(biāo)的分類時(shí)，通常是面向像素的。樣本數(shù)據(jù)為 通常為采樣點(diǎn)的像素值，其中包含了采樣點(diǎn)的光譜信息。在對(duì)地物目標(biāo)分類時(shí)，常需要綜合 考慮采樣點(diǎn)的多個(gè)波段的光譜數(shù)據(jù)，因此，樣本數(shù)據(jù)非常龐大，影像處理量也很大，運(yùn)致使 影像處理速度很慢。
[0003] 此外，地物目標(biāo)的分類精度多受分類算法、影像信噪比、參與分類的波段、光譜信 息及空間信息等諸多因素的影響，所W，現(xiàn)有遙感影像處理中的地物目標(biāo)的分類精度常難 W達(dá)到圖像的使用要求。
[0004] 因此，目前亟需一種識(shí)別速度快、識(shí)別正確率高的遙感影像處理方法，W有效識(shí)別 地物目標(biāo)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供一種高分辨率多光譜遙感影像中的油田井場(chǎng)的識(shí)別方法，W提高遙感 影像中的油田井場(chǎng)的識(shí)別速度及識(shí)別正確率。
[0006] 本發(fā)明提供一種高分辨率多光譜遙感影像中的油田井場(chǎng)的識(shí)別方法，所述識(shí)別方 法包括：根據(jù)油田遙感影像生成油田井場(chǎng)樣本，并基于所述油田井場(chǎng)樣本的化ar特征訓(xùn)練 一油田井場(chǎng)識(shí)別分類器；利用所述油田井場(chǎng)識(shí)別分類器對(duì)待檢測(cè)遙感影像進(jìn)行識(shí)別，生成 井場(chǎng)目標(biāo)識(shí)別區(qū)。
[0007] -個(gè)實(shí)施例中，根據(jù)油田遙感影像生成油田井場(chǎng)樣本，并基于所述油田井場(chǎng)樣本 的化ar特征訓(xùn)練一油田井場(chǎng)識(shí)別分類器，包括：分別生成油田井場(chǎng)正樣本及油田井場(chǎng)負(fù)樣 本，所述油田井場(chǎng)正樣本及油田井場(chǎng)負(fù)樣本屬于所述油田井場(chǎng)樣本；構(gòu)造矩形特征，計(jì)算所 述油田井場(chǎng)樣本的化ar特征，每一所述矩形特征對(duì)應(yīng)一種化ar特征；根據(jù)所述油田井場(chǎng)樣 本的化ar特征對(duì)所述油田井場(chǎng)樣本進(jìn)行訓(xùn)練，得到多個(gè)強(qiáng)分類器，并將所述強(qiáng)分類器串聯(lián) 起來，得到所述油田井場(chǎng)識(shí)別分類器，所述強(qiáng)分類器對(duì)應(yīng)的多個(gè)弱分類器。
[0008] -個(gè)實(shí)施例中，所述利用所述油田井場(chǎng)識(shí)別分類器對(duì)待檢測(cè)遙感影像進(jìn)行識(shí)別， 生成井場(chǎng)目標(biāo)識(shí)別區(qū)，包括：加載所述待檢測(cè)遙感影像及所述油田井場(chǎng)識(shí)別分類器；通過 所述油田井場(chǎng)識(shí)別分類器中的各個(gè)強(qiáng)分類器對(duì)所述待檢測(cè)遙感影像進(jìn)行檢測(cè)，在所述待檢 測(cè)遙感影像中生成所述井場(chǎng)目標(biāo)識(shí)別區(qū)。
[0009] -個(gè)實(shí)施例中，生成所述油田井場(chǎng)正樣本，包括：在所述油田遙感影像上采集包含 井場(chǎng)目標(biāo)的圖像，并標(biāo)定出所述井場(chǎng)目標(biāo)所在的位置；根據(jù)所述井場(chǎng)目標(biāo)所在的位置提取 油田井場(chǎng)圖像，并根據(jù)所述油田井場(chǎng)圖像的固有長寬比進(jìn)行放縮，生成所述油田井場(chǎng)正樣 本。
[0010] 一個(gè)實(shí)施例中，所述生成油田井場(chǎng)負(fù)樣本，包括：在所述油田遙感影像上采集包含 非井場(chǎng)目標(biāo)的圖像，并標(biāo)定所述非井場(chǎng)目標(biāo)的位置；根據(jù)所述非井場(chǎng)目標(biāo)的位置提取非井 場(chǎng)圖像，并根據(jù)所述非井場(chǎng)圖像的固有長寬比進(jìn)行放縮，生成所述油田井場(chǎng)負(fù)樣本。
