[发明专利]一种遥感成像中人造目标的检测方法

权利要求书

1.一种遥感成像中人造目标的检测方法，其特征在于，该方法包括如下步骤：

第一步、采用改进的相位编组算法对遥感成像的源图像进行直线段检测：在计算各像素点的梯度后，在区域生长过程中不断更新区域的方向角，将区域周围梯度方向角与该区域方向角相同的像素点纳入该区域，然后计算区域的最小外接矩形，以矩形的主轴方向计算直线段的端点、中心点和方向；

第二步、采用改进的k-means聚类算法，将第一步获取的直线段进行分类，过程如下：

步骤2.1、聚类处理的对象为第一步获取的直线段的中心点，按照下述过程确定聚类数目K以及初始聚类中心：

步骤2.1.1、设定直线段中心点的类间距离阈值为d1和类内距离阈值为d2，逐个计算每个中心点与其它中心点的距离，并记录与每个中心点距离小于d1的点的数目，即计算每个中心点在d1邻域内的密度，初始聚类数目K=0；

步骤2.1.2、扫描对象，记录密度最大的中心点作为第一个聚类中心，更新聚类数目K=K+1，并将该点密度设为0；

步骤2.1.3、扫描对象，找到密度最大的中心点，计算该点到聚类中心的距离，若距离小于d2，则直接将该点密度赋为0，否则，记录该点为新的聚类中心，并更新聚类数目K=K+1后将该点密度赋为0；

步骤2.1.4、重复步骤2.1.3，直到所有点的密度都为0，此时的K值和聚类中心即为最后确定的聚类数目K和初始聚类中心；

步骤2.2、根据各个对象与初始聚类中心的距离，将其添加到最近的类中；

步骤2.3、更新质心为类内所有对象的平均值，并按照下式计算误差平方和E的值：

E=Σi=1kΣP∈Ci|P-mi|2]]>

式中P代表类C_i中的对象，m_i代表类C_i的质心；

步骤2.4、重复步骤2.2和步骤2.3的操作，直到每个类的质心和E的值不再发生变化，完成直线段的分类；

第三步、依据第二步分类后的每个类内的直线段数目以及平行线、45°角、90°角、135°角四种几何基元情况进行有效线段的判定，并根据有效线段的端点信息画出人造目标区域的外接矩形框，定位出人造目标。

2.根据权利要求1所述的遥感成像中人造目标的检测方法，其特征在于，所述依据每个类内的直线段数目以及平行线、45°角、90°角、135°角四种几何基元情况进行有效线段判定的过程如下：

步骤3.1、设定直线段之间的角度容限和距离容限，计算两直线段端点之间的距离，若在上述距离容限内，则进入步骤3.2进行角度几何基元的构建，否则进入步骤3.3进行平行线基元的构建；

步骤3.2、若两直线段的角度差在上述角度容限内成45°或90°或135°角，则认为两直线段构成45°或90°或135°角基元；

步骤3.3、若两直线段在上述角度容限内平行，则计算两直线段之间的距离，如果计算得到的距离在上述距离容限内，则认为两直线段构成平行线基元；

步骤3.4、经过步骤3.1至步骤3.3能够构成几何基元的直线段为有效线段，没有构成任何基元的直线段为无效的直线段。