[发明专利]一种星载红外遥感图像机场ROI快速检测方法

说明书

技术领域

本发明属于红外遥感图像处理技术领域，具体涉及一种星载红外遥感图像机场ROI快速检测方法，

背景技术

随着卫星遥感技术的快速发展和成像数据的日益增多，人们迫切需要能够对遥感图像进行智能处理，从中快速、准确地检测出感兴趣目标。机场作为一类特定目标，它的自动检测在飞机导航、军事侦察和精确打击等领域有着重要的实用价值，受到人们越来越多的关注。目前，多数检测算法试图通过检测机场跑道的线性特征、分析跑道的几何特征来解决机场的检测问题，但是遥感图像中存在大量的公路、河流、人工建筑物边缘等具有和机场类似的线性特征，仅依靠线性特征会造成大量的误检、漏检。基于跑道特征的机场检测方法有一定的局限性，无法有效解决遥感图像中的机场检测问题。还有一类算法直接对原始遥感图像采用图像分割的方法得到疑似机场的候选区域，然后对候选区域进行辨识，进一步确认机场目标区域。算法性能严重依赖图像分割的效果，而且速度慢、效率低。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种星载红外遥感图像机场ROI快速检测方法。

技术方案

一种星载红外遥感图像机场ROI快速检测方法，其特征在于包括以下步骤：

步骤1：将红外遥感图像从RGB颜色空间转换到Lab颜色空间，转换后的Lab颜色空间中每一个像素的位置是[L,a,b]^T的向量；

步骤2：对转换后的Lab颜色空间的遥感图像采用高斯算子进行卷积运算，得到高斯滤波后的图像；所述高斯算子的计算公式为

Gi,j=12πσ2e-(i-n+12)2+(j-n+12)22σ2]]>

其中σ为方差，n为高斯算子核矩阵的维数；

步骤3：计算高斯滤波后的图像的每一个像素值与图像像素平均值的差值，得到遥感图像差值图

S(x,y)＝||I_μ-I_G(x,y)||

其中，I_μ是图像像素特征向量的均值，I_G(x,y)是高斯滤波后的相应的像素特征向量，||||是欧几里得距离；

步骤4：在遥感图像差值图上作k均值聚类分割，根据k均值聚类分割的结果在遥感图像差值图上分割出得到机场ROI。

所述σ＝3，n＝3，k＝2。

有益效果

本发明提出的一种星载红外遥感图像机场ROI快速检测方法，首先将遥感图像从RGB颜色空间转为Lab颜色空间，然后在Lab颜色空间中，对遥感图像进行高斯滤波，去除噪声的影响，接着求取图像中每一个像素值与图像像素均值的差值，得到差值图像，最后对差值图像采用k均值聚类分割，得到机场ROI。

与现有技术相比，本发明并没有对原始遥感图像直接进行分割来得到机场目标候选区域，而是对其进行了一些预处理，在预处理之后的图像上再进行分割，得到机场ROI。本发明减少了计算量，大大提高了处理速度和检测精度，实用性很强。

附图说明

图1是本发明的实现流程图；