專利名稱：一種基于直線分割的遙感圖像機場自動檢測方法
技術領域：
本發(fā)明涉及一種基于直線分割檢測(LSD)遙感圖像機場自動檢測方法，屬于遙感圖像應用技術領域。
背景技術：
近些年來，遙感圖像處理技術憑借可獲取大范圍數(shù)據(jù)資料，速度快、周期短，獲取的信息受條件限制少、手段多、信息量大等特點，己經(jīng)被廣泛應用于軍事領域?？v觀世界上所發(fā)生的各個局部戰(zhàn)爭，我們不難發(fā)現(xiàn)，高技術條件下的信息化戰(zhàn)爭已經(jīng)逐漸取代傳統(tǒng)的機械化戰(zhàn)爭，信息技術制勝的時代己經(jīng)來臨，精確制導武器己成為信息化戰(zhàn)爭中重要的攻擊武器，在戰(zhàn)爭中發(fā)揮了關鍵作用。此外，機場識別技術運用到民用飛機導航方面，它與傳統(tǒng)的方法相比具有主動性強、抗干擾能力強等特點，對方飛機自動導航和安全著陸會有更 大的幫助。綜上所述，我們可以看出，無論是從軍事方面還是民用方面，本發(fā)明具有重要的實際意義。在機場檢測的過程中，最有利用價值的就是跑道的特征。目前國內(nèi)外的研究人員一般也都是將跑道的存在作為檢測和識別機場的最重要的依據(jù)。在一幅含有機場的遙感圖像中，機場中的直線表現(xiàn)的尤為突出。其通用做法是在遙感圖像上利用跑道的灰度特征進行圖像分割，再根據(jù)跑道的灰度特性和幾何特性，建立跑道通用模型，增加判斷規(guī)則，將跑道比較完整的提取出來。然后，根據(jù)提取出的跑道來確定機場的存在性。在通過對大量的實際圖像進行分析，為了提高目標的自動化程度及識別的準確率，決定在機場檢測中盡量減少對跑道的灰度特征的依賴，更多利用跑道的形狀特征，形狀特征受光照、噪聲、不同時相等影響要比灰度特征小的多。一般地，遙感圖像機場自動檢測可以分為三個步驟(1)對輸入的遙感圖像進行降采樣和圖像增強預處理，如采用直方圖均值化，增加對比度；(2)通過邊緣檢測算子，如Canndy算子，Sobel算子等，進行邊緣檢測。邊緣檢測主要提取出灰度圖中對比度比較大的邊緣。(3)通過變換檢測直線，分析機場的特征，利用機場中大量的直線特征作為其存在的主要依據(jù)。通常采用Hough變化檢測直線，由于含有機場的遙感圖像中，機場的直線比較明顯，而且對比度大。一般用Hough檢測到直線在機場區(qū)域，然后根據(jù)直線的位置圈出機場的區(qū)域。目前對于機場檢測方法中，還有用支持向量機的模板匹配方法，基于sift的特種匹配方法等。由于我們的發(fā)明是基于直線分割檢測(LSD)的基礎上的，現(xiàn)在對其作簡要的介紹直線分割檢測(LSD)區(qū)別于傳統(tǒng)的直線檢測，它將梯度與統(tǒng)計學理論結合起來，根據(jù)灰度圖像檢測直線，該方法不僅能夠給出精確的結果，而且對參數(shù)選擇有很好的自適應性。相比于傳統(tǒng)的邊緣檢測，LSD方法將Burn方法和Desolneux方法有效的結合起來,該方法分為三部分(I)將圖像分割為直線支持域，這些直線支持域有相同梯度方向并且由聯(lián)通的區(qū)域組成。(2)找出能夠逼近直線支持域的矩形。(3)利用統(tǒng)計的方法，并以直線支持域的信息為基礎，判斷直線段。選擇直線支持域，其中在梯度的定義過程中，采用2X2的模板，即
權利要求
1.一種基于直線分割的遙感圖像機場自動檢測方法，其特征在于該方法具體步驟如下 步驟一用計算機讀取數(shù)據(jù)計算機在MATLAB R2010a環(huán)境下讀取遙感圖像，圖像大小為12000*12000，圖像分辨為I米，含有RGB三個波段，將遙感圖像讀入計算機，得到的圖像數(shù)據(jù)為 12000*12000*3 ； 步驟二 降采樣和圖像增強預處理得到遙感圖像數(shù)據(jù)后，由于圖像過大，不僅運行程序時間長，而且機場檢測的效率低，故進行降采樣處理；對遙感圖像降10倍處理，將處理后的圖像轉化為灰度圖像，為了增加機場的對比度，進行圖像的灰度變換即調節(jié)灰度圖像的亮度或彩色圖像的顏色矩陣，即J=imadjust(I)，將灰度圖像I中的亮度值映射到J中的新值，增加了輸出圖像J的對比度值； 步驟三基于LSD的方法，對處理后的遙感圖像進行直線段檢測具體步驟如下 (1)基于高斯子采樣的方式將輸入的灰度圖像大小減小到原始圖像尺寸的80%； (2)計算圖像上每個像素的梯度大小和梯度方向； (3)基于梯度大小進行排序； (4)輔助矩陣STATUS用于標記像素被使用狀態(tài)，初始化像素為NOTUSED ； (5)對于梯度大于P的像素在STATUS的矩陣中標記為USED； (6)以梯度最大的像素點P開始檢測直線段，并且標記該狀態(tài)為NOTUSED .1)以P作為種子像素點，開始區(qū)域生長，在像素P點連接，與像素P梯度角小于預定閾值的像素進入生長區(qū)域，且標記為USED ； .2)用矩形框逼近法覆蓋生長域中被標記的像素； .3)如果在矩形框中匹配的像素點的密度小于閾值D，D=70%，則對該矩形框進行處理 ①減小角度閾值； ②減小區(qū)域半徑； .4)計算矩形框中NFA的值； .5)改進矩形框，減小NFA的值； .6)如果錯誤率NFA(r)( e，則將矩形框增加到輸出列；其中 其中，M, N分別為矩形的長和寬，Y為不同均勻密度的個數(shù)，i為第i副圖像，j為第j個像素，r為第r個矩陣，e表示閾值,B (n, k, p)為二項式，n為矩形框中像素數(shù)，k為矩形框中滿足一定梯度角像素個數(shù)，P為均勻分布概率； LSD的方法被看作自動的直線檢測工具，因為它不需要參數(shù)的調整；而對于影響算法的參數(shù)能夠使用于所有的圖像，而且這些參數(shù)屬于內(nèi)參，無需使用者的選擇； 步驟四連接直線段，經(jīng)過LSD方法處理后的圖像，含有很多直線段，且機場區(qū)域的直線段較為集中，為了能夠選取較長直線段作為被選目標，故對含有某些特征的直線段進行連接；這些特性表現(xiàn)為 (1)直線斜率角小于e閾值； (2)在距離直線段的2e平面域內(nèi)；(3)直線段的中心距離在一定的T范圍內(nèi)； 判斷直線段是否在該平面域內(nèi)，首先在滿足(I)的條件下，得到近乎相同斜率的直線段，對這些直線段進行聚類判斷，將直線段距離小于e的聚為一類；然后將滿足(3)條件直線段連在一起，即為新得到的直線段，對這些新得到的直線段依長度進行排序處理，并選取排在前十位的直線段； 步驟五檢測機場并提取機場區(qū)域由于機場中直線密度比較大，依據(jù)這樣的特性，對于選取的直線段進行一一判別；判別過程如下 (1)以此選取直線段LI，長度即為dl; (2)在該直線的周圍，且與該直線含有相同斜率或小于預定閾值范圍內(nèi)的直線段L2， 長度即為d2 ;對于滿足這些條件的直線段，進行長度累加，即為D=dl+d2+… (3)記錄這些直線域總長度； (4)總長度最長的即為機場區(qū)域； 在記錄的直線域過程中，每個直線段坐標被記錄下來，當選取toplO中某個直線段，該直線段的直線域總長度最長，這些是直線段的幾何中心即為機場區(qū)域的中心；根據(jù)統(tǒng)計，機場的面積約為3000*3000平方米，對于分辨率為I米的遙感圖像，選取3000*3000大小的區(qū)域即為機場區(qū)域；由于遙感圖像降采樣十倍后，機場的大小也相應的減少十倍，故對于降采樣后的圖像用300*300的矩形框標記；由于世界各地的機場大小規(guī)模不盡相同，對矩形 框標記的圖像進行后期處理，在選取直線域中，被選中的直選段的端點，如果沒有在矩形框中，則以與中心點最遠的端點為邊界點重新畫矩形域，經(jīng)過后期處理后即檢測到的遙感圖 像的機場區(qū)域。
全文摘要
一種基于直線分割的遙感圖像機場自動檢測方法，有五大步驟一、計算機在MATLABR2008b環(huán)境下讀取數(shù)據(jù)；二、對遙感圖像進行降采樣和圖像增強預處理；三、基于LSD的方法，對處理后的遙感圖像進行直線段檢測；四、由于機場的直線特性，對于斜率差小于一定的閾值，且在同一平行線范圍的直線段進行連接；五、提取機場區(qū)域，選取直線段中較長的直線10條，分別搜索這些線段周圍的直線，直線域大的即為機場區(qū)域。本發(fā)明利用LSD的方法進行機場檢測，傳統(tǒng)的邊緣檢測方法，克服了傳統(tǒng)方法檢測時間長和檢測率小的缺點，從而達到了效率高的效果。本發(fā)明實現(xiàn)了遙感圖像的快速高效機場檢測，在遙感圖像領域里具有實用價值和廣闊的應用前景。
文檔編號G06T7/00GK102750703SQ20121021681
公開日2012年10月24日 申請日期2012年6月27日 優(yōu)先權日2012年6月27日
發(fā)明者劉柳, 史振威, 寇祖陽, 隆姣 申請人:北京航空航天大學