[发明专利]一种地面建筑物识别定位方法

说明书

技术领域

本发明属于成像自动目标识别领域，具体涉及一种地面建筑物识别定位方法，用于飞行器前视识别地面建筑物。

背景技术

建筑物作为人造目标的重要基元，其识别可用于城市规划、监督、飞行器导航、避撞等领域。地面背景复杂，各种建筑物的大小、形状各不相同，运动平台载荷成像高度和成像角度可变，所以地面建筑物的识别定位是一项困难的任务。

目前常用的目标检测识别的方法可分为两类，一种是由下而上的数据驱动型，另一种是由上而下的假设检验驱动型。前者不管目标的属性如何，先对原始输入图像进行一般性的分割、标记和特征提取等低层处理，然后将每个带标记的已分割区域的特征矢量与目标类型相匹配并做出检测识别判断。后者需要先根据目标的模型，对图像中可能存在的特征提出假设，之后根据假设对感兴趣区有目的进行分割、标记、特征提取，在此基础上再对目标模型做精匹配来检测识别目标。

汪哲慎，李翠华在“基于改进Hough变换的建筑目标搜索与识别”，中国图像图形学报，Vol.10 No.4 Apr 2005中提出了采用竖直线对建筑物进行检测，利用改进的Hough变换算法，记录离散参数值，缩小检测角度的范围；用欧氏距离进行近似，以节省存储量和运算量，增强检测抗噪声的鲁棒性。但在该方法中，由于初步检测结果竖直线多为不连续的线段，因此需要对结果进行优化、合并处理。在背景复杂的情况下，会产生大量不连续的线段，使得优化、合并的计算量显著增加，从而无法满足实时性要求。洪志令，姜青山，董槐林等在“复杂背景下一类建筑目标的识别及变化检测”，第十二届全国图像图形学学术会议中提出了一种在复杂背景前提下，对一类正多边形建筑物进行识别与变化检测的方法。该方法的核心在于以线为基本的处理单位，对线进行多层次的感知组合过程。最后经过严格最佳匹配过程对建筑物进行拟合与识别，并进行变化检测。该方法的局限性主要在于只能对正多边形建筑目标进行识别。对于非正多边形的情况中要求边界参数已知，而这种情况在实际应用中并不多见。李朝锋，王士同在“基于形态学Top-Hat算子和知识处理的目标识别方法”，微电子学与计算机，2005年第22卷第12期中提出了利用开Top-Hat运算，闭Top-Hat运算，以及形态滤波等方法来进行目标识别。该方法对复杂背景的SPOT卫星遥感图像上似圆状目标识别取得了良好的效果。但是由于Top-Hat运算会使得计算量随着目标尺寸的增大而显著增大，而且只能用于下视，因此该方法不适于前视地面建筑物识别的情况。上述文献均没有考虑对不同视点、不同尺度、不同高度的地面建筑物进行识别。

发明内容

本发明提供一种地面建筑物识别定位方法，目的在于解决从不同视点、不同尺度、不同高度对地面建筑物识别定位的问题，用于前视识别地面建筑物。

本发明的一种地面建筑物识别定位方法，预先构建标准特征库：从不同视点、不同尺度地面建筑物形状特征视图，场景特征视图和地面建筑物纹理特征视图三类特征视图中提取特征量；以下步骤为：

(1)图像增强步骤，对原始输入图像进行直方图均衡化；

(2)背景抑制处理步骤，对直方图均衡化图像进行形态学增强和形态学背景抑制；

(3)灰度级合并步骤，对背景抑制处理后的图像进行灰度级合并，减少图像的灰度级；

(4)反馈分割步骤，将灰度级合并后的图像进行门限分割，得到二值图像，对该二值图像各感兴趣区域依次进行特征提取与匹配、感兴趣区域与其近邻感兴趣区域的关系特征匹配、多个感兴趣区域之间关系匹配、感兴趣区域对应区域纹理特征匹配和感兴趣区域的近邻感兴趣区域对应区域纹理特征匹配，每次匹配后均需要进行感兴趣区域数量判断；

(5)竖条特征检测步骤，用原始输入图像的平均灰度值作为阈值，将原始输入图像转化为二值图像，使用线模板对该二值图像进行检测，输出线条图像，计算线条图像中各竖条长度，根据标准特征库中高度特征量对各竖条进行匹配，筛选出符合条件的竖条；

(6)二次特征匹配步骤，综合考虑反馈分割步骤和竖条特征检测步骤的结果，判断在步骤(4)中保留下来的各感兴趣区域在步骤(5)竖条特征检测中对应的区域有无竖条特征，如果存在这些特征则减小该感兴趣区域总误差，否则总误差不变，再根据总误差对各感兴趣区域进行匹配，如果匹配成功保留该感兴趣区域并返回到原始输入图像，对其建筑物进行定位。

所述的一种地面建筑物识别定位方法，所述预先构建标准特征库可以顺序包括下述过程：

(1)计算各个特征量：