基于人类视觉仿生的高分辨率遥感影像建筑物提取方法研究

Automatically identifying and extracting man-made objects such as buildings from high-resolution remote sensed images has been a challenge for a long time in remote sensing application. The main reason is lack of mature theories and techniques of object recognition, which agree with the characters of the human vision system. Against to this problem, we try to strengthen researches on theories of object recognition from the perspective of the visual psychology, and propose a new researching thinking based on human vision bionics. The main researching contents are as follows: 1) According to the principle of Gestalt psychology, the first mission is to study methods for extracting principle structures and removing redundant details from a image, which similar to the human vision's ability of filtering disturbance information and grapping the principle features. 2) The second mission is to study methods for extracting image features, based on the human visual psychology. It aims to extract image features which have the characters of visual constancy, agreeing with the perceptual of human vision. 3) The third mission is to study the visual attention model for multiple objects with complicated background. It aims to simulate the selective visual characters to obtain the interesting regions of buildings. Through these studies above, we hope to obtain a series of useful research findings about visual psychology in object recognition for computer vision, which can promote the theoretical and technical progress for object automatic recognition from high-resolution remote sensed images.

从高分辨率影像自动识别和提取建筑物等人工目标一直是遥感领域的巨大挑战，到目前仍未取得突破进展，主要原因在于缺乏符合人类视觉特性的目标识别理论和方法。针对此问题，本课题从视觉心理学等方面加强地物识别的理论和方法研究，提出基于人类视觉仿生的目标识别研究思路。主要展开如下几个方面的研究：1) 根据格式塔心理学原理，研究基于视觉特性的图像主体结构提取和冗余信息剔除方法，模拟人类视觉具有过滤干扰信息、抓住主要特征的能力；2) 研究顾及视觉心理的图像特征提取新方法，使得提取的图像特征具有视觉恒常性，与人眼视觉感知相一致；3) 研究复杂背景下的多目标视觉注意模型，模拟人类视觉的选择性注意机制，解决建筑物感兴趣区域的定位问题。通过以上几个方面的研究，有望获得视觉心理学在图像特征提取和目标识别方面的一系列成果，推动遥感影像地物自动识别的理论进展和技术进步。

从高分辨率遥感图像自动提取地物目标是目前遥感数据处理中的挑战性课题，也是一个综合性的复杂课题。研究涉及到计算机视觉理论和众多算法，可促进各相关学科理论的完善和方法的突破。本课题围绕从高分辨率遥感影像进行建筑物提取问题，从图像分割聚类、特征提取、视觉注意机制和深度学习等几个方面进行了相关研究，获得了阶段性的研究结果：1）提出一种面向对象思想和自动聚类相结合的图像聚类方法，提高了遥感图像聚类的速度和自动化程度，可用于图像的聚类分割。2）详细分析了常用特征在建筑物识别中的重要性程度，获得了几何特征更为重要的结论。并基于此，提出了一种新的几何结构特征组合(边缘规则化和阴影直线特征)，提高了建筑物识别的精度。3）引入视觉注意机制的思想，综合多种不变性特征，提出了一种基于显著图的阴影检测算法。4）为了克服深度学习对数据和计算资源要求高的不足之处，本课题基于少量数据样本和浅层网络的思路，通过训练获得一个有效的建筑物识别模型，取得了初步成效。本研究发表期刊论文12篇，其中SCI检索论文3篇，国际会议EI检索论文1篇，8篇中文核心期刊；另外，获得发明专利2项。