[0011] 一個(gè)實(shí)施例中，所述非井場(chǎng)目標(biāo)包括建筑物、水體、河流、交通道路、植被覆蓋區(qū)中 的一個(gè)或多個(gè)。
[0012] -個(gè)實(shí)施例中，在所述構(gòu)造矩形特征，計(jì)算所述油田井場(chǎng)樣本的化ar特征，每一 所述矩形特征對(duì)應(yīng)一種化ar特征之前，包括：根據(jù)預(yù)定長度和預(yù)定寬度對(duì)所述油田井場(chǎng)正 樣本進(jìn)行歸一化處理。
[0013] 一個(gè)實(shí)施例中，所述計(jì)算所述油田井場(chǎng)樣本的化ar特征，包括：求得所述矩形特 征的積分圖像，所有所述矩形特征的積分圖像構(gòu)成一積分圖像表；根據(jù)所述積分圖像表，求 得所述油田井場(chǎng)樣本的化ar特征。
[0014] 一個(gè)實(shí)施例中，所述矩形特征包括4種邊界特征、8種線特征及2種中屯、特征，所述 矩形特征由2個(gè)或3個(gè)矩形區(qū)域構(gòu)成，所述矩形特征所對(duì)應(yīng)的化ar特征為所述矩形區(qū)域的 像素和的加權(quán)和。
[0015] 一個(gè)實(shí)施例中，所述根據(jù)所述積分圖像表，求得所述油田井場(chǎng)樣本的化ar特征， 包括：查找所述積分圖像表，得到所述油田井場(chǎng)樣本所包含的所述矩形特征；加權(quán)求和所 述油田井場(chǎng)樣本所包含的所述矩形特征的積分圖像。
[0016] 一個(gè)實(shí)施例中，所述根據(jù)所述油田井場(chǎng)樣本的化ar特征對(duì)所述油田井場(chǎng)樣本進(jìn) 行訓(xùn)練，得到多個(gè)強(qiáng)分類器，包括：根據(jù)所述油田井場(chǎng)樣本定義弱分類器；利用每個(gè)所述油 田井場(chǎng)樣本訓(xùn)練對(duì)應(yīng)的弱分類器；每次訓(xùn)練所述弱分類器時(shí)，在所有所述油田井場(chǎng)樣本所 對(duì)應(yīng)的所述弱分類器中，選出錯(cuò)誤率最低的弱分類器，并將選出的所述弱分類器作為所述 強(qiáng)分類器加入到一級(jí)聯(lián)分類器中，經(jīng)過T次訓(xùn)練所述弱分類器后，所述級(jí)聯(lián)分類器包含T個(gè) 所述強(qiáng)分類器，將所述級(jí)聯(lián)分類器作為所述油田井場(chǎng)識(shí)別分類器，其中，T為正整數(shù)，T〉1。
[0017] 本發(fā)明通過建立遙感影像上的油田井場(chǎng)樣本庫，在提取化ar特征的基礎(chǔ)上，用 AdaBoost方法訓(xùn)練得到一個(gè)級(jí)聯(lián)的強(qiáng)分類器去識(shí)別遙感影像中的油田井場(chǎng)目標(biāo)，生成油田 井場(chǎng)目標(biāo)識(shí)別區(qū)圖。運(yùn)種方法能直接定位待識(shí)別的遙感影像中的井場(chǎng)目標(biāo)位置，并不受遙 感影像的光譜特征、空間特征等波段因素的限制，有利于在分辨率日益提高的遙感影像直 接進(jìn)行特定目標(biāo)識(shí)別，無論在識(shí)別的正確率、識(shí)別速度都能獲得較大提高。
【附圖說明】
[0018] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W 根據(jù)運(yùn)些附圖獲得其他的附圖。在附圖中：
[0019] 圖1是本發(fā)明實(shí)施例的高分辨率多光譜遙感影像中的油田井場(chǎng)的識(shí)別方法的流 程示意圖；
[0020] 圖2是本發(fā)明一實(shí)施例中訓(xùn)練油田井場(chǎng)識(shí)別分類器的流程示意圖；
[0021] 圖3是本發(fā)明一實(shí)施例中訓(xùn)練油田井場(chǎng)識(shí)別分類器的流程示意圖；
[0022] 圖4是本發(fā)明一實(shí)施例中生成油田井場(chǎng)正樣本的流程示意圖；
