[发明专利]一种基于高分辨遥感图像的机场目标检测方法

说明书

技术领域

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

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

要解决的技术问题

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。

技术方案

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0，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＝{cf₁,cf₂,...,cf_n}；

步骤4、机场目标直线特征提取：首先从集合CF＝{cf₁,cf₂,...,cf_n}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＝{af₁,af₂,...,af_n}；并在特征图像S中标识出AF集中的所有元素，即af_i(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＝{af₁,...,af_m}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。

有益效果

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。

附图说明

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

现结合实施例、附图对本发明作进一步描述

1.边缘检测

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。