[發(fā)明專利]一種基于高分辨遙感圖像的機場目標檢測方法

在審

• 申請?zhí)枺?/td>: 201410400563.X
• 申請日: 2014-08-14
• 公開（公告）號: CN104156722A
• 公開（公告）日: 2014-11-19
• 發(fā)明（設計）人: 李映;張?zhí)栧?/a>;張艷寧
• 申請（專利權）人: 西北工業(yè)大學
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 西北工業(yè)大學專利中心 61204
• 代理人: 王鮮凱

技術領域

本發(fā)明屬于圖像處理，是一種遙感圖像中機場目標檢測的方法，具體涉及一種基于高分辨遙感圖像的機場目標精確檢測方法。

背景技術

現有的機場目標檢測方法大致分為以下幾個步驟：圖像預處理、邊緣檢測、平行線提取、目標檢測與提取。在平行線檢測的步驟中一般采用Hough變換方法，該方法基于散點，檢測出的平行線不夠完整且容易誤檢，則使用Hough變換的機場目標檢測方法也就不夠精確。此外，在平行線提取步驟之后直接檢測機場目標也是不合理的，因為高分辨遙感圖像背景復雜，除了機場跑道還有其它許多目標都含有平行線特征。因此，若不對提取出來的平行線進行篩選則容易出現大量誤檢的現象，嚴重影響機場目標檢測的質量。

發(fā)明內容

要解決的技術問題

為了避免現有技術的不足之處，本發(fā)明提出一種基于高分辨遙感圖像的機場目標檢測方法，克服現有的機場目標識別方法提取的機場目標質量差的不足。

技術方案

一種基于高分辨遙感圖像的機場目標檢測方法，其特征在于步驟如下：

步驟1、邊緣檢測：采用Sobel算子對遙感圖像進行邊緣檢測，提取圖像邊緣，并將邊緣點標識為1，其它點標識為0，得到遙感圖像的邊緣圖像E；

步驟2、線性區(qū)域篩選：首先利用梯度方向信息以及線段長度兩個限制條件剔除彎曲或者較短線段，再比較8-鄰域內各個像素梯度方向與當前像素梯度方向，當差值的絕對值在0.3以內時，保留該鄰域像素并重新記錄長度，記錄長度為線段中所含像素的個數，再以該鄰域像素為當前像素，重復此操作直至8-鄰域內無滿足保留要求的像素，最后去除記錄長度中小于50的線段，得到只包含近似長直線的線性區(qū)域的邊緣圖像E′；

步驟3、直線檢測：對經過線性區(qū)域篩選的邊緣圖像E′進行基于線性區(qū)域的自適應多尺度Beamlet變換，尋找平行的長直線作為機場跑道的候選特征集CF＝{cf₁,cf₂,...,cf_n}；

步驟4、機場目標直線特征提取：首先從集合CF＝{cf₁,cf₂,...,cf_n}中選取不獨立的長平行線作為基準特征SF，然后以基準特征為中心判別CF中其余平行線是否屬于機場目標特征，得到特征圖像S和機場目標特征集AF＝{af₁,af₂,...,af_n}；并在特征圖像S中標識出AF集中的所有元素，即af_i(i＝0,1,...,m)中每個像素均有一個用i標識的類別標簽，特征集合AF＝{af₁,...,af_m}就表示為特征圖像S中的標識部分圖；

所述機場目標特征源于機場跑道先驗知識；所述不獨立的長平行線是指存在同向的平行線的長平行線；

步驟5、機場目標提取：

(1)從特征圖像S的任意一個角開始訪問，以機場目標特征上的像素點為機場特征點，將該點作為種子點P，按照閾值為20進行區(qū)域生長，若當前點的灰度值與種子點的灰度值之差的絕對值小于20，認為該點是機場目標點，并標識為已訪問特征點；

(2)遍歷特征圖像S，若找到未訪問特征點，將該點作為種子點P，按照閾值為20進行區(qū)域生長，若當前點的灰度值與種子點的灰度值之差的絕對值小于20，認為該點是機場目標點，并標識為已訪問特征點；直到所有符合要求的點都生長完畢，得到反映機場目標的圖像。

有益效果

本發(fā)明提出的一種基于高分辨遙感圖像的機場目標檢測方法，利用soblel算子進行邊緣檢測提取圖像邊緣；對圖像邊緣進行篩選只留下近似直線的邊緣，并利用基于這些邊緣區(qū)域的自適應多尺度Beamlet變化檢測出其中平行的長直線，作為跑道候選特征；以機場的先驗知識在候選特征集中篩選出機場特征；分別向上，向下平移特征線得到三條特征線，對這三條特征線邊篩選得到灰度變換均勻的特征線，選取灰度變換均勻的特征線里邊平均灰度值最大的特征線，作為種子線，以種子線上的像素點為種子點進行區(qū)域生長提取機場目標，可以較大地提高機場目標的檢測精度。

附圖說明

圖1是本發(fā)明高分辨遙感圖像中快速提取機場目標的方法流程圖

具體實施方式

現結合實施例、附圖對本發(fā)明作進一步描述

1.邊緣檢測

利用基于Sobel算子的邊緣檢測方法提取圖像邊緣，其中邊緣點標識為1，其它點標識為0。