一种基于多层次特征描述的跑道FOD图像探测方法及装置与流程

技术特征：

1.一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于包括：

跑道图像亮度色度值获取步骤：采集跑道区域图像，形成该跑道区域对应的跑道彩色图像，通过转换矩阵K将跑道彩色图像的红绿蓝分量转换为亮度-色度方式表示；其中红绿蓝分量分别对应是I_R、I_G、I_B；亮度-色度表示方式中，C_I表示亮度分量，C_R、C_B表示两个色度分量；则：

$\left[\begin{array}{c}{C}_I\\ C_B\\ C_R\end{array}\right]=K\left[\begin{array}{c}{I}_R\\ I_G\\ I_B\end{array}\right]$

二进制黑白图像获取步骤：计算色度绝对值C_A，令C_A中绝对值大于T_C的像素值为1，其余像素值为0，生成二进制黑白图像C_A'；其中“1”代表白色像素；“0”代表黑色像素；

连续域集合获取步骤：将二进制黑白图像C_A'中的白色像素按照8邻域相连法则分成若干连续域集合；

最小椭圆轮廓获取步骤：对于所述若干连续域集合中每个连续域集合进行计算，获得若干连续域集合对应的最小椭圆轮廓；其中最小椭圆轮廓包括连续域集合中所有像素，最小椭圆轮廓的参数为{E_a,E_b,E_x,E_y}；其中E_a,E_b分别表示最小椭圆的长轴和短轴长度，E_x,E_y分别表示最小椭圆的中心点坐标；

FOD目标判断步骤：对每个最小椭圆轮廓进行判断，如果同时满足条件：1)最小椭圆轮廓的短轴E_b长度大于T1；2)最小椭圆轮廓的长轴E_a与短轴E_b的乘积大于T2，则认定为该最小椭圆轮廓圈定了一个FOD目标；T1是第一判决门限，T2是第二判决门限。

2.根据权利要求1所述的一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于所述T_C的取值为0.05到0.2之间；其中T1的取值在5到20之间，T2的取值在200到1000之间；所述或

其中K_R、K_G、K_B表示转换系数，K_B的取值在0.05到0.12之间，K_R的取值在0.2到0.3之间，K_G＝1-K_B-K_R。

3.根据权利要求2所述的一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于所述最小椭圆轮廓获取步骤具体包括：

种子集合建立步骤：任意取二进制黑白图像C_A'中的一个白色像素，建立包含该点的种子集合，建立包含该点的连续域集合，将该像素置为黑色。

连续域集合遍历步骤：将种子集合中的第一个点删除，将该点的上、下、左、右、左上、右上、左下、右下8个相邻像素中的白色像素点加入种子集合，并同时加入连续域集合；同时，将这些白色像素置为黑色像素；

连续域集合形成步骤：重复连续域集合遍历步骤，直到当前的种子集合为空,当前的连续域集合为分割出的一个连续域集合；

连续域集合完成步骤：如果图像中仍有白色像素，在剩余白色像素中任意取一个点，重新建立包含该点的种子集合，同时重新建立包含该点的连续域集合，然后跳转至连续域集合遍历步骤；如果二进制黑白图像C_A'中无白色像素，则操作完成，所得分出的若干连续域集合为计算结果。

4.根据权利要求2所述的一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于所述最小椭圆轮廓获取步骤是对于每个连续域集合计算所有像素均能包括的最小椭圆轮廓，最小椭圆轮廓参数为{E_a,E_b,E_x,E_y}；具体包括：

连续域结合像素坐标设置步骤：令表示一个包含Nc个像素的连续域集合，连续域集合中像素坐标用(x,y)表示，坐标的角标表示像素的序号，计算椭圆中心点坐标

像素坐标平移步骤：移动该连续域集合中所有像素坐标，将椭圆中心平移到坐标原点，新坐标记为(x’,y’)，计算公式为x'＝x-E_x，y'＝y-E_y；所述坐标原点可以任意定义；

主要变化方向计算步骤：使用主要成分分析方法PCA计算平移后像素分布的主要变化方向(v_x,v_y)；令B为A的协方差矩阵，即A的转置乘以A本身，B＝A^TA，则(v_x,v_y)为B特征分解后的最大特征值对应的特征向量；

