條件是 防止程序運行時間過長或進入死循環(huán)。
[0051] (3)根據(jù)跑道類地物的極化散射特性和弱回波特性，從上述分類結(jié)果圖中提取出 符合該特征的像素點，得到只含有跑道類像素點的二值圖；
[0052] 提取跑道類像素點用到兩個提取條件：
[0053] 1)跑道類地物的散射機制類型是中、低熵表面散射；
[0054] 2)跑道表面光滑，回波很弱，即跑道類地物的散射功率span很小。
[0055] 在本步驟中，從步驟（2)的分類結(jié)果圖中提取出散射機制類型為中、低熵表面散 射機制且散射功率span〈Th的像素點，其中Th為散射功率閾值，即將同時滿足條件1)和條 件2)的像素點置為" 1"，其余像素點置為"0"，為非跑道類，得到只含有跑道類像素點的二 值圖。
[0056] (4)根據(jù)民用機場跑道的尺寸標準和圖像分辨率，對步驟（3)中得到的二值圖進 行形態(tài)學(xué)處理以去除孤立的小區(qū)域，得到疑似跑道區(qū)域；
[0057] 由民用機場跑道尺寸標準（跑道長度范圍：900m-4200m;跑道寬度范圍： ISm-IOOm)和圖像分辨率，可計算出圖像中最小跑道區(qū)域的面積閾值ThO。利用面積閾值 ThO去除孤立小區(qū)域的判決條件如式（7)所示：
[0058] Num〈ThO (7)
[0059] 其中Num為連通區(qū)域中像素點的個數(shù)。具體過程如下：
[0060] 1)對步驟（3)中得到的二值圖進行連通區(qū)域標記處理，并計算出每個連通區(qū)域中 所包含的像素點個數(shù)Num ;
[0061] 2)將每個連通區(qū)域的像素點個數(shù)Num代入式（7)，滿足式（7)則將該連通區(qū)域所 有像素點置為"〇"，否則不作任何處理。
[0062] 通過上述處理得到含有疑似跑道區(qū)域的二值圖。
[0063] (5)利用跑道的結(jié)構(gòu)特征，對上述疑似跑道區(qū)域進一步判別，最終確定跑道區(qū)域。 跑道具有一定的結(jié)構(gòu)特征，用其對疑似跑道區(qū)域進行判別，這里選擇跑道最明顯的3個結(jié) 構(gòu)特征，具體描述如下：
[0064] a)拓撲特征。拓撲特征用歐拉數(shù)E來表征，歐拉數(shù)E的值等于連通分量數(shù)與空洞 數(shù)之差。連通分量數(shù)是二值圖中白色像素點構(gòu)成的連通區(qū)域個數(shù)；空洞數(shù)是指白色連通區(qū) 域包圍的黑色像素點構(gòu)成的連通區(qū)域的個數(shù)。跑道區(qū)域中間有很多草坪或裸地構(gòu)成的空 洞，因此對比河流、公路等疑似跑道區(qū)域，跑道的歐拉數(shù)較小。
[0065] b)平行線特征。平行線特征用平行線對數(shù)Dis表征。本發(fā)明中檢測的跑道區(qū)域含 有主跑道、副跑道、滑行道和停機坪，在用Hough提取滿足長度要求的平行線對時，跑道區(qū) 域的平行線對數(shù)明顯大于河流、公路等疑似跑道區(qū)域。
[0066] c)對比度特征。對比度D等于S/S2，其中S1表示二值圖中白色像素點的個數(shù)，S2 表示二值圖中白色像素點包圍的黑色像素點的個數(shù)。由于跑道區(qū)域中含有大塊草坪或裸地 區(qū)域，因此跑道區(qū)域的S2值比其他疑似跑道區(qū)域要大，所以對比度D的數(shù)值較小。
[0067] 用上述3個結(jié)構(gòu)特征對疑似跑道區(qū)域進行判別，最終確定跑道區(qū)域，判別過程如 下：
[0068] 1)對步驟⑷中得到的疑似跑道區(qū)域進行連通區(qū)域標記，并計算出每個連通區(qū)域 的最小外接矩形的長和寬，進行裁剪，得到各個獨立的疑似跑道區(qū)域；
[0069] 2)計算每個獨立疑似跑道區(qū)域的歐拉數(shù)E、平行線對數(shù)Dis和對比度D，判斷其是 否滿足閾值限制，不滿足則將該區(qū)域置為"〇"，否則不作處理。
