基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取方法与流程

本发明涉及基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取方法。

背景技术：

近年来，随着空天搭载平台技术的迅猛发展，空间遥感技术也在不断完善和进步，利用所获取的遥感图像进行船只检测和监视的研究与技术开发在海洋遥感领域得到越来越多的重视。

光学遥感图像船只方向特征提取是指，基于光学遥感图像数据，利用图像处理的方法提取有关船只方向的特征,该技术能配合自动检测技术实现遥感数据海面船只信息的自动有效提取。它应用在民用领域上，可以支持航运监控、海洋渔业监督、水上交通管制等。应用在军事领域上则可用于：船只国外军港动态监视、重点船只目标离港预警等。

在海面船只遥感特征提取中，船只的朝向是遥感数据船只目标自动解译的关键信息。当前有关船只方向提取的技术大都是通过遍历目标区域，寻找长、短轴的方法来获取船只方向。这类传统采用计算连通区域长轴、短轴获取船只方向特征的方式，容易受到连通域标记计算的完整性及目标周边少量虚警点的干扰，而且使用遍历目标区域寻找长短轴获取方向的方法运算量大，效率低。

本方案提出基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取的方法，考虑目标外周的整体性，能有效克服传统方法连通域标记完整性及周域虚警点干扰的问题。此外，本方法采用了旋转坐标轴的策略，并通过对目标船头朝向进行初判，初判后将旋转遍历范围的角度限制在[0,45°]，大大缩减了计算的复杂度及计算时间，提高效率。

技术实现要素：

根据本发明的一个方面，提供了一种基于坐标旋转最小外接矩形的遥感图像船只方向特征提取方法，用于提取船只的方向特征，包括以下步骤：

A)进行图像预处理，包括：

对目标的切片进行自适应阈值分割得到灰度输入图像的二值图；

对二值图像进行中值滤波，去除目标船体的周域的干扰噪声点，防止噪声点对图像处理的严重干扰；

对滤波之后的图像进行二值腐蚀和二值膨胀以对目标船体达到孔洞填充的目的，接着，进行二值膨胀操作将目标船体的二值区域外扩一圈，为提取边缘做准备；

采用二值形态学方法，用边缘外扩的目标船体的二值图像减去目标船体的区域二值图像，获得目标船体的单像素边缘轮廓图像；

B)针对获取的边缘图像，基于统计在坐标轴4个象限内的目标船体的二值连通区域单像素边缘轮廓的方法，快速确定坐标的初始角度，进行目标船体的朝向初判；

C)在步骤B)的目标船体的朝向初判的结果的限制下，做搜索范围的最小外接矩形并基于最小外接矩形计算船只方向；

D)利用获取的最小外接矩形来提取包括船只的长、宽、朝向的船只方向相关特征。

附图说明

图1是基于坐标旋转最小外接矩形的遥感图像船只方向特征提取的总流程图。

图2是快速获取最小外接矩形的流程图。

图3(a)至3(c)是目标朝向初判示意图。

图4是矩形初判象限化分说明图。

图5是有限搜索范围的最小外接矩形确认及船头初判示意图。

具体实施方案

本发明的目的在于针对上述现有技术的缺点，提出基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取方法，高效准确地获取遥感图像中船只的方向相关信息。

本发明针对以上叙述的情况，采用基于坐标旋转最小外接矩形的光学遥感图像船只方向特征的提取方法。目前尚未有此类方法的报道。

本发明提出基于坐标旋转最小外接矩形的船只光学遥感图像船只方向特征的提取方法。具体步骤如下：

第一步：图像预处理

对目标切片进行自适应阈值分割得到灰度输入图像的二值图，对此二值图进行二值中值滤波，去除目标图像中的零散干扰噪声点。接着进行孔洞填充和扩大边缘，并采用二值形态学方法获得目标二值连通区域的单像素边缘轮廓。

第二步：基于象限划分的船只方向初判

首先对目标朝向进行初判，通过统计在坐标轴4个象限内目标二值连通区域单像素边缘轮廓(上一步获得的)，来快速确定坐标的初始角度，缩短后续搜索范围。然后，通过判断船头和船尾两个区域目标点数的多少来初步判断目标朝向。

第三步：初判限制范围内的船只最小外接矩形快速获取

经过上一步方向初判后，通过坐标旋转在有限搜索范围内确定最小外接矩形，从初始角度开始每次旋转坐标系1°，共扫描45次，并找出其中面积最小的外接矩形并记录此时的旋转角度，此时的旋转角度即为我们需要的船只方向。图2是快速最小外接矩形获取的流程图。

