[发明专利]一种遥感成像中人造目标的检测方法

摘要

一种遥感成像中人造目标的检测方法涉及图像中目标的检测领域，该方法是采用改进的相位编组算法对源图像进行直线段检测，计算各像素点的梯度后，在区域生长过程中不断更新区域的方向角，将区域周围梯度方向角与该区域方向角相同的像素点纳入该区域，然后计算区域的最小外接矩形，以矩形的主轴方向计算直线段的端点、中心点和方向；采用改进的k‑means聚类算法，依据线段中心点的距离信息，将距离较近的直线段聚为一类，进而自动将直线段进行分类；依据每个类内的直线段数目和几何基元情况进行判定，满足条件的类即为人造目标。本发明采用k‑means聚类和几何特征判定技术，可以实现对各种类型的人造目标的快速有效检测、准确的定位。

主权项

一种遥感成像中人造目标的检测方法，其特征在于，该方法包括如下步骤：第一步、采用改进的相位编组算法对遥感成像的源图像进行直线段检测：在计算各像素点的梯度后，在区域生长过程中不断更新区域的方向角，将区域周围梯度方向角与该区域方向角相同的像素点纳入该区域，然后计算区域的最小外接矩形，以矩形的主轴方向计算直线段的端点、中心点和方向；第二步、采用改进的k‑means聚类算法，将第一步获取的直线段进行分类，过程如下：步骤2.1、聚类处理的对象为第一步获取的直线段的中心点，按照下述过程确定聚类数目K以及初始聚类中心：步骤2.1.1、设定直线段中心点的类间距离阈值为d1和类内距离阈值为d2，逐个计算每个中心点与其它中心点的距离，并记录与每个中心点距离小于d1的点的数目，即计算每个中心点在d1邻域内的密度，初始聚类数目K=0；步骤2.1.2、扫描对象，记录密度最大的中心点作为第一个聚类中心，更新聚类数目K=K+1，并将该点密度设为0；步骤2.1.3、扫描对象，找到密度最大的中心点，计算该点到聚类中心的距离，若距离小于d2，则直接将该点密度赋为0，否则，记录该点为新的聚类中心，并更新聚类数目K=K+1后将该点密度赋为0；步骤2.1.4、重复步骤2.1.3，直到所有点的密度都为0，此时的K值和聚类中心即为最后确定的聚类数目K和初始聚类中心；步骤2.2、根据各个对象与初始聚类中心的距离，将其添加到最近的类中；步骤2.3、更新质心为类内所有对象的平均值，并按照下式计算误差平方和E的值：E=Σi=1kΣP∈Ci|P-mi|2]]>式中P代表类Ci中的对象，mi代表类Ci的质心；步骤2.4、重复步骤2.2和步骤2.3的操作，直到每个类的质心和E的值不再发生变化，完成直线段的分类；第三步、依据第二步分类后的每个类内的直线段数目以及平行线、45°角、90°角、135°角四种几何基元情况进行有效线段的判定，并根据有效线段的端点信息画出人造目标区域的外接矩形框，定位出人造目标。