[发明专利]一种环形坑的图像识别方法

说明书

技术领域

本发明属于图像识别技术领域，具体涉及一种环形坑的图像识别方法，其为利用阴影-明亮模式在嫦娥2号CCD影像数据中快速识别小型环形坑的方法。

背景技术

环形坑作为月球上一种主要的地形特征，一直以来都是月球科学领域的研究热点。通过对环形坑的形貌体态、大小和分布特点等进行研究分析，有助于有关月球撞击动力学、月球地质年代及地形演化等科学问题的解释。而环形坑的识别为此类研究提供了一种技术上的手段。

从识别方法上讲，环形坑识别算法大体上可以分为三大类：1)非监督检测算法，就是利用环形坑的几何特征等条件，如其边缘一般呈圆形或椭圆状，通过模式识别的相关技术进行环形坑的识别；2)监督检测算法，就是利用机器学习和神经网络来构建模式分类器用于环形坑的识别；3)组合检测算法：就是将多种检测方法综合起来加以利用，包括自主和半自主的算法，以获得较好的检测效果。从具体的实现来看，目前采用比较多的方法包括基于模板匹配的方法、基于霍夫变换及其改进型的方法等等。

目前，国外科学家已经利用现有的DEM数据，较为完整地识别出了月球表面较大的环形坑，并制作了相应的数据库，但由于DEM数据分辨率的不足，对于直径在几公里级别及以下的小型环形坑，无法得到很好的识别。我国嫦娥2号获取的分辨率为7米的、覆盖全月范围的CCD影像图为这类小型环形坑的识别提供了非常好的数据素材。

月球上环形坑的数量随着其直径的变小而呈指数级的爆发式增长，而传统的利用影像数据识别环形坑的方法由于采用了复杂的数学运算进行穷举遍历，具有非常高的计算复杂度，特别是在高分辨率影像数据下识别效率相对较低。

发明内容

本发明的目的在于，提供一种环形坑的图像识别方法，尤其适用于在嫦娥2号CCD影像中快速识别小型环形坑，该方法利用小型环形坑在太阳光照下呈现出的明亮和阴影面及其边缘特征，粗略识别出包含大量误检对象的疑似环形坑目标，进而用基于Haar特征、利用Adaboost算法构建的强分类器对此识别结果进行快速分类识别，从而快速地实现对小型环形坑的精确识别。

本发明提供了一种环形坑的图像识别方法，其包括：

步骤1、对待识别图像进行预处理；

步骤2、识别预处理后的待识别图像中的环形坑明亮区域和阴影区域，并提取环形坑的边缘；

步骤3、利用所述环形坑明亮区域、阴影区域以及边缘的形态学关系进行匹配，选取符合条件的环形坑作为疑似环形坑；

步骤4、利用环形坑的强分类器对所述疑似环形坑进行识别，得到识别后的环形坑，其中，所述环形坑的强分类器是利用Adaboost算法对训练样本进行基于纹理特征的强分类器训练而得到的。

所述的步骤1采用了中值滤波器、强度滤波器和面积滤波器对待识别图像进行了顺序预处理。

所述步骤2中环形坑明亮区域的识别通过计算待识别环形坑明亮区域的改进Hu矩与预先建立的特征矩之间的欧氏距离来实现，所述特征矩为已确定环形坑明亮区域的Hu矩；阴影区域的识别是将待识别图像的灰度值反转后，利用上述环形坑明亮区域识别方式进行识别；环形坑边缘的提取通过在待识别图像中利用预定大小的模板进行滑动处理得到新图像，并按一定阈值对所述新图像进行二值化后得到。

所述改进Hu矩为Hu矩绝对值的对数。

所述利用预定大小的模板进行滑动处理得到新图像如下表示：

A_uv＝max[m(M)-min(M)，max(M)-m(M)]

其中，A_uv表示新图像A中第(u，v)个像素的像素值，m(M)为模板M区域内所有像素的平均值，min(M)为模板M区域内所有像素的最小值，max(M)为模板M区域内所有像素的最大值；所述一定阈值如下计算：

T＝α[max(A)-min(A)]+min(A)

其中，α取常数。

所述步骤3中的所述形态学关系为：环形坑明亮区域与阴影区域成对出现，并且边缘包围在明亮区域或阴影区域周围。

所述的形态学关系通过以下条件实现：

明亮区域和阴影区域的面积相比不超过4倍；

明亮区域外接长方形和阴影区域外接长方形之间的距离不超过两者较大者的长边的1.5倍；

由明亮区域和阴影区域组成的新区域的外接长方形其长宽比小于明亮区域和阴影区域各自外接长方形的长宽比；

由明亮区域和阴影区域组成的新区域中，在明亮区域或阴影区域的外边缘附近，沿着其走向存在一条环形坑边缘，其长度不短于邻近明亮区域或阴影区域外接长方形长边的0.8倍。