形狀先驗和數據驅動的高分辨遙感影像目標提取

《形狀先驗和數據驅動的高分辨遙感影像目標提取》是依託陝西師範大學，由汪西莉擔任項目負責人的面上項目。

基本介紹

• 中文名：形狀先驗和數據驅動的高分辨遙感影像目標提取
• 項目類別：面上項目
• 項目負責人：汪西莉
• 依託單位：陝西師範大學

項目摘要

高空間解析度遙感影像提供了更為豐富、精細的地面信息，但利用源於圖像數據的光譜、紋理、邊緣等局部特徵，在有遮擋、陰影、噪聲影響、背景雜亂、多目標等複雜場景下，依然難以自動提取出完整的目標。鑒於遙感目標，特別是人工地物具有特定的事先已知的形狀，項目提出基於遙感、統計、圖像配準、基於圖的圖像分割、分類等領域的理論和方法，針對城市高分辨遙感影像中建築物、道路、綠地等目標，以圖像數據為基礎，以與目標相似的形狀作為先驗知識，研究形狀的統計表示模型和具有單個形狀模板以及多個形狀模板的圖像目標提取方法，利用形狀先驗和圖像數據解決複雜情況下的目標提取問題。項目針對矩形、具有平行邊的長條狀、交叉路口等形狀，系統地研究形狀模型和全局形狀特徵作為先驗知識，與圖像特徵共同作用提升高分辨遙感影像目標提取性能的方法，對深化先驗知識的研究、基於形狀先驗和圖像數據的遙感目標提取方法的研究和套用具有重要的理論意義和套用價值。

結題摘要

遙感影像目標提取傳統研究依賴手工設計的光譜、紋理、邊緣、簡單的幾何形狀等特徵，在有遮擋、陰影、噪聲、背景雜亂、多目標等複雜場景下，難以提取出完整的目標。鑒於遙感（特別是人工）目標具有特定已知的形狀，項目提出研究目標形狀的表示，以及結合形狀先驗和光譜等特徵的遙感目標提取方法。首先，研究了基於傳統統計方法的形狀建模，形狀的對齊、形變、利用模型和輸入獲取形狀先驗信息等問題，並將形狀先驗加入到馬爾科夫隨機場、水平集等圖像分類、分割方法中，解決了新約束的施加和求解等問題，結合形狀和光譜等特徵完成目標提取任務。其次，研究提出了基於受限玻爾茲曼機、深度信念網路、深度玻爾茲曼機、卷積受限玻爾茲曼機等深度網路模型的形狀建模方法，解決了模型構造、訓練、重建信息等問題。這些模型不需要單獨再解決形狀對齊、形變、比較等問題，可以更加靈活地表達形狀信息。在此基礎上研究了通過對輸入進行重建完成目標提取的方法，以及將重建結果作為目標形狀先驗信息加入馬爾可夫隨機場、水平集的能量函式中來提取目標的方法。不管是傳統統計方法還是深度學習方法建模表示形狀信息，和傳統基於光譜、紋理等特徵提取目標的方法相比，由於全局形狀特徵的使用，都使提取的目標更加完整，特別在噪聲、遮擋、背景雜亂、目標自身特徵不均勻等情況下體現出明顯的優勢。最後，研究了目標分割和目標檢測的深度網路模型來提取遙感目標，重點解決了小規模網路、多源多層特徵融合、顯著場景獲取等問題，以應對遙感影像規模大、標記樣本有限、目標密集、目標形態、大小和分布不均等帶來的挑戰。基於深度網路提取目標低級、高級特徵的能力，和我們面向遙感目標採取的措施，使提出的各模型和方法對所處理的遙感數據集得到的評價結果不僅遠超傳統方法，也優於或相當於目前我們所知的文獻中基於深度學習的先進方法獲得的結果。項目對遙感目標提取的方法和技術研究具有前沿性、先進性，以及重要的理論意義和套用價值。