[0070] 本發(fā)明提供的基于h/q分解和貝葉斯迭代分類相結(jié)合的機場跑道檢測方法的效 果可以通過以下實驗結(jié)果進一步說明。
[0071] 實驗數(shù)據(jù)描述：該數(shù)據(jù)是美國UAVSAR系統(tǒng)在美國夏威夷地區(qū)上空采集的L波段全 極化數(shù)據(jù)，經(jīng)過4視處理。圖像大小為1500X1000,如圖3(a)、圖3(b)所示。場景中除包括 Kauluhi機場外，還有建筑物、海洋、農(nóng)田、森林、池塘、草地、裸地等。圖像分辨率為7. 2m (距 離向），5m(方位向）。
[0072] 實驗參數(shù)描述：實驗中，散射功率閾值Th為0. 01 ;根據(jù)圖像的分辨率可計算出形 態(tài)學(xué)處理閾值為ThO = 450 ;歐拉數(shù)E、平行線對數(shù)Dis和對比度D的閾值分別為0、10、0. 4。
[0073] 圖4為貝葉斯迭代結(jié)果圖，圖中屬于同一類的像素點著同一種顏色，類別標記為1 的像素點屬于高熵偶次散射，著深藍色；類別標記為2的像素點屬于高熵體散射，著藍色； 類別標記為3的像素點屬于中熵偶次散射，著淺藍色；類別標記為4的像素點屬于中熵體散 射，著藍綠色；類別標記為5的像素點屬于中熵表面散射，著黃色；類別標記為6的像素點 屬于低熵偶次散射，著橘黃色；類別標記為7的像素點屬于低熵體散射，著紅色；類別標記 為8的像素點屬于低熵表面散射，著深紅色。從圖中可以看到跑道區(qū)域著黃色，屬于中熵表 面散射。
[0074] 圖5(a)為只包含跑道類像素點的二值圖。從圖中可以看出利用跑道類地物的散 射機制類型和弱回波特性，可以提取出完整的跑道區(qū)域。圖5(b)為形態(tài)學(xué)處理后的二值 圖。對比圖5(a)和圖5(b)可知形態(tài)學(xué)處理去除了大量虛警，從而使疑似跑道區(qū)域判別的 計算量大大降低。
[0075] 圖6給出了檢測結(jié)果圖，從圖中可以看出經(jīng)過結(jié)構(gòu)特征判別后，真實跑道區(qū)域為 保留下的唯一區(qū)域，說明了本發(fā)明方法能完整地檢測出跑道區(qū)域，且無虛警。從圖7中跑道 區(qū)域放大圖和對應(yīng)的光學(xué)圖中可以看出，本發(fā)明方法檢測出的跑道區(qū)域結(jié)構(gòu)完整，邊緣細 節(jié)保持良好。
【主權(quán)項】
1. 一種基于h/q分解和貝葉斯迭代分類相結(jié)合的機場跑道檢測方法，其特征在于：其 包括按順序進行的下列步驟： 1) 利用h/q分解對原圖像中每個像素點進行分類，計算出每一類像素點的平均極化相 干矩陣并作為初始樣本模板； 2) 利用上述初始樣本模板和貝葉斯迭代分類方法對原圖像重新分類，得到分類結(jié)果 圖； 3) 根據(jù)跑道類地物的極化散射特性和弱回波特性，從上述分類結(jié)果圖中提取出符合該 特征的像素點，得到只含有跑道類像素點的二值圖； 4) 根據(jù)民用機場跑道的尺寸標準和圖像分辨率，對步驟3)中得到的二值圖進行形態(tài) 學(xué)處理以去除孤立的小區(qū)域，得到疑似跑道區(qū)域； 5) 利用跑道的結(jié)構(gòu)特征，對上述疑似跑道區(qū)域進一步判別，最終確定跑道區(qū)域。2. 根據(jù)權(quán)利要求1所述的基于h/q分解和貝葉斯迭代分類相結(jié)合的機場跑道檢測方 法，其特征在于：在步驟1)中，所述的利用h/q分解對原圖像中每個像素點進行分類，計算 出每一類像素點的平均極化相干矩陣并作為初始樣本模板的方法是：利用圖像中所有像素 點的極化相干矩陣計算出各像素點的散射隨機性h和平均散射機制q的數(shù)值，并根據(jù)h/q 平面區(qū)域劃分圖將上述所有像素點劃分到相應(yīng)的類別中，然后計算出每一類像素點的平均 極化相干矩陣并作為初始樣本模板。