目标识别方法及装置的制造方法
【技术领域】
[0001] 本发明设及图像处理技术，具体而言，设及一种线性目标识别方法及装置。
【背景技术】
[0002] 遥感图像中包括丰富的地表线性特征，比如道路、铁路、河流、海岸线等。从遥感图 像中识别线性特征是一个广受研究者关注的问题。考虑到道路信息的重要性及更新地球信 息系统的需要，过去的研究多侧重道路信息提取。过去几十年间，众多研究者针对该问题提 出了各种各样的解决办法，W从高分辨率航拍图像、综合孔径雷达（SAR)图像W及高分辨 率的卫星图像中识别并提取道路信息。
[0003] 遥感图像中另一重要目标是电力线。传统研究多侧重从LiDAR图像、直升机航拍 图像、无人机光学图像中提取电力线信息，W实现电力线检测，从而保障电力线与输变电设 备的安全。迄今为止，少有研究设及卫星遥感图像中的电力线识别与提取。
[0004] 空间技术在过去十年间快速发展，由此可拍摄分辨率很高的卫星图像。卫星 图像的分辨率可达亚米级，重访周期缩短到一天。目前常用的高分辨率商业卫星包括 QuickBird、GeoEyeW及Worldview,其最高分辨率已经达到0. 31米，相信更高分辨率不久 也会问世，该使得用遥感技术来进行电力线巡检成为可能。为此目的，需要从遥感图像提取 线性特征。
[0005] 但是，电力线是遥感图像中非常弱的线性目标，具有维度小（处于亚像素级别）、 背景复杂等特征。用上述传统技术识别该类弱线性目标时，由于存在与待识别目标相比较 强的环境噪声与系统噪声，往往会出现误判等各种问题。此外，现有的线性目标识别方法在 处理短线段时往往能力不足。因此，亟需一种能从背景复杂的高分辨率遥感图像识别出弱 线性目标的方法及相关装置，并希望该方法与装置能识别短线段。
【发明内容】
[0006] 本发明目的在于克服现有技术的不足，提供一种基于高分辨率遥感图像的线性目 标识别方法及装置，W实现亚像素、弱目标、背景复杂的图像中对弱线性目标的识别。
[0007] 根据本发明的一方面，提供一种目标识别方法，包括如下步骤：
[0008] 利用线性特征检测方法对待识别图像进行线性特征检测，得到检测出的线性特 征，该线性特征检测方法将图像空间线性特征的检测转换为另一空间极值点的检测并且其 中利用连续聚类算子来使得在转换中连续图像点比离散图像点的权重更大拟及
[0009] 根据待识别图像中待识别目标的特性，从检测出的线性特征中识别出待识别目 标。
[0010] 在一个示例中，该目标识别方法还包括在进行线性特征检测之前先对待识别图像 进行增强和边缘检测W消除待识别图像中的面状亮目标对检测的影响。
[0011] 在一个示例中，所述连续聚类算子反比于所述待识别图像在二维方向上连续图像 点的值之差。
[0012] 在一个示例中，所述连续聚类算子正比于所述待识别图像在二维方向上具有近似 /相等值的连续图像点的值之和。
[0013] 在一个示例中，从所述图像空间线性特征的检测到所述另一空间极值点的检测的 转换通过Radon或化U曲变换实现。
[0014] 在一个示例中，所述待识别目标的特性包括如下至少之一：
[0015] i)、长且直，并覆盖部分待识别图像或贯穿整个待识别图像；
[0016] ii)、宽度占据1-2个像素；
[0017] iii)、相互平行；
[001引iv)、中间及两侧的背景相似。
[0019] 在一个示例中，所述待识别目标为电力线。
[0020] 在一个示例中，所述待识别目标为船舶尾波。
[0021] 根据本发明的另一方面，提供一种目标识别装置，包括：线性特征检测模块，用于 对待识别图像进行线性特征检测，得到检测出的线性特征，该线性特征检测将图像空间线 性特征的检测转换为另一空间内极值点的检测并且其中利用连续聚类算子来使得在转换 中连续图像点比离散图像点的权重更大；W及目标识别模块，用于根据所述待识别图像中 待识别目标的特性，从检测出的线性特征中识别所述待识别目标。
