[发明专利]基于局部全局特征联合决策的机场检测识别方法

说明书

技术领域

本发明涉及一种机场检测识别方法，特别涉及一种基于局部全局特征联合决策的机场检测识别方法。

背景技术

机场作为航拍图像中重要的战略目标，对其自动检测与识别无论在军事领域还是民用领域都有重要的应用价值和意义。现有的机场识别方法大部分是基于对机场跑道的检测识别方法。

文献“基于遥感图像的机场和无水桥梁目标识别研究与实现，Xi’an:Xidian University,2010”公开了一种机场检测识别方法。该方法利用对二值分割后的图像进行骨架提取，边缘提取后再用Hough提取直线，对所有符合要求的直线段进行跑道延伸和连接以确定疑似机场区域，最后提取疑似机场区域的结构特征，送入SVM进行分类判决。但是，在确定疑似机场区域阶段，由于提取直线时容易受到周围干扰线段的影响，因此对于不同的机场跑道会与周围干扰线段一起被确定为疑似机场区域，影响后续的机场识别部分的效果，甚至识别不出机场目标。

发明内容

为了克服现有机场检测识别方法识别率低的不足，本发明提供一种基于局部全局特征联合决策的机场检测识别方法。该方法首先根据机场的直线特征，通过图像锐化预处理、最大类间方差分割、数学形态法去除噪声、canny边缘检测和Hough检测直线，并对检测到的直线进行直线延伸、连接处理；其次，利用2bitBP局部特征形成的后验概率分类器和最近邻正负样本集合计算相对相似度来联合决策直线段之间距离的聚类阈值的确定，从而去除周围干扰线段的影响；最后的后处理通过仿射变换归一化到统一方向并提取HOG特征，输入到SVM分类器中进行分类判决来输出识别结果。由于基于局部全局联合决策的聚类方法去除了大量的干扰线段的影响，弥补了直接得到疑似机场区域的缺陷，可以提高机场区域的识别率。

本发明解决其技术问题所采用的技术方案是：一种基于局部全局特征联合决策的机场检测识别方法，其特点是包括以下步骤：

步骤一、输入一幅航拍图像，选用USM锐化方法对航拍图像进行锐化，然后用类内最小，类间方差最大的OTSU分割对锐化后图像进行分割，将图像分为目标和背景两类，得到机场的粗分割的二值图像。对机场粗分割的二值图像，采用数学形态法的开闭运算进行去噪处理。之后用canny算子提取边缘，在此基础上，Hough变换得到检测到的直线。

跑道延伸：经过Hough变换确定跑道直线段runway，从runway的两端搜索延伸，使得runway接近实际跑道长度。其延伸方法如下：

1）计算跑道runway的斜率slope，并默认runway的起点在终点的上方；

2）runway平行于y轴，则从runway的起点和终点分别朝正上方和正下方搜索，直到遇到黑色像素点为止；

3）runway平行于x轴，则从runway的起点和终点分别朝正左方和正右方搜索，直到遇到黑色像素点为止；

4）若slope>1,则

①初始化flag1=flag2=false；

②从runway起点开始朝左上方搜索，遇到白点，则令flag1=true；

③从runway起点开始朝正上方搜索，遇到白点，则令flag2=true；

④若flag1和flag2均为true，则选择最靠近runway起点的一个点赋给起点；若有一个为true，则将对应方向上找到的白点赋给起点；

⑤若flag1和flag2中至少一个为true，则转向步骤①

⑥采用步骤①—⑤的方法从runway的终点开始向右下方和正下方搜索；

5）若0<slope<1，采用步骤4）的方法，runway起点向左上方和正左方搜索，终点向右下方和正右方搜索；

6）若slope=1，则runway起点向左上方、终点向右下方搜索，直到遇到黑色像素点为止；若slope=-1，则runway起点向左下方、终点向右上方搜索，直到遇到黑色像素点为止；

7）若slope<0且abs(slope)<1，runway起点向左下方和正左方搜索，终点向右上方和正右方搜索；若slope<0且abs(slope)>1，采用步骤4）的方法，runway起点向左下方和正下方搜索，终点向右上方和正上方搜索。

跑道连接：跑道延伸处理结束后，对距离相近且斜率相近的直线段进行连接，具体方法如下：