[发明专利]基于h/q分解和贝叶斯迭代分类相结合的机场跑道检测方法

权利要求书

1.一种基于h/q分解和贝叶斯迭代分类相结合的机场跑道检测方法，其特征在于：其包括按顺序进行的下列步骤：

1)利用h/q分解对原图像中每个像素点进行分类，计算出每一类像素点的平均极化相干矩阵并作为初始样本模板；

2)利用上述初始样本模板和贝叶斯迭代分类方法对原图像重新分类，得到分类结果图；

3)根据跑道类地物的极化散射特性和弱回波特性，从上述分类结果图中提取出符合该特征的像素点，得到只含有跑道类像素点的二值图；

4)根据民用机场跑道的尺寸标准和图像分辨率，对步骤3)中得到的二值图进行形态学处理以去除孤立的小区域，得到疑似跑道区域；

5)利用跑道的结构特征，对上述疑似跑道区域进一步判别，最终确定跑道区域。

2.根据权利要求1所述的基于h/q分解和贝叶斯迭代分类相结合的机场跑道检测方法，其特征在于：在步骤1)中，所述的利用h/q分解对原图像中每个像素点进行分类，计算出每一类像素点的平均极化相干矩阵并作为初始样本模板的方法是：利用图像中所有像素点的极化相干矩阵计算出各像素点的散射随机性h和平均散射机制q的数值，并根据h/q平面区域划分图将上述所有像素点划分到相应的类别中，然后计算出每一类像素点的平均极化相干矩阵并作为初始样本模板。

3.根据权利要求1所述的基于h/q分解和贝叶斯迭代分类相结合的机场跑道检测方法，其特征在于：在步骤2)中，所述的利用上述初始样本模板和贝叶斯迭代分类方法对原图像重新分类，得到分类结果图的方法是：首先根据贝叶斯分类器是建立在最小类间误差准则下，且极化相干矩阵服从复Wishart分布的特点，得到适合极化SAR图像分类的贝叶斯分类器；然后利用贝叶斯分类器和步骤1)中得到的初始样本模板将原图像中所有像素点重新分类，并进行类别标记，计算出每一类像素点的平均极化相干矩阵并作为样本模板，同时得到类别标号图；再次进行分类后，更新样本模板和类别标号图；最后比较最近相邻的两次类别标号图，计算像素点类别标号变化的个数，若满足迭代终止条件，即像素点类别变化个数小于一定的阈值或迭代次数达到一定的次数，则输出最终分类结果图，若不满足，继续进行贝叶斯分类。

4.根据权利要求1所述的基于h/q分解和贝叶斯迭代分类相结合的机场跑道检测方法，其特征在于：在步骤3)中，所述的根据跑道类地物的极化散射特性和弱回波特性，从上述分类结果图中提取出符合该特征的像素点，得到只含有跑道类像素点的二值图的方法是：首先根据跑道类地物的两个特性，即散射机制类型是中、低熵表面散射和跑道表面光滑、回波很弱，从步骤2)的分类结果图中提取出满足这两种特性的像素点，并置为“1”，其余像素点置为“0”，为非跑道类，得到只含有跑道类像素点的二值图。

5.根据权利要求1所述的基于h/q分解和贝叶斯迭代分类相结合的机场跑道检测方法，其特征在于：在步骤4)中，所述的根据民用机场跑道的尺寸标准和图像分辨率，对步骤3)中得到的二值图进行形态学处理以去除孤立的小区域，得到疑似跑道区域的方法是：首先根据民用机场跑道的尺寸特征和图像的分辨率，计算出图像中跑道区域的面积阈值；然后根据该阈值去除步骤3)中二值图中孤立的小区域，剩下的区域为疑似跑道区域。

6.根据权利要求1所述的基于h/q分解和贝叶斯迭代分类相结合的机场跑道检测方法，其特征在于：在步骤5)中，所述的利用跑道的结构特征，对上述疑似跑道区域进一步判别，最终确定跑道区域的方法是：利用跑道的结构特征，即拓扑特征、平行线特征以及对比度特征，对步骤4)所得疑似跑道区域进一步判别，最终确定机场跑道区域。