长轴E_a计算步骤：计算长轴长度，即在主要变化方向上像素分布的最大值和最小值的差，

短轴E_b计算步骤：计算短轴长度，即在垂直于主要变化方向上像素分布的最大值和最小值的差，

5.根据权利要求1至4之一所述的一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于所述跑道图像亮度色度值获取步骤之前还包括对于存在色偏的相机，在执行FOD图像探测方法前要进行色偏校正的矫正步骤：矫正步骤具体包括：

样本获取步骤：拍摄跑道多张不同区域的跑道彩色图像，提取来自跑道不同区域的像素作为样本，样本数量N_S不少于1万个。

色偏判断步骤：对所有样本，分别计算红色分量、绿色分量、蓝色分量，然后计算红色分量平均值、绿色分量平均值、蓝色分量平均值；如果三个平均值中的最高平均值与最低平均值的比值大于色偏门限值，则认为存在色偏，执行矫正系数计算步骤；否则认为不存在色偏，执行跑道图像亮度色度值获取步骤；色偏门限值一般取值为1.05到1.2；

矫正系数计算步骤：如果存在色偏，计算红色校正系数Υ_R、蓝色校正系数Υ_B或者红色校正系数Υ_R中任意两个矫正系数，计算方法是以第三个颜色分量为基准，计算矫正系数公式为：

其中Υ_P代表两个矫正系数分量，Q是第三颜色分量标识；Υ_P对应的颜色分量标识和Q表示的颜色分量标识是红色分量、绿色分量和蓝色分量中各不相同的分量；其中，i表示样本的编号；I_P-i表示I_R-i、I_G-i、I_B-i中任意两个颜色分量值，I_Q-i表示除过I_P-i之外的第三个颜色分量值；Υ_P代表Υ_R、Υ_G或Υ_B中任意两个矫正系数；

矫正步骤：根据计算出的两个矫正系数，得到对对应颜色分量值I_P-i进行矫正；执行跑道图像亮度色度值获取步骤。

6.一种基于多层次特征描述的跑道FOD图像探测装置，其特征在于包括：

跑道图像亮度色度值获取模块：采集跑道区域图像，形成该跑道区域对应的跑道彩色图像，通过转换矩阵K将跑道彩色图像的红绿蓝分量转换为亮度-色度方式表示；其中红绿蓝分量分别对应是I_R、I_G、I_B；亮度-色度表示方式中，C_I表示亮度分量，C_R、C_B表示两个色度分量；则：

$\left[\begin{array}{c}{C}_I\\ C_B\\ C_R\end{array}\right]=K\left[\begin{array}{c}{I}_R\\ I_G\\ I_B\end{array}\right]$

二进制黑白图像获取模块：计算色度绝对值C_A，令C_A中绝对值大于T_C的像素值为1，其余像素值为0，生成二进制黑白图像C_A'；其中“1”代表白色像素；“0”代表黑色像素；

连续域集合获取模块：将二进制黑白图像C_A'中的白色像素按照8邻域相连法则分成若干连续域集合；

最小椭圆轮廓获取模块：对于所述若干连续域集合中每个连续域集合进行计算，获得若干连续域集合对应的最小椭圆轮廓；其中最小椭圆轮廓包括连续域集合中所有像素，最小椭圆轮廓的参数为{E_a,E_b,E_x,E_y}；其中E_a,E_b分别表示最小椭圆的长轴和短轴长度，E_x,E_y分别表示最小椭圆的中心点坐标；

FOD目标判断模块：对每个最小椭圆轮廓进行判断，如果同时满足条件：1)最小椭圆轮廓的短轴E_b长度大于T1；2)最小椭圆轮廓的长轴E_a与短轴E_b的乘积大于T2，则认定为该最小椭圆轮廓圈定了一个FOD目标；T1是第一判决门限，T2是第二判决门限。

7.根据权利要求6所述的一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于所述T_C的取值为0.05到0.2之间；其中T1的取值在5到20之间，T2的取值在200到1000之间；所述或

