[发明专利]基于角点与边缘信息融合的遥感图像飞机检测方法

说明书

技术领域

本发明一种图像检测方法，尤其涉及一种利用遥感图像进行飞机检测的方法，属于图像识别技术领域。

背景技术

随着遥感技术的迅猛发展，对遥感图像中感兴趣的目标进行定位和辨识已经成为一个重要的研究方向。利用遥感图像来检测目标，在军事和民用领域都有着广泛的应用前景。尤其是在军事方面，利用遥感图像来检测重要军事目标，已经应用于国防建设中。作为重要的军事目标，飞机的检测和识别一直是研究的热点。

目标检测策略一般分为两类：一种称为由下而上数据驱动型策略，另一种称为由上而下知识驱动型策略。对于前者，不管目标属于何种类型，一律先对图像进行分割、标记和特征提取等低层处理，然后再将带标记的已分割区域的特征集和目标模型匹配。这种策略的优点是适用面广，对单个目标检测及复杂景物分析均适用；缺点是低层处理时缺乏知识指导，盲目性比较大，工作量大，匹配算法复杂。而后者，需要对目标有一定了解，必须先对目标在图像中可能存在的特征提出假设，再有目的的进行分割、标记和特征提取，在此基础上与目标模型精匹配。由于底层处理有知识指导的粗匹配，提高了算法的效率，精匹配过程也简单和有针对性。缺点是兼容性差，即检测目标改变，相应的知识、假设和模型也需要改变。

目前，基于遥感图像的飞机目标检测技术，大多采用由下而上的数据驱动型策略，通常采用先分割或先边缘提取，然后采用模板匹配的方法，例如，文献[徐大琦，倪国强，许廷发. 中高分辨力遥感图像中飞机目标自动识别算法研究[J].  光学技术，第32卷，第6期，2006,11:855-862]、[孙红光，卜倩，李欢利，张瑾，张慧杰. 基于OTSU分割的云层背景下弱目标检测算法研究[J]. 东北师大学报，第41卷，第2期，2009,6:79-83]、[杨桄，张柏，王宗明，刘岩鹤. 基于阴影搜索法的飞机目标遥感图像分割研究[J].  地理与地理信息科学, 第22卷，第1期，2006,1:48-50]中所采用的方法。但是由于遥感图像质量和飞机阴影的影响，通常分割后飞机目标会断开成几个区域，很难完整地提取出飞机目标边缘轮廓，所以通常做法是再进行区域合并或者边缘的连接。这种方法不仅实现起来很复杂而且抗干扰能力很弱，同时由于飞机的类型很多，很难用一个统一的模板来检测所有的飞机目标，因此往往检测结果不令人满意。一篇文献（[蔡红苹，耿振伟，栗毅. 遥感图像飞机检测新方法——圆周频率滤波法[J]. 信号处理，第23卷，第4期，2007,8:539-543]）提出了一种采用由上而下知识驱动型策略的飞机检测方法，但是该方法对图像灰度值有很强的依赖性，因此对于有伪装的飞机目标或者飞机与背景区分程度较弱的图像，存在很多漏检的情况。

发明内容

本发明所要解决的技术问题在于克服现有技术所存在的计算量大、漏检率高的不足，提供一种基于角点与边缘信息融合的遥感图像飞机检测方法，该方法充分利用飞机目标的边缘信息和角点信息进行检测，具有较好的检测效果，且计算量较小。

本发明方法包括以下步骤：

步骤A、对遥感图像进行边缘检测；

步骤B、对边缘检测后的遥感图像进行二值化处理；

步骤C、对二值化后的遥感图像进行Harris角点检测；

步骤D、选取角点数在预先设定的范围内的区域作为候选飞机区域；并根据每一候选飞机区域中亮像素点的个数去除伪目标区域；

步骤E、对步骤D得到的图像进行聚类并对目标飞机位置进行标注，最终得到的类的数目即为检测到的飞机数，每类的类心位置即为目标飞机的中心位置。

优选地，步骤A中采用Candy算子进行边缘检测。

优选地，步骤B中使用OTSU算法对遥感图像进行二值化处理。

优选地，步骤E中使用区域生长式聚类方法对步骤D得到的图像进行聚类，具体按照以下方法：

将一个种子样本点                                                作为生长的起点，然后将以种子样本点为中心、为半径的邻域样本点集合并到一类，将中的所有样本点当作新的种子样本点，寻找所有样本点的半径的邻域，将这些邻域点合并到类，即

           

其中，表示集合中样本点个数，表示元素的邻域样本点集；

通过循环进行此过程，直到再没有满足条件的样本点归入该类；在还未聚类的样本点集中寻找一个新的种子样本点重复上面的步骤，直到所有的样本点都被归入某类为止。