[发明专利]一种基于骨架线关系的飞机目标确认方法

说明书

本发明公开了一种基于骨架线关系的飞机目标确认方法，主要包括以下步骤：S1.获取实时遥感图像，对所述实时遥感图像进行自适应二值化，以二值图表示边缘提取结果，其中白色像素点为边缘点，黑色像素点为非边缘点；S2.飞机目标骨架线关系提取；S3.对飞机关键点进行检测；S4.目标检测结果置信度矫正。本发明提高了目标检测结果的可解释性和确定性，并具有较高的计算效率。

技术领域

本发明涉及数字图像处理技术领域，更具体的说是涉及一种基于骨架线关系的飞机目标确认方法。

背景技术

近年来，深度学习方法快速发展，并被大量应用于目标检测中。基于深度学习的目标检测方法主要依靠大量训练数据。通过多个卷积核对图像进行多层的特征提取，最终获得目标的位置和类别。通过大量训练数据调整网络的参数，使得网络模型对某些像素分布更为敏感，这些分布对应于目标的某些几何特征，如直线、弧线等。但当前基于深度学习的目标检测方法的检测过程难以清晰解释，从而使得检测结果具有不确定性。当实际应用中存在干扰、遮挡等情况时，目标的表观特征受到一定程度的破坏，与训练数据中的存在一定差异时，往往导致目标的漏检，或检出的目标的置信度较低。

随着航天事业的发展，遥感技术得到了越来越广泛的应用，从遥感图像中检测和识别目标的需求也日益增长。遥感图像一般以垂直向下的俯视角度拍摄。相较于日常的水平视角图像，遥感图像中的目标具有多方向、多尺度的特点。遥感图像通常面临着多种干扰。首先，由于拍摄位置通常在高空，因此视野中容易出现云雾遮挡；其次，由于视角为俯视，视野中主要为地面或海面，因此地面上的条纹、杂物，海面上的波浪等都会干扰目标的检测；最后，不同时间段光照环境不同，图像的对比度也会有所差异，较低的对比度也会影响目标的检测。

因此，如何提出一种能够有效输出飞机关键点的基于骨架线关系的飞机目标确认方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于骨架线关系的飞机目标确认方法，针对遥感图像中的飞机目标检测这一具体任务，为了提高检测结果的确定性，通过对飞机本身几何特征的分析，本发明能够对检测到的飞机目标进行确认，修改检测结果的置信度，并为目标跟踪提供有效的关键点。

为了实现上述目的，本发明采用如下技术方案：

一种基于骨架线关系的飞机目标确认方法，包括以下步骤：

S1.获取实时遥感图像，对所述实时遥感图像进行自适应二值化，以二值图表示边缘提取结果，其中白色像素点为边缘点，黑色像素点为非边缘点；

S2.飞机目标骨架线关系提取；具体内容包括：

(1)对图像的像素点进行逐行扫描，并统计每一行的最长连续白色像素点数量，所有行中连续白色像素点数量最多的行为机身中轴线所在行；

(2)所述机身中轴线所在行将图像划分为两个部分，针对每个部分，以机身中轴线上的点为起点，取一条倾斜线，按位置顺序依次扫描，统计倾斜线上的连续白色像素点数量，数量最多的一条倾斜线则作为当前部分机翼的中轴线；对另一个部分进行相同操作获得另一部分机翼的中轴线；

S3.对飞机关键点进行检测；定义关键点为机翼后侧与机身交界处的锐角点，对于机翼中轴线上的每一个像素点，统计每个像素点所在行上的连续白色像素点数量，当相邻两行的白色像素点数量存在突变时，则判断当前行为机翼与机身的交界处，当前行上的连续白色像素点的连线为机翼与机身的交接线；在交接线上，向机尾一侧寻找首次由白点变为黑点的位置作为所寻找的关键点位置；

S4.目标检测结果置信度矫正；利用模板中已知的关键点信息对检测到的关键点进行验证，排除偏差大于阈值的关键点，否则保留；针对关键点保留的每种情况均赋予置信度，将所赋予的置信度与目标检测的置信度进行加权平均，作为最终的矫正置信度。