其中K_R、K_G、K_B表示转换系数，K_B的取值在0.05到0.12之间，K_R的取值在0.2到0.3之间，K_G＝1-K_B-K_R。

8.根据权利要求6所述的一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于所述最小椭圆轮廓获取模块具体包括：

种子集合建立模块：任意取二进制黑白图像C_A'中的一个白色像素，建立包含该点的种子集合，建立包含该点的连续域集合，将该像素置为黑色。

连续域集合遍历模块：将种子集合中的第一个点删除，将该点的上、下、左、右、左上、右上、左下、右下8个相邻像素中的白色像素点加入种子集合，并同时加入连续域集合；同时，将这些白色像素置为黑色像素；

连续域集合形成模块：重复连续域集合遍历模块，直到当前的种子集合为空,当前的连续域集合为分割出的一个连续域集合；

连续域集合完成模块：如果图像中仍有白色像素，在剩余白色像素中任意取一个点，重新建立包含该点的种子集合，同时重新建立包含该点的连续域集合，然后跳转至连续域集合遍历模块；如果二进制黑白图像C_A'中无白色像素，则操作完成，所得分出的若干连续域集合为计算结果。

9.根据权利要求6所述的一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于所述最小椭圆轮廓获取模块是对于每个连续域集合计算所有像素均能包括的最小椭圆轮廓，最小椭圆轮廓参数为{E_a,E_b,E_x,E_y}；具体包括：

连续域结合像素坐标设置模块：令表示一个包含Nc个像素的连续域集合，连续域集合中像素坐标用(x,y)表示，坐标的角标表示像素的序号，计算椭圆中心点坐标

像素坐标平移模块：移动该连续域集合中所有像素坐标，将椭圆中心平移到坐标原点，新坐标记为(x’,y’)，计算公式为x'＝x-E_x，y'＝y-E_y；所述坐标原点可以任意定义；

主要变化方向计算模块：使用主要成分分析方法PCA计算平移后像素分布的主要变化方向(v_x,v_y)；令B为A的协方差矩阵，即A的转置乘以A本身，B＝A^TA，则(v_x,v_y)为B特征分解后的最大特征值对应的特征向量；

长轴E_a计算模块：计算长轴长度，即在主要变化方向上像素分布的最大值和最小值的差，

短轴E_b计算模块：计算短轴长度，即在垂直于主要变化方向上像素分布的最大值和最小值的差，

10.根据权利要求7至9之一所述的一种基于多层次特征描述的跑道FOD图像探测方法，其特征在于所述跑道图像亮度色度值获取模块之前还包括对于存在色偏的相机，在执行FOD图像探测方法前要进行色偏校正的矫正模块：矫正模块具体包括：

样本获取模块：拍摄跑道多张不同区域的跑道彩色图像，提取来自跑道不同区域的像素作为样本，样本数量N_S不少于1万个。

色偏判断模块：对所有样本，分别计算红色分量、绿色分量、蓝色分量，然后计算红色分量平均值、绿色分量平均值、蓝色分量平均值；如果三个平均值中的最高平均值与最低平均值的比值大于色偏门限值，则认为存在色偏，执行矫正系数计算模块；否则认为不存在色偏，执行跑道图像亮度色度值获取模块；色偏门限值一般取值为1.05到1.2；

矫正系数计算模块：如果存在色偏，计算红色校正系数Υ_R、蓝色校正系数Υ_B或者红色校正系数Υ_R中任意两个矫正系数，计算方法是以第三个颜色分量为基准，计算矫正系数公式为：

其中Υ_P代表两个矫正系数分量，Q是第三颜色分量标识；Υ_P对应的颜色分量标识和Q表示的颜色分量标识是红色分量、绿色分量和蓝色分量中各不相同的分量；其中，i表示样本的编号；I_P-i表示I_R-i、I_G-i、I_B-i中任意两个颜色分量值，I_Q-i表示除过I_P-i之外的第三个颜色分量值；Υ_P代表Υ_R、Υ_G或Υ_B中任意两个矫正系数；

矫正模块：根据计算出的两个矫正系数，得到对对应颜色分量值I_P-i进行矫正；执行跑道图像亮度色度值获取模块。