一種基于視覺圖像的飛機機型識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種泊位飛機定位及引導(dǎo)技術(shù)，特別是一種針對飛機正面圖像的基于 視覺圖像的飛機機型識別方法。
【背景技術(shù)】
[0002] 視覺圖像中的特征區(qū)提取被廣泛用于工業(yè)檢測、攝像機標定、目標檢測等任務(wù)中。 對于較復(fù)雜的圖形，需要基于機器學(xué)習(xí)的目標檢測技術(shù)，將決策的決定權(quán)交給計算機來完 成，此類技術(shù)仍處于實驗室階段，其可靠性無法得到保證。但對一些簡單應(yīng)用，例如對簡單 形狀、單一顏色的目標檢測，已經(jīng)可以被用于工業(yè)化需求中。
[0003] 簡單目標檢測方法分為區(qū)域檢測法和邊界檢測法兩種。區(qū)域檢測利用待檢測目標 的某種顏色或紋理上的特性，將其與背景區(qū)分開，通過圖形形態(tài)學(xué)對區(qū)域進行篩選，最后利 用區(qū)域的形狀、大小、空間位置等信息將目標所在區(qū)域提取出來。邊界檢測則關(guān)注于顏色有 明顯落差的地方，在不同光照條件下具有一定的穩(wěn)定性，利用目標的某些穩(wěn)定邊界的形狀 和相對位置關(guān)系確定目標的位置。申請?zhí)枮?200510016267"，名稱為"飛機泊位機型自動 識別與指示系統(tǒng)"的中國發(fā)明專利所公開的針對泊位飛機的識別方法，其需針對飛機機號 進行識別，并結(jié)合位置和速度檢測裝置的相關(guān)數(shù)據(jù)進行識別與指示，其識別效率和準確率 均存在一定缺陷。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問題是提供一種針對飛機正面圖像的基于視覺圖像的飛 機機型識別方法，以快速準確地識別泊位飛機機型。
[0005] 為了實現(xiàn)上述目的，本發(fā)明提供了一種基于視覺圖像的飛機機型識別方法，其中， 包括如下步驟：
[0006]S1、運動目標提取，使用幀差法提取運動目標邊緣得到前景目標掩膜，以建立約束 條件并減少背景帶來的影響；
[0007]S2、飛機引擎提取，利用飛機引擎呈正圓形且?guī)缀醪环垂獾奶匦?，提取出引擎的?置和大??；
[0008]S3、飛機翼尖位置檢測，使用霍夫線變換擬合機翼所在的直線，將未超過所述運動 目標邊緣范圍的縱向梯度顯著降低處作為翼尖位置；
[0009]S4、機艙寬度檢測，確定機艙左右邊緣位置，取兩翼尖高度均值做水平直線，將未 超過所述運動目標邊緣范圍的直線與機艙邊緣橫向梯度波峰處作為機艙的左、右邊緣位 置，機艙寬度為所述左、右邊緣之間的距離；
[0010] S5、飛機機型識別，以待識別飛機的引擎半徑作為尺度縮放因子，分別計算該待識 另IJ飛機的兩引擎間距、機翼翼展、機艙寬度與所述引擎半徑的比值，與預(yù)置的標準機型數(shù)據(jù) 相匹配，取最大匹配值對應(yīng)的機型作為該待識別飛機的機型。
[0011] 上述的基于視覺圖像的飛機機型識別方法，其中，使用幀差法提取運動目標邊緣 包括：
[0012] S11、采集一系列該待識別飛機的正面圖像，計算第t幀圖像與第t-1幀圖像的絕 對差，計算第t幀圖像的標準差，以標準差的1/4作為分割運動目標和噪聲的閾值，得到運 動目標的二值圖像，計算公式如下：
[0013]
[0014] 其中，為第t幀坐標（x，y)處的灰度值，std(I(t))為第t幀圖像灰度值的標準 差，Mx,y為運動目標的二值圖像。
[0015] 上述的基于視覺圖像的飛機機型識別方法，其中，使用幀差法提取運動目標邊緣 還包括：
[0016]S12、使用閉操作封閉該運動目標的二值圖像中的孔洞，使用半徑是5的圓形模板 膨脹3次，腐蝕2次得到修正的前景目標掩膜。
[0017] 上述的基于視覺圖像的飛機機型識別方法，其中，飛機引擎提取步驟S2包括：
[0018]S21、計算該修正的前景目標掩膜覆蓋下的視覺圖像的灰度直方圖累積分布，記錄 下累積分布中1 %和99%對應(yīng)的灰度級，作為圖像的最暗/最亮灰度級；
[0019]S22、使用分隔閾值將圖像分割為極黑區(qū)域和其他區(qū)域，所述分隔閾值為所述極黑 區(qū)域在所述前景目標掩膜中所占的比例；
[0020]S23、使用圓形判定閾值對所述極黑區(qū)域進行類圓檢測，提取所有所述極黑區(qū)域的 所有外層邊界，對每一個邊界，計算其重心坐標，重心的計算公式為：
[0021]
[0022]
[0023]
[0024] 枚舉當前區(qū)域邊界的所有像素點edge{X，y}，計算其與重心的距離，并不斷更新最 大/最小距離，一旦最大距離除以最小距離超過該圓形判定閾值，則判斷該極黑區(qū)域為非 圓，進入下一極黑區(qū)域的判定；
[0025]S24、成對引擎檢測，對判定的類圓極黑區(qū)域進行篩選，假設(shè)檢測到Μ個類圓區(qū)域， 生成一個Μ*Μ的上三角矩陣S，S中的各元素計算公式為：