3. 根據(jù)權(quán)利要求1所述的基于h/q分解和貝葉斯迭代分類相結(jié)合的機場跑道檢測方 法，其特征在于：在步驟2)中，所述的利用上述初始樣本模板和貝葉斯迭代分類方法對原 圖像重新分類，得到分類結(jié)果圖的方法是：首先根據(jù)貝葉斯分類器是建立在最小類間誤差 準則下，且極化相干矩陣服從復(fù)Wishart分布的特點，得到適合極化SAR圖像分類的貝葉斯 分類器；然后利用貝葉斯分類器和步驟1)中得到的初始樣本模板將原圖像中所有像素點 重新分類，并進行類別標記，計算出每一類像素點的平均極化相干矩陣并作為樣本模板，同 時得到類別標號圖；再次進行分類后，更新樣本模板和類別標號圖；最后比較最近相鄰的 兩次類別標號圖，計算像素點類別標號變化的個數(shù)，若滿足迭代終止條件，即像素點類別變 化個數(shù)小于一定的閾值或迭代次數(shù)達到一定的次數(shù)，則輸出最終分類結(jié)果圖，若不滿足，繼 續(xù)進行貝葉斯分類。4. 根據(jù)權(quán)利要求1所述的基于h/q分解和貝葉斯迭代分類相結(jié)合的機場跑道檢測方 法，其特征在于：在步驟3)中，所述的根據(jù)跑道類地物的極化散射特性和弱回波特性，從 上述分類結(jié)果圖中提取出符合該特征的像素點，得到只含有跑道類像素點的二值圖的方法 是：首先根據(jù)跑道類地物的兩個特性，即散射機制類型是中、低熵表面散射和跑道表面光 滑、回波很弱，從步驟2)的分類結(jié)果圖中提取出滿足這兩種特性的像素點，并置為" 1"，其 余像素點置為"〇"，為非跑道類，得到只含有跑道類像素點的二值圖。5. 根據(jù)權(quán)利要求1所述的基于h/q分解和貝葉斯迭代分類相結(jié)合的機場跑道檢測方 法，其特征在于：在步驟4)中，所述的根據(jù)民用機場跑道的尺寸標準和圖像分辨率，對步驟 3)中得到的二值圖進行形態(tài)學(xué)處理以去除孤立的小區(qū)域，得到疑似跑道區(qū)域的方法是：首 先根據(jù)民用機場跑道的尺寸特征和圖像的分辨率，計算出圖像中跑道區(qū)域的面積閾值；然 后根據(jù)該閾值去除步驟3)中二值圖中孤立的小區(qū)域，剩下的區(qū)域為疑似跑道區(qū)域。6. 根據(jù)權(quán)利要求1所述的基于h/q分解和貝葉斯迭代分類相結(jié)合的機場跑道檢測方 法，其特征在于：在步驟5)中，所述的利用跑道的結(jié)構(gòu)特征，對上述疑似跑道區(qū)域進一步判 另IJ，最終確定跑道區(qū)域的方法是：利用跑道的結(jié)構(gòu)特征，即拓撲特征、平行線特征以及對比 度特征，對步驟4)所得疑似跑道區(qū)域進一步判別，最終確定機場跑道區(qū)域。
【專利摘要】一種基于h/q分解與貝葉斯迭代分類相結(jié)合的機場跑道檢測方法。其包括利用h/q分解對原圖像中每個像素點進行分類，計算出每一類像素點的平均極化相干矩陣并作為初始樣本模板；利用初始樣本模板和貝葉斯迭代分類方法對原圖像重新分類，得到分類結(jié)果圖；根據(jù)跑道類地物的極化散射特性和弱回波特性，從分類結(jié)果圖中提取出符合該特征的像素點，得到只含有跑道類像素點的二值圖；根據(jù)民用機場跑道的尺寸標準和圖像分辨率，對二值圖進行形態(tài)學(xué)處理以去除孤立的小區(qū)域，得到疑似跑道區(qū)域；利用跑道結(jié)構(gòu)特征，對疑似跑道區(qū)域進一步判別，最終確定跑道區(qū)域等步驟。本發(fā)明能檢測出復(fù)雜場景下極化SAR圖像中的機場跑道區(qū)域，且結(jié)構(gòu)完整，虛警率低。
【IPC分類】G06K9/62, G06K9/00
【公開號】CN105095914
【申請?zhí)枴緾N201510500103
【發(fā)明人】韓萍, 常玲, 程爭, 石慶研
【申請人】中國民航大學(xué)
【公開日】2015年11月25日
【申請日】2015年8月13日