热红外港口图像特征的评估器提取与选择
点击上方「测绘科学」关注
摘 要
针对低对比度、条纹噪声、低空间分辨率等特点而导致的热红外图像识别效果不佳问题，提出了一种港口目标热红外遥感图像特征提取与选择方法，实现了一定情况下港口目标的高精度分类。采用纹理、几何等２９个特征，通过评估器选择最佳特征组合，并根据识别精度选择最佳分类器，能生成热红外图像港口目标２２个最佳分类特征，且具有一定的鲁棒性。经过参数优化后的ｌｉｂＳＶＭ（一种支持向量机）分类器分类精度较高；白天图像比夜间图像分类精度更高；像素值、灰度直方图相关的一维和二维统计特征、局部二进制模式特征、边缘方向直方图特征等与灰度和纹理相关的特征对港口目标热红外图像识别影响较大。
引用格式
引用格式：马兰，陈筱勇，邓国臣．热红外港口图像特征的评估器提取与选择［Ｊ］．测绘科学，２０１７，４２ （５）：８７-９３．
正文
热红外遥感以其特有的对地物温度、状态等信息优势，与其他手段互补， 对目标侦察监视发挥了重要作用。其中， 在一定的分类器条件下，图像特征提取与选择是热红外目标识别算法的关键，直接影响着目标识别的精度。
热红外图像像素灰度值和温度有关， 与其他类型图像相比，该特征及其统计值区分目标与背景的能力大大降低，需要其他特征共同描述目标。文献［１］ 从地面移动式热像仪获取的图像入手，主要选择了一阶和二阶纹理特征作为该热红外图像特征提取方法，并使用贝叶斯、Ｋ 近邻、Ｐａｒｚｅｎ 分类器对以上特征进行选择， 获取能区分不同地物的特征组合。文献［２］ 利用轮廓和区域的形状特征、纹理特征变换系数特征、分形维数特征等， 对几种不同类型船舶的红外侧视港口图像进行特征提取，采用改进的ＳＦＦＳ特征选择算法和朴素贝叶斯分类器进行特征选择。文献［３］ 通过提取红外舰船目标的７个Ｈｕ不变矩特征，利用近邻分类器实现舰船目标自动识别。文献［４］ 从前视红外图像中，提出舰船目标的辐射特征、位置特征、形状特征以及不变矩特征等３２ 个特征，然后利用马氏距离和近临度量进行特征分析提取， 最后利用线性分类器、近距分类器以及二次非线性分类器综合决策识别６大类舰船。文献［５］ 通过提取红外舰船目标的边缘直方图， 利用边缘直方图特征，结合矩特征利用神经网络进行舰船目标识别。以上特征提取和选择方法大多基于特定的条件， 如红外序列图像、近距角度的红外图像等， 对低空间分辨率红外遥感图像针对性不强。热红外遥感图像受传感器、环境等多种因素的共同影响， 一般具有信噪比低、目标与背景对比度低、空间分辨率低等特点， 对于港口目标，背景较复杂、目标较多、边缘信息不明显， 上述特征提取与选择方法不太适用。因此本文从热红外遥感图像特点出发， 对纹理、几何、形状、统计等样本特征进行选取， 通过属性选择评估器选择最佳图像特征组合， 并根据识别精度选择最佳分类器和分类器参数， 从而提高热红外图像分类的效果。
由于热红外遥感图像空间分辨率较低， 针对本文港口目标中的舰船、油罐等目标， 其尺度一般在１０ 像素， 无法使用细化的特征提取算子如ＨＯＧ、ＳＩＦＴ 等进行处理。根据热红外图像特有的特征表现， 本文选择了像素灰度及其统计特征、纹理特征、几何特征和形状特征等特征提取方法，并根据特征选择结果加大了纹理特征的比重。
本文根据热红外遥感图像特点初选纹理、几何、形状、统计等方面的样本特征，将Ｃ４．５ 分类器、ＫＮＮ 分类器、ＮａｉｖｅＢａｙｅｓ分类器和ｌｉｂＳＶＭ分类器用于分类识别，选取了ｌｉｂＳＶＭ 作为最佳分类器；接下来，对白天和夜间热红外港口目标通过ＡｔｔｒｉｂｕｔｅＳｅｌｅｃｔｅｄＣｌａｓｓｉｆｉｅｒ 分类器的ＩｎｆｏＧａｉｎＡｔｔｒｉｂｕｔｅＥｖａｌ、ＣｆｓＳｕｂｓｅｔＥｖａｌ 和ＷｒａｐｐｅｒＳｕｂｓｅｔＥｖａｌ评估器属性选择策略选择最佳图像特征组合，并采用ＧｒｉｄＳｅａｒｃｈ 分类器进行参数调节， 选取最优分类器参数； 最后对含有油罐的港口图像采集油罐样本，通过ｌｉｂＳＶＭ 分类器及其最佳参数和特征选择策略，对选择的２２ 个样本特征的识别精度进行实验验证。
本文方法可方便提取热红外图像目标特征，得出最佳分类精度的特征选择组合； 且在图像质量不高的条件下，该法得出的特征选择结果鲁棒性较强。本文针对港口目标热红外遥感图像识别中的特征选择这一关键问题， 利用所提出的特征选择方法进行实验， 得出了一些结论： 对热红外图像来说，ｌｉｂＳＶＭ 分类器分类精度较高；经过参数调节后， 分类精度得到较大提升； 像素值、均值、方差、中值、灰度直方图相关的一维和二维统计特征、ＬＢＰ 特征、边缘方向直方图特征等与灰度和纹理相关的特征对港口目标热红外遥感图像识别影响较大；ＩｎｆｏＧａｉｎＡｔｔｒｉｂｕｔｅＥｖａｌ属性选择方法分类精度最好；白天和夜间热红外图像相比，在同等条件下， 分类精度较高。但本文方法也存在一些困难和有待进一步研究的地方， 仅就所提出的特征提取方法进行特征选择； 由于使用人工分类结果作为样本先验值， 样本的准确性取决于人工分类的精确度， 因此较大程度地影响到分类的精度。
2017年（第42卷）第5期
关于《测绘科学》
主管：国家测绘地理信息局
主办：中国测绘科学研究院
邮箱：niu@casm.ac.cn
网站：http://chkd.cbpt.cnki.net
作者QQ群：555495420
（入群：稿号+姓名；群名片：姓名+单位）
编务QQ：2378225509
《测绘科学》微信公众号