[发明专利]一种基于国产GF2遥感影像的机场跑道提取方法

说明书

本发明公开了一种基于国产GF2遥感影像的机场跑道提取方法，涉及遥感领域。使用GF2中JPG图片、MSS多光谱、PAN全色三种不同分辨率的数据，在不同尺度下通过计算光谱特征、几何特征、边缘特征，按照疑似机场靶区识别、机场区域确定、机场跑道提取与定位的技术途径提取机场跑道，提高了识别效率与运算速度，且对由多个跑道方向、复合材料构成跑道面的复杂机场跑道提取也具有较好的稳定性。主要包括：在JPG图片数据上做全局检测，得到多个疑似机场靶区；在疑似机场靶区内，通过多方向平行线组特征，确定机场区域；在机场区域内，通过局部极大值抑制算法提取不同复杂情况的机场跑道。本发明能够自动提取到机场跑道位置信息且识别效果较为良好。

技术领域

本发明涉及遥感技术领域，特别是一种基于国产GF2遥感影像的机场跑道提取方法。

背景技术

机场作为重要的交通设施与典型的战略目标，不仅在民用领域有十分重要的意义，在军事上，通常是作战双方侦察和打击的对象，而机场跑道作为飞机起降的主要平台，其变化检测结果能够直接反映毁伤情况，进而制约战略部署。至今为止，虽然国内外很多学者提出了许多识别算法，也取得了不错的研究效果，然而随着科学技术的快速发展，机场检测技术依然存在着很大的挑战，比如背景复杂多变，城镇、道路等地物的干扰；机场形态各异，跑道走势具有多个不同的方向；机场跑道面材质的使用也不再仅仅局限于水泥；遥感图像数据量越来越大等问题。

目前，机场跑道检测算法大致可以分为四类：第一类是基于跑道边缘和直线特征提取的方法。该算法虽然原理简单，但在实际情况中机场的多样性可能导致直线特征不明显，再加上周围道路、建筑群也具有类似直线特征的情况，这就要求算法具有很强的抗噪性；第二类是基于显著性检测和区域分割的方法。显著性检测是用数学建模的方法提取显著的区域，对于跑道面材质单一的机场检测效果较好。但随着沥青渐渐取代水泥作为修补或扩建时的主要材料，经常出现机场跑道与周围道路具有同样的光谱特征与几何特征、跑道前后段构成材料不同的情况而导致显著性检测模型出现遗漏，越来越复杂的环境对检测算法的应用产生了极大的挑战；第三类是基于模板匹配的方法。该方法需要建立模板库，对机场目标的先验知识要求更高，而且基于像素匹配的方法计算量较大，比较容易受到干扰，在实际应用中也具有很大的局限性；第四类是使用神经网络。神经网络本身具有复杂度相对较高等特点，再加上影像机场跑道目标检测领域可用的公共数据集很少，导致该方法的适用性能需要根据具体的情况进行选择和判断。

因此，及时跟进技术与周围环境发展的脚步，实时调整机场跑道识别算法，对军、民的交通组织均有重大现实意义。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于国产GF2遥感影像的机场跑道提取方法，本发明既不受由机场跑道面材料不同带来的干扰，对具有多条不同跑道方向的复杂机场也有较好的稳定性，自动提取到机场跑道位置信息且识别效果较为良好。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于国产GF2遥感影像的机场跑道提取方法，包括以下步骤：

步骤一、数据采集；

采集GF2影像数据，GF2影像数据包括JPG图像数据、原始MSS多光谱数据、原始PAN全色数据；

步骤二、疑似机场靶区识别；

首先，根据JPG图像数据中的光谱特征、面特征和边缘特征建立特征集，去除部分非机场区域；然后利用特征集、形态学滤波对去除部分非机场区域后的JPG图像数据做全局检测，得到疑似机场靶区，并制作疑似机场靶区掩模图；

步骤三、机场区域确定；