[发明专利]一种基于局部纹理密度与散度的在轨飞机候选区筛选方法

说明书

本发明提供一种基于局部纹理密度与散度的在轨飞机候选区筛选方法，采用固定大小的滑动窗口在机场目标候选区SalMap上滑动，根据人工地物与飞机目标纹理差异，首先采用局部纹理密度去除纹理分布密集的地物，如大面积密集植被与建筑区域；考虑到飞机停靠在纹理平滑的停机坪与跑道上，滑动框内飞机区域纹理较为集中，散度较小，可利用散度去除纹理密度相近，纹理分布分散的人工地物。通过纹理密度与散度构建双阈值逻辑判决条件，降低目标候选区数目，提高虚警剔除性能，能够解决现有技术候选区筛选效果不佳，过多的人工地物被划分为飞机候选区，从而加大后续处理数据量的问题。

技术领域

本发明属于遥感图像目标检测领域，尤其涉及一种基于局部纹理密度与散度的在轨飞机候选区筛选方法。

背景技术

利用卫星遥感图像完成机场中重点关注飞机目标检测，从而掌握敌方的空军火力配备与军事动态一直以来都是发展天基侦查系统重要研究方向。考虑到星地数传带宽限制与用户接受信息的高实时性需求，需要在星上完成快速机场飞机检测，仅对检测结果数据进行下传。作为检测流程中的前期阶段，非目标区域的剔除程度决定了后续复杂虚警剔除模块的输入对象个数，直接影响硬件计算开销与功耗。因此一种能够在保证几乎完全包含目标，不漏检候选区，且能够最大限度的剔除虚警的光学飞机候选区筛选技术就变的非常有必要。

目前在机场飞机候选区提取技术，一部分主要集中在通过机场跑道检测的形状纹理特性检测获取机场跑道信息，进而获取疑似飞机候选区，然而不同机场跑道形状不尽一致，且飞机可能停靠在停机坪等地方，此类方法不具备鲁棒性。另一部分方法主要利用飞机目标的形状、灰度信息设计相应的滤波器对图像进行滤波，从而采用相应的阈值限制获取疑似目标位置，此类方法计算迅速，一定程度上克服涂色伪装带来漏检的缺陷，但仅对部分机型较为适用，且在目标对比度较低的情况下，效果较差。

发明内容

为解决上述问题，本发明提供一种基于局部纹理密度与散度的在轨飞机候选区筛选方法，采用固定大小的图像块在目标候选区域图SalMap上滑动，利用局部纹理密度与散度构建逻辑判决条件，从而将机场中非飞机目标区域去除，降低目标候选区数目，能够解决现有技术中飞机候选区筛选技术中鲁棒性差、非目标区域多给整体算法时效性带来的不利影响。

一种在轨飞机候选区筛选方法，包括以下步骤：

步骤1：对机场场景的可见光图像进行圆周频域滤波，然后采用阈值T对圆周频域滤波结果进行0/1二值化，得到目标候选区域图SalMap，其中1表示此像素点属于飞机候选区，0表示此像素点不属于飞机候选区；对目标候选区域图SalMap进行备份，分别得到四个候选区备份图像Result1、Result2、Result3以及Result4；

步骤2：从目标候选区域图SalMap左上角开始，采用设定尺寸的窗口，按照从上到下、从左至右的方式以设定的步长在目标候选区域图SalMap上进行滑动，直至遍历整幅目标候选区域图SalMap；其中每次滑动得到的区域为Block；

步骤3：分别统计各个Block中的纹理密度Num1和散度Num2，具体步骤如下:

步骤31：分别统计各个Block内像素值为1的像素点总数，并将其记为各个纹理密度Num1；

步骤32：设散度Num2的初始值为0，将各个Block均匀划分各个小块；

步骤33：分别统计各个Block中的小块像素值为1的像素点个数；其中：

如果像素值为1的个数不小于像素值为0的个数，则称该小块被点亮；否则小块不被点亮；

步骤34：分别统计各个Block中小块被点亮的个数，并将其计为各个Block的散度Num2；