[0023] 圖5是本發(fā)明一實(shí)施例中生成油田井場(chǎng)負(fù)樣本的流程示意圖；
[0024] 圖6是本發(fā)明一實(shí)施例中識(shí)別油田井場(chǎng)的流程示意圖；
[002引圖7是本發(fā)明一實(shí)施例中生成油田井場(chǎng)樣本的化ar特征的流程示意圖；
[0026] 圖8是本發(fā)明一實(shí)施例中生成油田井場(chǎng)樣本的化ar特征的流程示意圖；
[0027] 圖9是本發(fā)明一實(shí)施例中矩形特征的結(jié)構(gòu)示意圖；
[0028] 圖10是本發(fā)明一實(shí)施例中生成級(jí)聯(lián)分類器的流程示意圖；
[0029] 圖11是本發(fā)明一實(shí)施例中利用級(jí)聯(lián)分類器識(shí)別油田井場(chǎng)的算法流程圖。
【具體實(shí)施方式】
[0030] 為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面結(jié)合附圖對(duì)本發(fā) 明實(shí)施例做進(jìn)一步詳細(xì)說明。在此，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，但并 不作為對(duì)本發(fā)明的限定。
[0031] 圖1是本發(fā)明實(shí)施例的高分辨率多光譜遙感影像中的油田井場(chǎng)的識(shí)別方法的流 程示意圖。如圖1所示，油田井場(chǎng)的識(shí)別方法包括訓(xùn)練階段和識(shí)別階段，具體包括：
[0032] S101 :根據(jù)油田遙感影像生成油田井場(chǎng)樣本，并基于所述油田井場(chǎng)樣本的化ar特 征訓(xùn)練一油田井場(chǎng)識(shí)別分類器；
[0033] S102 :利用所述油田井場(chǎng)識(shí)別分類器對(duì)待檢測(cè)遙感影像進(jìn)行識(shí)別，生成井場(chǎng)目標(biāo) 識(shí)別區(qū)。
[0034] 本發(fā)明實(shí)施例的高分辨率多光譜遙感影像中的油田井場(chǎng)的識(shí)別方法，基于化ar 特征且采用計(jì)算機(jī)圖像識(shí)別技術(shù)，讓計(jì)算機(jī)直接去識(shí)別遙感影像中的井場(chǎng)目標(biāo)，有利于對(duì) 分辨率日益提高的遙感影像直接進(jìn)行井場(chǎng)目標(biāo)識(shí)別，顯著提高了油田井場(chǎng)識(shí)別的正確率和 識(shí)別速度。
[0035] 圖2是本發(fā)明一實(shí)施例中訓(xùn)練油田井場(chǎng)識(shí)別分類器的流程示意圖。如圖2所示， 在上述步驟S101中，訓(xùn)練油田井場(chǎng)識(shí)別分類器的方法包括：
[0036] S201 :分別生成油田井場(chǎng)正樣本及油田井場(chǎng)負(fù)樣本，所述油田井場(chǎng)正樣本及油田 井場(chǎng)負(fù)樣本屬于所述油田井場(chǎng)樣本；
[0037] S202 :構(gòu)造矩形特征，計(jì)算所述油田井場(chǎng)樣本的化ar特征，每一所述矩形特征對(duì) 應(yīng)一種化ar特征；
[0038] S203 :根據(jù)所述油田井場(chǎng)樣本的化ar特征對(duì)所述油田井場(chǎng)樣本進(jìn)行訓(xùn)練，得到多 個(gè)強(qiáng)分類器，并將所述強(qiáng)分類器串聯(lián)起來，得到所述油田井場(chǎng)識(shí)別分類器，所述強(qiáng)分類器對(duì) 應(yīng)多個(gè)弱分類器。
[0039] 在上述步驟S202中，所構(gòu)造的矩形特征可包括14種，具體可包括4種邊界特征、8 種線特征及2種中屯、特征。上述矩形特征可由2個(gè)或3個(gè)矩形區(qū)域構(gòu)成，矩形特征所對(duì)應(yīng) 的化ar特征被定義為上述矩形區(qū)域的像素和的加權(quán)和。
[0040] 本發(fā)明實(shí)施例