一種基于高分辨遙感圖像的機場目標檢測方法
【專利摘要】本發明涉及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。
【專利說明】一種基于高分辨遙感圖像的機場目標檢測方法
【技術領域】
[0001] 本發明屬于圖像處理，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】
[0002] 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。
【發明內容】
[0003] 要解決的技術問題
[0004] 為了避免現有技術的不足之處，本發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。
[0005] 技術方案
[0006] -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：
[0007] 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，其它點標識為〇,得到遙感圖像的邊緣圖像E ;
[0008] 步驟2、線性區域篩選：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 對值在〇. 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域的邊緣圖像E';
[0009] 步驟3、直線檢測：對經過線性區域篩選的邊緣圖像E'進行基于線性區域 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 = {cf" cf*2，· · ·，cf"rJ ;
[0010] 步驟4、機場目標直線特征提取：首先從集合CF = {cfi，cf2,. . .，cfj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 = {afp af2, . . .，afn};并在特征圖像S 中標識出AF集中的所有元素，即af\ (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= {af^.^afj就表示為特征圖像S中的標識部分圖；
[0011] 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；
[0012] 步驟5、機場目標提取：
[0013] (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；
[0014] (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。
[0015] 有益效果
[0016] 本發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。
【專利附圖】
【附圖說明】
[0017] 圖1是本發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】
[0018] 現結合實施例、附圖對本發明作進一步描述
[0019] 1.邊緣檢測
[0020] 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。
[0021] 2.線性區域篩選
[0022] 在進行線特征提取之前，先利用邊緣點的梯度相位信息對邊緣區域進行篩選，以 去除一些彎曲不規則的或者過短的邊緣。利用下式計算邊緣點P(x，y)梯度的方向角：
[0023]
【權利要求】
1. 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，其它點標識為〇,得到遙感圖像的邊緣圖像E ; 步驟2、線性區域篩選：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域的邊緣圖像E'; 步驟3、直線檢測：對經過線性區域篩選的邊緣圖像E'進行基于線性區域的 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 = {cf" cf*2，· · ·，cf"rJ ; 步驟4、機場目標直線特征提取：首先從集合CF = {cA，cf2,. . .，cfn}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 = {afp af2, . . .，afj ;并在特征圖像S中標 識出AF集中的所有元素，即afi (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 = {afp . . .，afm}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。
【文檔編號】G06K9/46GK104156722SQ201410400563
【公開日】2014年11月19日 申請日期:2014年8月14日 優先權日:2014年8月14日
【發明者】李映, 張號逵, 張艷寧 申請人:西北工業大學