[0026]S(i，j) =abs(Wi-W廠*abs(Hi-Hj)*abs(Ri-Rj)
[0027] T,j= 3* (R.+Rj)
[0028] 其中l(wèi)表示第i個極黑區(qū)域中心的橫坐標，私表示第i個極黑區(qū)域中心的縱坐標， 民表示第i個極黑類圓區(qū)域的半徑，IV,為兩引擎的最小間距，S中最小的一個元素的下標i 和j為檢測到的成對引擎。
[0029] 上述的基于視覺圖像的飛機機型識別方法，其中，飛機引擎提取步驟S2還包括：
[0030]S25、重新檢測，若步驟S22-S24無法找到引擎，則將分隔閾值和圓形判定閾值分 別擴大一個等級，重復(fù)步驟S22-S24進行重新檢測。
[0031] 上述的基于視覺圖像的飛機機型識別方法，其中，所述步驟S3包括：
[0032]S31、計算感興趣區(qū)域內(nèi)的縱向梯度G，按機型數(shù)據(jù)庫，取引擎上方1. 5個引擎高 度，8個引擎直徑的寬度的區(qū)域作為感興趣區(qū)域，梯度計算公式為：
[0033]Gy(x，y) = 2*1(X，y)_I(X，y-l)_I(X，y+1)
[0034] 其中Gy(x,y)為（x,y)坐標處的縱向梯度，I(x,y)為（x,y)坐標處對應(yīng)的灰度值；
[0035]S32、使用點斜式擬合機翼所在直線；
[0036]S33、由飛機內(nèi)側(cè)向翼尖方向掃描機翼對應(yīng)直線經(jīng)過的梯度，沿途計算經(jīng)過的總平 均梯度和最近5個像素的平均梯度，若最近5個像素的梯度小于總平均梯度的1/3,則掃描 位置已經(jīng)超出翼尖位置，并將掃描位置回移5個像素作為當前直線的翼尖位置。
[0037] 上述的基于視覺圖像的飛機機型識別方法，其中，所述步驟S3還包括：
[0038]S34、夜晚圖像中，飛機翼尖處會有信號燈點亮，若掃描點連續(xù)經(jīng)過2個明顯的高 亮像素，則該高亮像素所在位置為翼尖位置。
[0039] 上述的基于視覺圖像的飛機機型識別方法，其中，所述步驟S3還包括：
[0040]S35、飛機一側(cè)的翼尖若被登機橋遮擋，則利用機翼的對稱關(guān)系，以兩引擎中心連 線的中垂線作為對稱線，在該飛機被登機橋遮擋的一側(cè)虛擬出一個機翼并計算其相關(guān)參 數(shù)。
[0041] 上述的基于視覺圖像的飛機機型識別方法，其中，所述步驟S4包括：
[0042]S41、取兩引擎中心，高度為7個引擎半徑的區(qū)域作為感興趣區(qū)域，計算感興趣區(qū) 域內(nèi)的水平梯度6 ：(，公式如下：
[0043]Gx (x,y) = 2*1 (x,y)-I(x-1,y)-I(x+1,y)
[0044] 其中，Gx(x,y)為（x,y)坐標處的水平梯度，I(x,y)為（x,y)坐標處對應(yīng)的灰度 值；
[0045]S42、在步驟S1所述運動目標掩膜內(nèi)統(tǒng)計Gx(x，y)的直方圖，將Gx最大的30%梯 度部分設(shè)為1，其余部分置0,形成一幅二值圖；
[0046] 統(tǒng)計所有1像素值連接所成區(qū)域的面積，將面積小于50的區(qū)域過濾掉；
[0047] 并對去除掉噪聲的二值圖進行閉操作以確保機艙的邊緣完全合攏；
[0048]S43、在步驟S3所提取的翼尖平均高度上，由兩側(cè)向內(nèi)掃描像素點，當像素點在所 述運動目標掩膜內(nèi)且在所述二值圖上的像素值為1，停止掃描，以掃描到的兩個點作為機艙 的左、右邊緣。
[0049] 上述的基于視覺圖像的飛機機型識別方法，其中，所述步驟S5包括：
[0050]S51、存儲所有的目標機型的引擎半徑、引擎間距、翼展寬度和機艙寬度信息；
[0051]S52、使用所述飛機引擎提取、翼尖位置檢測及機艙寬度檢測的結(jié)果，得到引擎的 平均半徑和引擎間距、兩個機翼翼尖間距和機艙寬度，將所述引擎間距、翼尖間距、機艙寬 度分別除以引擎平均半徑，生成三維特征向量F，與步驟51中存儲的信息進行比對，比對公 式為：
[0052]
[0053] 其中，St為機型t與圖像中飛機的相似度，匕為從圖像上提取到的第i個特征，貧 為數(shù)據(jù)庫中機型t的第i個特征，相似度最大的機型為識別出的機型。
[0054] 本發(fā)明的技術(shù)效果在于：
[0055] 本發(fā)明在飛機的正面圖像上提取引擎半徑、引擎間距、機翼長度、機艙寬度等信 息，與數(shù)據(jù)庫中預(yù)存的相應(yīng)信息進行比對，最終確定所拍攝的飛機的機型。充分利用飛機各 部件之間的相對關(guān)系，并通過基于幀差法的運動目標提取對部件的位置進行約束，簡單、有 效、穩(wěn)定地從圖像中獲取飛機的相關(guān)信息，從而做到準確的識別。
[0056] 以下結(jié)合附圖和具體實施例對本發(fā)明進行詳細描述，但不作為對本發(fā)明的限定。
【附圖說明】
[0057] 圖1為本發(fā)明一實施例的流程圖；
[0058] 圖2為本發(fā)明一實施例的未做任何處理時幀差法效果圖；
[0059] 圖3為對