[发明专利]基于线分类和纹理分类的机场目标自动识别方法

摘要

本发明提供了一种基于线分类和纹理分类的机场目标自动识别方法，本发明对机场目标的多维跑道线特征进行学习得到线特征分类器，通过线特征分类器筛选机场跑道线，无需设定大量的阈值条件，具有更广泛的适用性；对提取的直线段进行筛选并确定ROI区域，而不是直接依赖大量先验知识确定ROI区域；根据纹理特征学习得到的纹理特征分类器判断ROI区域是否为机场目标，这种集成多分类器的识别方法有效避免了单纯依靠线特征分类器导致机场目标提取错误的情况，可有效提高机场目标自动识别的精度。

主权项

1.基于线分类和纹理分类的机场目标自动识别方法，其特征在于，包括步骤：S1提取遥感影像中直线段，即原始直线段；S2将[0,π)平分成m个角度区间，与水平方向夹角属于同一角度区间的原始直线段归为一组，m为18～25；分别统计各直线段组中原始直线段的特征信息，采用线特征分类器将各直线段组中各原始直线段分类为机场跑道线和非机场跑道线，保留分类为机场跑道线的原始直线段，即保留直线段；线特征分类器采用机场跑道线和非机场跑道线的特征信息样本数据训练SVM获得；S3根据保留直线段提取ROI区域；S4对ROI区域分块获得图像块，提取各图像块的纹理特征信息，采用纹理特征分类器将图像块分类为机场跑道图像块和非机场跑道图像块；纹理特征分类器采用机场跑道和非机场跑道的纹理特征信息训练SVM获得；S5当机场跑道图像块数和ROI区域中所有图像块数之比大于阈值T时，该ROI区域即机场目标，阈值T为经验值；步骤S2中所述的统计各直线段组中原始直线段的特征信息，具体为：对各直线段组，连接其中共线的原始直线段，对共线连接后的各直线段组，分别统计其中各原始直线段的如下特征信息：(1)当前原始直线段的宽度wid、长度len以及与水平方向的夹角ang；(2)当前原始直线段两侧的像素灰度差异dif：分别计算当前原始直线段两侧单个像素距离内所有像素点的灰度均值，两侧的像素灰度均值差的绝对值即dif；(3)当前原始直线段和与其共线的原始直线段的间距最小值hdmin；(4)当前原始直线段所在共线直线段长度lenlong，若当前原始直线段不与任何原始直线段共线，lenlong即当前原始直线段自身长度；(5)当前原始直线段和当前直线段组中其他原始直线段间距离的最小值vdmin和最大值vdmax，当前原始直线段和其他原始直线段间距离即当前原始直线段中点到其他原始直线段的距离；(6)最大投影重叠比率projmax：分别计算当前原始直线段所在共线直线段到当前直线段组中其他共线直线段的投影重叠比率，最大的投影重叠比率即projmax；(7)当前直线段组中距当前原始直线段特定距离内的共线直线段条数，当前原始直线段和当前直线段组中共线直线段间距离即当前原始直线段中点到共线直线段的距离。