一种基于高分辨遥感图像的机场目标检测方法
【专利摘要】本发明涉及一种基于高分辨遥感图像的机场目标检测方法，利用soblel算子进行边缘检测提取图像边缘；对图像边缘进行筛选只留下近似直线的边缘，并利用基于这些边缘区域的自适应多尺度Beamlet变化检测出其中平行的长直线，作为跑道候选特征；以机场的先验知识在候选特征集中筛选出机场特征；分别向上，向下平移特征线得到三条特征线，对这三条特征线边筛选得到灰度变换均匀的特征线，选取灰度变换均匀的特征线里边平均灰度值最大的特征线，作为种子线，以种子线上的像素点为种子点进行区域生长提取机场目标，可以较大地提高机场目标的检测精度。
【专利说明】一种基于高分辨遥感图像的机场目标检测方法
【技术领域】
[0001] 本发明属于图像处理，是一种遥感图像中机场目标检测的方法，具体涉及一种基 于高分辨遥感图像的机场目标精确检测方法。
【背景技术】
[0002] 现有的机场目标检测方法大致分为以下几个步骤：图像预处理、边缘检测、平行线 提取、目标检测与提取。在平行线检测的步骤中一般采用Hough变换方法，该方法基于散 点，检测出的平行线不够完整且容易误检，则使用Hough变换的机场目标检测方法也就不 够精确。此外，在平行线提取步骤之后直接检测机场目标也是不合理的，因为高分辨遥感图 像背景复杂，除了机场跑道还有其它许多目标都含有平行线特征。因此，若不对提取出来的 平行线进行筛选则容易出现大量误检的现象，严重影响机场目标检测的质量。
【发明内容】
[0003] 要解决的技术问题
[0004] 为了避免现有技术的不足之处，本发明提出一种基于高分辨遥感图像的机场目标 检测方法，克服现有的机场目标识别方法提取的机场目标质量差的不足。
[0005] 技术方案
[0006] -种基于高分辨遥感图像的机场目标检测方法，其特征在于步骤如下：
[0007] 步骤1、边缘检测：采用Sobel算子对遥感图像进行边缘检测，提取图像边缘，并将 边缘点标识为1，其它点标识为〇,得到遥感图像的边缘图像E ;
[0008] 步骤2、线性区域筛选：首先利用梯度方向信息以及线段长度两个限制条件剔除 弯曲或者较短线段，再比较8-邻域内各个像素梯度方向与当前像素梯度方向，当差值的绝 对值在〇. 3以内时，保留该邻域像素并重新记录长度，记录长度为线段中所含像素的个数， 再以该邻域像素为当前像素，重复此操作直至8-邻域内无满足保留要求的像素，最后去除 记录长度中小于50的线段，得到只包含近似长直线的线性区域的边缘图像E';
[0009] 步骤3、直线检测：对经过线性区域筛选的边缘图像E'进行基于线性区域 的自适应多尺度Beamlet变换，寻找平行的长直线作为机场跑道的候选特征集CF = {cf" cf*2，· · ·，cf"rJ ;
[0010] 步骤4、机场目标直线特征提取：首先从集合CF = {cfi，cf2,. . .，cfj中选取不独 立的长平行线作为基准特征SF，然后以基准特征为中心判别CF中其余平行线是否属于机 场目标特征，得到特征图像S和机场目标特征集AF = {afp af2, . . .，afn};并在特征图像S 中标识出AF集中的所有元素，即af\ (i = 0, 1，. . .，m)中每个像素均有一个用i标识的类 别标签，特征集合AF= {af^.^afj就表示为特征图像S中的标识部分图；
[0011] 所述机场目标特征源于机场跑道先验知识；所述不独立的长平行线是指存在同向 的平行线的长平行线；
[0012] 步骤5、机场目标提取：
[0013] (1)从特征图像S的任意一个角开始访问，以机场目标特征上的像素点为机场特 征点，将该点作为种子点P，按照阈值为20进行区域生长，若当前点的灰度值与种子点的灰 度值之差的绝对值小于20,认为该点是机场目标点，并标识为已访问特征点；
[0014] (2)遍历特征图像S，若找到未访问特征点，将该点作为种子点P，按照阈值为20进 行区域生长，若当前点的灰度值与种子点的灰度值之差的绝对值小于20,认为该点是机场 目标点，并标识为已访问特征点；直到所有符合要求的点都生长完毕，得到反映机场目标的 图像。
