[发明专利]一种基于非下采样Contourlet变换的直线目标检测方法及系统

说明书

本发明公开了一种基于非下采样Contourlet变换的直线目标检测方法及系统，所述方法包括以下步骤：在原始遥感图像上进行多层次多方向的NSCT分解，获得若干低频子图和高频子图；基于分解得到的每个高频子图和低频子图，获得二筛高频线段集和，二筛低频线段集融合处理，获得高频融合结果R_H和低频融合结果R_L；再次融合处理，获得低频和高频融合结果，完成直线目标检测。本发明提出了一种置信度高，鲁棒性好，能够在复杂地形中有效检测桥梁、机场跑道等线状目标的识别方法及系统。

技术领域

本发明属于航空航天技术领域，涉及遥感图像中线状目标检测领域，特别涉及一种基于非下采样Contourlet变换的直线目标检测方法及系统。

背景技术

在航空航天研究中，使用安装在不同高度的航空航天器上的传感器可以获得大量的地面观测数据和空中监视数据。为了充分利用这些数据，适应不同的应用需求，信息融合技术应运而生，信息融合技术利用一定的规则对所采集的数据信息进行分析处理并加以综合利用，以完成所需的决策和评估任务，可以有效地提高数据的利用率、系统对目标的探测与识别的可靠性。图像融合理论作为信息融合领域的一个重要分支，综合了传感器、图像处理、信号处理、计算机和人工智能等高新技术。

目标提取是图像融合的重要应用，目标提取在敌方目标识别、敌情探测、制定作战计划，有效摧毁打击目标等方面都得到越来越广泛的应用。随着科技的进步，利用计算机技术对海量的遥感数据中的目标进行自动检测与提取已成为一个重要的研究课题。

遥感影像数据中存在一类重要的目标，即以道路或者桥梁为代表的线状目标。这类线状目标的检测与识别对军事侦察，获取地理信息，抗震救灾等方面具有重大意义。

多分辨率分析理论以其多尺度和多方向特性的优势，逐渐成为分析、处理以及综合利用各类传感器所获得图像数据的又一重要手段。基于多分辨率分析的特征级图像融合技术不仅可以提高图像处理的速度，还可以为桥梁、机场等重要军事场地或目标的识别提供有效的理论基础。目前，多分辨率分析的方法包括小波变换、Ridgelet变换、Curvelet变换、Contourlet变换以及非下采样Contourlet变换(NonsubsampledContourletTransform，NSCT)等。

小波变换是多分辨率分析的重要开端，自1986以来发展十分迅速。小波变换具有多分辨性、局域性、方向性等特点，但小波变换只能对水平、垂直、对角这三个方向进行展开。对于二维图像，小波变换可以较好地利用边缘信息表现出不连续性，但无法表现出边缘的连续性，因此小波变换只能表示图像中点奇异性，不能最优的表示线奇异性和面奇异性等特征，局限性较大。

为了克服小波变换不能表示高维信号的局限性，1998年，Candes提出了Ridgelet变换理论，但是Ridgelet变换对于曲线奇异性的表示效果和小波变换类似，Ridgelet变换只能对高维空间直线奇异性进行更优的表示。

为了提高Ridgelet变换对于曲线奇异性的表示效果，1999年，Candes在Ridgelet变换的基础上提出了Curvelet变换，其具有各向异性的特点。Curvelet变换的本质就是多尺度Ridgelet变换。因为Ridgelet变换对于高维空间直线奇异性能够由很好的表示，Candes和Donoho先对信号进行分割成块，当分割块足够小时，曲线近似地被看作直线，再对每个块中的近似直线进行Ridgelet变换，因此Curvelet变换可以在任意尺度上进行分解。

由于Curvelet变换具有较高的冗余度，应用领域受到限制。对此，2005年，M.N.Do等人提出了Contourlet变换，继承了Ridgelet变换和Curvelet变换的优点。Contourlet变换对图像中的轮廓信息有着较好表达，分解过程中首先通过拉普拉斯金字塔滤波器完成多尺度分解，然后利用方向滤波器组实现多方向分解。因此Contourlet变换既具有多分辨率分析、时域局部分析的特性，还具有小波变换所不具备的各向异性和高度方向性的特征。