[发明专利]目标识别方法及装置

说明书

本发明公开了一种目标识别方法和装置。该目标识别方法包括如下步骤：利用线性特征检测方法对待识别图像进行线性特征检测，得到检测出的线性特征，该线性特征检测方法将图像空间线性特征的检测转换为另一空间极值点的检测并且其中利用连续聚类算子来使得在所述转换中连续图像点比离散图像点的权重更大；以及根据待识别图像中待识别目标的特性，从检测出的线性特征中识别出待识别目标。利用根据本发明的目标识别方法和装置，可以在从高分辨率遥感图像中检测识别弱线性目标时，有效地抑制系统噪声和环境噪声，成功地识别并提取目标，防止误判，并且成功检测短线段。

技术领域

本发明涉及图像处理技术，具体而言，涉及一种线性目标识别方法及装置。

背景技术

遥感图像中包括丰富的地表线性特征，比如道路、铁路、河流、海岸线等。从遥感图像中识别线性特征是一个广受研究者关注的问题。考虑到道路信息的重要性及更新地球信息系统的需要，过去的研究多侧重道路信息提取。过去几十年间，众多研究者针对该问题提出了各种各样的解决办法，以从高分辨率航拍图像、综合孔径雷达(SAR)图像以及高分辨率的卫星图像中识别并提取道路信息。

遥感图像中另一重要目标是电力线。传统研究多侧重从LiDAR图像、直升机航拍图像、无人机光学图像中提取电力线信息，以实现电力线检测，从而保障电力线与输变电设备的安全。迄今为止，少有研究涉及卫星遥感图像中的电力线识别与提取。

空间技术在过去十年间快速发展，由此可拍摄分辨率很高的卫星图像。卫星图像的分辨率可达亚米级，重访周期缩短到一天。目前常用的高分辨率商业卫星包括QuickBird、GeoEye以及Worldview，其最高分辨率已经达到0.31米，相信更高分辨率不久也会问世，这使得用遥感技术来进行电力线巡检成为可能。为此目的，需要从遥感图像提取线性特征。

但是，电力线是遥感图像中非常弱的线性目标，具有维度小(处于亚像素级别)、背景复杂等特征。用上述传统技术识别这类弱线性目标时，由于存在与待识别目标相比较强的环境噪声与系统噪声，往往会出现误判等各种问题。此外，现有的线性目标识别方法在处理短线段时往往能力不足。因此，亟需一种能从背景复杂的高分辨率遥感图像识别出弱线性目标的方法及相关装置，并希望该方法与装置能识别短线段。

发明内容

本发明目的在于克服现有技术的不足，提供一种基于高分辨率遥感图像的线性目标识别方法及装置，以实现亚像素、弱目标、背景复杂的图像中对弱线性目标的识别。

根据本发明的一方面，提供一种目标识别方法，包括如下步骤：

利用线性特征检测方法对待识别图像进行线性特征检测，得到检测出的线性特征，该线性特征检测方法将图像空间线性特征的检测转换为另一空间极值点的检测并且其中利用连续聚类算子来使得在转换中连续图像点比离散图像点的权重更大；以及

根据待识别图像中待识别目标的特性，从检测出的线性特征中识别出待识别目标。

在一个示例中，该目标识别方法还包括在进行线性特征检测之前先对待识别图像进行增强和边缘检测以消除待识别图像中的面状亮目标对检测的影响。

在一个示例中，所述连续聚类算子反比于所述待识别图像在二维方向上连续图像点的值之差。

在一个示例中，所述连续聚类算子正比于所述待识别图像在二维方向上具有近似/相等值的连续图像点的值之和。

在一个示例中，从所述图像空间线性特征的检测到所述另一空间极值点的检测的转换通过Radon或Hough变换实现。

在一个示例中，所述待识别目标的特性包括如下至少之一：

i)、长且直，并覆盖部分待识别图像或贯穿整个待识别图像；

ii)、宽度占据1-2个像素；

iii)、相互平行；