[发明专利]基于几何特征的光学遥感图像机场目标的多线程检测方法

说明书

技术领域

本发明涉及光学遥感图像处理技术领域中关于机场目标检测的方法，是一种综合多种特征来实现对有复杂背景的光学遥感图像中机场目标的自动检测的方法。

背景技术

随着遥感图像获取技术的不断进步，军用和民用的光学遥感图像呈现爆炸性增长，遥感图像处理技术的应用领域也随之不断扩大。由于需要耗费大量的人力物力，传统的依靠人工来对遥感图像中目标进行检测和解译的方式而变得不现实。因此，遥感图像的检测作为图像处理技术中的一个重要环节，日益成为各种图像处理应用不可缺少的部分。由于现有图像的数据量大，分辨率不一，目标类型多样、结构复杂，所处场景的变化也较多，目前目标自动检测的准确度并不是很高，常常出现漏检和错检的情况，使得某些需要精确定位目标的应用难以完成。因而，如何提高光学遥感图像中的复杂目标的检测效率和准确率是一个很有意义的研究问题。

机场作为重要的交通运输目标，受到了目标检测和识别领域越来越多的关注。机场目标所处的区域一般在城市的郊区，检测背景不甚复杂，但遥感图像普遍尺寸较大，仍有道路、楼房等其它物体的干扰，因此在复杂背景的遥感图像中实现机场的检测仍然是一项相当有挑战的任务。

Dehong Liu等提出了纹理分割和基于形状的检测的方法实现机场检测。首先把遥感图像分块，通过纹理特征对图像块进行分类，提取候选区域ROI，然后对候选ROI使用基于形状的检测判别。Chao Tao等提出了一种尺度特征不变子（SIFT）的机场目标检测方法。他们使用SIFT点在粗尺度上获取候选区域，然后映射至原始尺度的图像上，最后使用先验知识实现机场的识别工作。但由于相同传感器获取的图像中，不同机场目标的纹理特征不尽相同，而不同传感器获取的图像的质量也千差万别，因此上述的两种方法都有它们的局限性。

对于机场目标，最明显的特征应该是跑道的直线特征和机场区域的相对平滑的特征，这对我们使用Hough变换有着很重要的意义，能够确保我们能够使用Hough变换准确检测到跑道的平行线特征。

发明内容

本发明的目的是提供一种基于几何特征的光学遥感图像机场目标的多线程检测方法，以解决光学遥感图像中机场目标的自动检测问题。

为实现上述目的，本发明的技术方案如下：

一种基于几何特征的光学遥感图像机场目标的多线程检测方法，包括以下步骤：

第一步：对光学遥感图像进行预处理；首先读取光学遥感图像，并对该图像进行分块，其次对分块后的图像块进行线程任务分配；

第二步：基于线程中的图像块进行机场目标的检测；首先提取所述图像块中的直线，并对所检测到平行直线对进行筛选；

第三步：去除第二步的结果中的非机场区域，对机场区域的灰度分布进行判断，剔除海上的误选目标，当检测出多余两个的目标区域时，仅取检测面积最大的两个目标，删除其余的目标。

第一步中图像分块后的子图像尺寸为2000×2000，相邻块之间有1000×1000大小的重叠区域。

第二步中提取所述图像块中的直线采用以下方法：

2.1.1、使用Gaussian核对图像块进行卷积平滑处理；

2.1.2、使用Canny边缘检测算子对图像块进行边缘检测，获得图像块的边缘图像；

2.1.3、使用Hough直线检测算法边缘图像进行直线检测；

2.1.4、由于图像复杂背景的影响，Canny算子检测出的边缘图像中会出现直线断开的情况，因此合并共线的直线段；

2.1.5、设置平行线对的最小间隔和最大间隔，搜索符合条件的平行直线对，并取得平行直线对四个端点。

上述第二步中2.1.4中判断是否共线采用以下方法：将直线L1和L2表达为极坐标形式(ρ1，θ1)和(ρ2，θ2)，若|ρ1–ρ2|<5且(θ1-θ2)<5°，则认为L1和L2在一条直线上，将L1和L2合并。

第二步中筛选采用以下方法：

2.2.1、设定边缘比例阈值，若图像块中的边缘比率大于该阈值，则舍去该块的检测结果；

2.2.2、收集并将检测到的平行直线对的集合中的相近邻的平行直线对所包含区域合并，至此生成了机场目标的候选区域。

本发明的有益效果：

1、本发明提供的方法结合了机场目标的直线、灰度等多个特征，提供了一种能够较准确的定位机场目标的方法，能够准确检测到机场目标的同时较好的控制虚警率，对于较高分辨率的遥感图像中的机场目标有着很好的检测效果。