遥感图像的自动识别与分类压缩研究.pdfVIP

遥感图像的自动识别与分类压缩研究 曹玉琳尹显东张健 中国_T-程物理研究院电子工程研究所四川绵阳621900 摘 要：为了缓解遥感图像应用中信道容量、存储空间的有限性与海量数据的传输、存储和处理的迫切 性间矛盾，结合不同用户在海量数据中的感兴趣区域(ROI)不同且远小于数据总量这一客观事实，以城 首先经过特征提取，分裂合并和结构修正等操作进行自动识别得到P,OI和BG；然后，根据需求选取压缩 等级时两区域分类压缩；最后，在接收端解压缩，实现ROI和BG的连农解码与合并，得到重建图像．方 案通过C语言编写仿真程序验证，对城市区域的自动识别准确度达到86％．对不同区域可是活选择不同的 压缩等级进行分类压缩，压缩性能优于单独使用JPEO或JPEG2000方案形成的整体压缩算法． 关键词：自动识别、分类压缩．遥感图像 引言 现今，伴随遥感图像的精度不断提高，遥感数据的海量增加，其应用越来越广泛，在国民经济『内众多领 域发挥着越来越重要的作用，这导致有限的信道容量、存储空间与大量遥感图像数据的传输、存储和处理问 的矛盾日益突出。为缓解该矛盾．遥感图像压缩编码技术得到迅速发展。然而，压缩率和重建图像质量两 者相互制约．致使高压缩率与高重建质量的图像二者无法兼顾“1。同时，对各使用者来说海量的遥感图像 中不是所有数据都古有信息量，即数据量不等同于信息量，因此使用前常需要先根据实际情况提取出有 of 价值的数据，即感兴趣区域(RegionInteres^删)。 结合不同使用者在海量数据中的ROI不同这一客观事实，从缓解压缩率和重建图像质量问的矛盾出 发，本文以可见光遥感图像中城市区域为ROI，开展海量遥感图像数据的压缩研究。提出一种尽可能保存 ROI信息，大比例压缩或抛去背景区(BackGroundBG)信息的海量数据压缩新方案。该方案的实现包含两 榘。‘ ， ‘ 一、ROI的自动识别 ROI的自动识别中．我们设计了一个识别系统，如图1所示，主要开展的研究工作如下： 离线学习阶段，对多幅遥感图像中的不同表现外观的城市医域进行特征分析，选定表征城市区域与 非城市区域显著区别的特征空间并获取相应的闲值； 在线识别阶段。在获取的特征空问上采用分类算法进行区域划分，实现识别。 在线识别阶段 特 离线学习阶段 图1ROI的自动识别流程图 1．1城市与非城市的特征差异分析 城市区域的图像灰度变化一般比较剧烈，纹理能量较大，而城市周围一般是田野、空地和稀疏的房 屋，它们在遥感图上的灰度分布较平缓。 城市区域的图像中不应该出现面积较大的颜色均匀区域，而非城市区域的图像中则很可能存在大量 的颜色均匀区域．例如绿色(一般对应植被、庄稼等)、蓝色(一般对应海洋、湖泊等)区域。 城市图像局部范围内的短线状体大致有两个方向．方向角度差约为90度，而非城市图像一般不具有 该特征。同时，在城市图像的范围内一般应该存在长的线状体．而非城市图像中不一定存在。 1．2特征提取 通过对训练区样本图像进行特征提取得到特征空间中的阈值，通过对待识别图像进行特征提取并结 合阈值进行分类运算实现自动识别，由此可见特征提取工作是十分重要的。本方案中通过对城市特征的 分析，结合遥感图像中目标的低、中、高三个层次，确定以纹理、颜色和空问关系为描述城市对象的主 要特征进行特征提取愠1。 1)纹理特征提取 因此，根据训练区样本图像统计出区分城市和非城市的几个纹理描述符的闽值。因为城市区域被定 义为感兴趣区域，应该尽量保证不把城市区域误判为非城市区域。所以闽值的选取上适当的放宽，以确 保城市区域的信息不误判。识别时，根据待处理图像计算几个纹理描述符的值，并分别与相应的阂值比 较后综合，得到纹理特征判断结果result-。 2)色彩特征提取 区域，如果图像足灰度图像就由灰度值是否满足相应的条件判断。最终得到色彩特征判断结果result：。 3)结构特征提取 因此。首先用canny算子提取出所有的边缘点，记录下各边缘像素点的方向角度，然后用标记生长法 口1提取直线，对得到的所有直线，由其拥有点数量的多少分为长直线和短直线，根据所有