[0015] 有益效果
[0016] 本发明提出的一种基于高分辨遥感图像的机场目标检测方法，利用soblel算子 进行边缘检测提取图像边缘；对图像边缘进行筛选只留下近似直线的边缘，并利用基于这 些边缘区域的自适应多尺度Beamlet变化检测出其中平行的长直线，作为跑道候选特征； 以机场的先验知识在候选特征集中筛选出机场特征；分别向上，向下平移特征线得到三条 特征线，对这三条特征线边筛选得到灰度变换均匀的特征线，选取灰度变换均匀的特征线 里边平均灰度值最大的特征线，作为种子线，以种子线上的像素点为种子点进行区域生长 提取机场目标，可以较大地提高机场目标的检测精度。
【专利附图】
【附图说明】
[0017] 图1是本发明高分辨遥感图像中快速提取机场目标的方法流程图
【具体实施方式】
[0018] 现结合实施例、附图对本发明作进一步描述
[0019] 1.边缘检测
[0020] 利用基于Sobel算子的边缘检测方法提取图像边缘，其中边缘点标识为1，其它点 标识为0。
[0021] 2.线性区域筛选
[0022] 在进行线特征提取之前，先利用边缘点的梯度相位信息对边缘区域进行筛选，以 去除一些弯曲不规则的或者过短的边缘。利用下式计算边缘点P(x，y)梯度的方向角：
[0023]
【权利要求】
1. 一种基于高分辨遥感图像的机场目标检测方法，其特征在于步骤如下： 步骤1、边缘检测：采用Sobel算子对遥感图像进行边缘检测，提取图像边缘，并将边缘 点标识为1，其它点标识为〇,得到遥感图像的边缘图像E ; 步骤2、线性区域筛选：首先利用梯度方向信息以及线段长度两个限制条件剔除弯曲 或者较短线段，再比较8-邻域内各个像素梯度方向与当前像素梯度方向，当差值的绝对值 在0. 3以内时，保留该邻域像素并重新记录长度，记录长度为线段中所含像素的个数，再以 该邻域像素为当前像素，重复此操作直至8-邻域内无满足保留要求的像素，最后去除记录 长度中小于50的线段，得到只包含近似长直线的线性区域的边缘图像E'; 步骤3、直线检测：对经过线性区域筛选的边缘图像E'进行基于线性区域的 自适应多尺度Beamlet变换，寻找平行的长直线作为机场跑道的候选特征集CF = {cf" cf*2，· · ·，cf"rJ ; 步骤4、机场目标直线特征提取：首先从集合CF = {cA，cf2,. . .，cfn}中选取不独立的 长平行线作为基准特征SF，然后以基准特征为中心判别CF中其余平行线是否属于机场目 标特征，得到特征图像S和机场目标特征集AF = {afp af2, . . .，afj ;并在特征图像S中标 识出AF集中的所有元素，即afi (i = 0, 1，. . .，m)中每个像素均有一个用i标识的类别标 签，特征集合AF = {afp . . .，afm}就表示为特征图像S中的标识部分图； 所述机场目标特征源于机场跑道先验知识；所述不独立的长平行线是指存在同向的平 行线的长平行线； 步骤5、机场目标提取： (1) 从特征图像S的任意一个角开始访问，以机场目标特征上的像素点为机场特征点， 将该点作为种子点P，按照阈值为20进行区域生长，若当前点的灰度值与种子点的灰度值 之差的绝对值小于20,认为该点是机场目标点，并标识为已访问特征点； (2) 遍历特征图像S，若找到未访问特征点，将该点作为种子点P，按照阈值为20进行 区域生长，若当前点的灰度值与种子点的灰度值之差的绝对值小于20,认为该点是机场目 标点，并标识为已访问特征点；直到所有符合要求的点都生长完毕，得到反映机场目标的图 像。
【文档编号】G06K9/46GK104156722SQ201410400563
【公开日】2014年11月19日 申请日期:2014年8月14日 优先权日:2014年8月14日
【发明者】李映, 张号逵, 张艳宁 申请人:西北工业大学