[发明专利]一种基于高分辨遥感图像的机场目标检测方法

摘要

本发明涉及一种基于高分辨遥感图像的机场目标检测方法，其特征在于：利用模糊增强对图像进行预处理，然后利用基于像素梯度与标准差的模糊边缘检测方法提取图像边缘；对图像边缘进行筛选只留下近似直线的边缘，并利用基于这些边缘区域的自适应多尺度Beamlet变化检测出其中平行的长直线，作为跑道候选特征；以机场的先验知识在候选特征集中筛选出机场特征；以特征点八邻域范围内最高灰度的点作为种子点，进行区域增长提取机场目标，可以较大地提高机场目标的检测精度。

主权项

1.一种基于高分辨遥感图像的机场目标检测方法，其特征在于步骤如下：步骤1对图像进行增强预处理：采用变换Tμ_mn＝T(X_mn)＝1-(X_max-X_mn)/D将大小为m×n，灰度级为L的图像从灰度空间G＝{G_mn}映射为与之对应的广义隶属度空间P＝{μ_mn}，其中：X_max表示图像G中最大灰度值，D是常数，取D＝2×(X_max-X_min)/3；X_min表示图像G中最小灰度值；通过广义模糊算子GFOμ′mn=GFO[μmn]=-[-((r1/f-1+r)·μmn-μ2mn)]f(-r≤μmn<0)[((r1/f-1+r)·μmn-μ2mn)]f(0≤μmn≤r)]]>得到各像素的隶属度μ′_mn＝GFO[μ_mn]，其中，r和f是常数，其范围为0＜r≤1及f＞0；当-r≤μ_mn＜0时，μ′_mn≤μ_mn；当0≤μ_mn≤r时μ_mn≤μ′_mn；通过T的逆变换X_mn＝X_max-D×(1-μ′_mn)对隶属度空间P′＝{μ′_mn}进行逆变换，将隶属度空间P′映射为增强后的灰度空间图像G′，完成对图像进行增强预处理；步骤2：先利用sobel算子计算图像G′中每个像素点的像素梯度值和梯度方向，将像素梯度值投影到[1，100]的范围内，作为模糊系统的一个输入值；利用公式计算每个像素点的标准差值，将标准差值投影到[1，100]的范围内，作为模糊系统的另一个输入值；其中，P_i(i＝1，2，...，9)表示像素点及周围八个领域点，算子E表示求P_i(i＝1，2，...，9)的均值；定义模糊系统的四个常数阈值：a1∈[1，100]，a2∈[1，100]，c1∈[1，100]，c2∈[1，100]，且a1＜c1＜a2＜c2，1＜间隔＜100；当像素梯度值在范围[0，c1]内时，则属于梯度低值类GD_L；当像素梯度值在范围[a1，c2]内时，则属于梯度中值类GD_M；当像素梯度值在范围[a2，100]内时，则属于梯度高值类GD_H；当像素标准差值在范围[0，c1]内时，则属于标准差低值类SD_L；当像素标准差值在范围[a1，c2]内时，则属于标准差中值类SD_M；当像素标准差值在范围[a2，100]内时，则属于标准差高值类SD_H；模糊系统的输出为一个像素点属于边界点的概率，分为三类，由高到低分别为EL，EM，EH；根据公式P_final＝∑(C_j×P_Edge(j))计算出图像每一点的边界隶属度，得到图像的边缘检测结果，若值大于阈值则为边界点，否则为背景点；其中，j是EL，EM，EH三类之一，C_j代表第j类的边界隶属度，P_Edge(j)代表当前点隶属于第j类的概率；当该点的边缘隶属度值大于阈值则为边界点，否则为背景点由此得到图像的边缘检测结果图E；判断阈值取0.5；步骤3：利用梯度方向信息以及线段长度两个限制条件剔除弯曲或者较短线段，比较八邻域内各个像素梯度方向与当前像素梯度方向，当差值的绝对值在0.3以内时，保留该邻域像素并重新记录长度，记录长度为线段中所含像素的个数，再以该邻域像素为当前像素，重复此过程直至8邻域内无满足保留要求的像素，最后去除记录长度中小于50的线段，得到只包含近似长直线的线性区域，并利用基于线性区域的多尺度快速离散Beamlet变换对剩下的轮廓线进行平行直线检测，检索出平行的直线作为机场跑道的候选特征集CF＝{cf₁，cf₂，...，cf_n}，得到只含机场候选特征的图像S；步骤4：利用机场跑道先验知识对候选特征集CF＝{cf₁，cf₂，...，cf_n}进行筛选，提取出其中属于机场目标的特征集合AF＝{af₁，...，af_m}，并在特征图像S中标识出AF集中的所有元素，即af_i(i＝0，1，...，m)中每个像素均有一个用i标识的类别标签，特征集合AF＝{af₁，...，af_m}就表示为特征图像S中的标识部分图；所述机场目标的先验知识：机场目标的主跑道在图中是相对较长的平行直线；机场目标的主跑道附近有大量密集的同向平行直线；步骤5：遍历机场跑道的特征图像S，通过访问标识部分图判断其是否被访问，若其相应的标示点为0代表未被访问，为1则代表被访问；如果已被访问则继续查找，否则保存该点坐标记为Sp；在模糊增强后的图片G′中以Sp为中心点，遍历其八领域，找到灰度最高的点作为种子节点，保存其坐标，记为SeedP；步骤6：以点SeedP为种子点开始区域生长，直到所有符合要求的点，都生长完毕，并把所有访问过的点标识都设为1；判断图像S是否遍历完毕；若是，则输出区域生长后的结果图片；否则继续查找特征点。