第四步：基于最小外接矩形的方向特征提取

通过上一步对目标船体单像素边缘求出的最小外接矩形，由最小外接矩形的主轴方向可以确定船只的航向；基于求出的最小外接矩形的长和宽，可直接确定船只的长和宽。

以下说明如何具体实施本发明提供的方法，图1是根据本发明的一个实施例的方法的流程框图，该方法包括：

第一步：图像预处理

第(1.1)步自适应阈值分割：首先对灰度图像进行自适应阈值分割得到二值图像，方便对目标船体边缘轮廓进行提取和准备。

第(1.2)步中值滤波：对二值图像进行中值滤波，去除目标周域的干扰噪声点，防止噪声点对图像处理的严重干扰。

第(1.3)步孔洞填充和扩大边缘：对滤波之后的图像进行二值腐蚀和二值膨胀以对船体区域达到孔洞填充的目的；接着，进行二值膨胀操作将目标船体的二值区域外扩一圈，为提取边缘轮廓做准备。

第(1.4)步边缘提取：采用二值形态学方法，用边缘外扩的目标二值图像减去目标区域二值图像，获得目标船体的单像素边缘轮廓图像。

第二步：基于象限划分的船只方向初判

第(2.1)步目标朝向初判：对目标轮廓图像进行象限划分：用横坐标值最大的像素点减去横坐标最小的像素点得到矩形的宽度，同时用纵坐标值最大的像素点减去纵坐标最小的像素点得到矩形的高度。将此外接矩形以中心线为界均分为四个区域。基于象限划分可统计目标的初步朝向：统计目标轮廓在象限中的点，若落在象限区域1、3中的点多于象限区域2、4，则船体朝右，否则朝左，如图3(a)-3(c)所示。反之亦然。

第(2.2)步初始角度快速确定：以上述外接矩形的中心线为坐标系，从右上起四个象限按照顺时针分别为第一、第二、第三和第四象限，对每个象限作以原点为起点的射线，将每个象限分为两个大小为45°的区域，四个象限共分成8个同样大小的区域，设定横坐标轴上方的区域从右至左分别为a、b、c、d四个区域。若由上步得出目标船体朝右，统计1区域目标轮廓像素值为1的点，若落在区域b的点数多于a，则初始角度为0，否则为45°；若船只朝左，落在区域c的点数多于d，则初始角度为0，否则为45°。如图4所示。

第三步：初判限制范围内的船只最小外接矩形快速获取

第(3.1)步通过坐标旋转在有限搜索范围内确定最小外接矩形：在上一步获取目标的初始角度范围后，从初始角度开始每次旋转坐标系1°，若目标船体朝右则顺时针旋转，否则逆时针旋转。共扫描45次，求出每次扫描后的外接矩形。并找出其中面积最小的外接矩形并记录此时的旋转角度。此时的旋转角度即为我们需要的船只方向，因为当外接矩形最小时，其中心线与目标船体的中轴线相重合，且外接矩形与目标船体边缘相切。

第(3.2)步船头朝向初判：以上步骤得出的最小外接矩形，对平行的两个长边作两条垂线段，从而将最小外接矩形均分为三个区域，即将目标船体分为船头、船尾及中间部分，通过统计船体1和3两头边缘轮廓的像素点为1的数目的多少来初判船头的朝向，即把像素点数为1的较少的区域所在的一侧确定为船头的一侧。如图5所示。

第四步：基于最小外接矩形的方向特征提取

第(4.1)步船头方向特征获取：通过最小外接矩形获取过程中计算的方向得到船头的方向，在外接矩形获取的过程中，每一次获取的外接矩形都会对应相应的角度，比较外接矩形的大小，找出最小的外接矩形的同时记录该最小外接矩形的角度，也就是船头的方向角度。并通过船头的初判进一步给出船航向的确定。

第(4.2)步：船只长度和宽度特征获取：最小外接矩形的长边和短边的长度就是船只的长度和宽度。

本发明与现有检测方法相比具有以下优点:

(1)采用目标边缘轮廓进行方向提取。目标轮廓是测量目标方向最本质的图像特性，本方法用提取目标边缘轮廓来代替对目标直接进行区域提取，可直接关联方向信息的本质，减少分割产生的孔洞对方向估计产生的影响，避免因区域信息分割不准而造成方向估计的不准确，有利于更准确的提取目标的方向特征信息。

(2)采用最小外接矩形的目标方向估计策略。考虑目标的整体形态，避免了遍历目标提取方法中因为考虑局部信息而容易出现误差的缺点，例如因细节不规则处的干扰等原因造成的结果偏差，可以高准确性的提取目标的方向特征。

(3)采用方向初判提高算法效率。提出一种基于象限划分的目标方向初判方法，在旋转坐标轴确定最小外接矩形之前，首先进行船头的象限初判，该方法减少了搜索的范围，避免了通过全角度搜索时的计算量大的缺点，有效的提高计算效率。

(4)方向相关特征直接通过最小外接矩形求取。直接通过最小外接矩形的长边和短边就可直接获取目标的长轴和短轴，避免了以往通过全图遍历的方法单独获取船只长短轴的复杂过程；同时利用最小外接矩形来提取船只的长短轴，有效保证了长短轴的正交垂直，避免了传统方法因噪声和分割不完整等原因对获取长短轴提取的影响，具有更高的鲁棒性。