[0022] 在一个示例中，该目标识别装置还包括增强模块，用于对所述待识别图像进行增 强。
[0023] 在一个示例中，该目标识别装置还包括边缘检测模块，用于对所述待识别图像进 行边缘检测。
[0024] 利用根据本发明的目标识别方法及装置，可W在从高分辨率遥感图像中检测识别 弱线性目标时，有效地抑制系统噪声和环境噪声，成功地识别并提取目标，防止误判。此外， 根据本发明的方法及装置还可成功检测短线段。
【附图说明】
[0025] 图1示出根据本发明实施例的目标识别方法的流程图；
[0026] 图2为传统Radon变换的原理示意图；
[0027] 图3为传统Radon变换误判情况示意图；
[0028] 图4(a)~4(d)示出通过本发明图像识别方法消除亮面状目标的影响并识别线性 目标；
[0029] 图5 (a)~5 (e)示出通过本发明图像识别方法识别模拟的船舶尾波；
[0030] 图6(a)~6(d)示出通过本发明图像识别方法识别卫星图像中的电力线；
[0031] 图7(a)~7(c)示出通过本发明图像识别方法识别谷歌地球图像中的电力线；W 及
[0032] 图8是根据本发明实施例的目标识别装置的示意图。
【具体实施方式】
[0033] 下面参考附图并结合具体实施例对本发明的技术方案进行详细描述。提供该些示 例性实施例的目的是为了使得本领域普通技术人员能够清楚地理解本发明，并且根据该里 的描述能够实现本发明。附图和具体实施例并非意在对本发明进行限定；本发明的范围由 所附权利要求限定。
[0034]如图1所示，本发明所提出的目标识别方法包括如下步骤：
[00巧]300 ;线性特征检测
[0036]在该步骤，利用线性特征检测方法对待识别图像进行线性特征检测，得到检测出 的线性特征。本发明的线性特征检测方法将图像空间线性特征的检测转换为另一空间极值 点的检测，并且利用连续聚类算子来使得在所述转换中连续图像点比离散图像点的权重更 大。
[0037]400;待识别目标识别
[003引在该步骤，根据待识别目标的特性，从检测出的线性特征中识别出待识别目标。图 1简单示出了本发明的上述流程。
[0039]待识别的高分辨率遥感图像可W是卫星图像、SAR图像、LiDAR图像、直升机航拍 图像、无人机光学图像。该些图像包括丰富的地表信息，如森林、草原、道路、建筑物、电力线 等。该些图像中的弱线性目标，如电力线、船舶尾波等，是有待识别的目标。
[0040] 为了从高分辨率遥感图像中识别出弱线性目标，通过变换算法将图像空间中的图 形变换到另一空间。通过此变换，图像空间的线将转换为另一空间内的点。由此，从图像中 识别线性目标的问题则转换成寻找另一空间内极值点的问题。根据本发明的一个实施例， 用于将图像从图像空间变换到另一空间的变换为Radon变换。Radon变换具有抗噪能力强 等突出优点，可化围过此变换，从高分辨率遥感图像中识别出非常弱的线性目标。
[0041] 具体而言，传统Radon变换在任意维空间内具有多种定义形式，其在二维空间内 的定义为：
[0042] R ( P , 0 ) = / nf (x, y) 5 (xcos 0 +ysin 0 - p ) dxdy (1)
[004引其中，D是整个图像空间，f(x，y)为待识别图像上坐标（X，y)处图像点的灰度值 (或二进制值），5为狄拉克5函数，P为待识别图像平面即（x，y)平面中一直线到原点 的距离，0为原点到该直线的垂线与X轴的夹角。
[0044] 参见图2,图像空间内一图像的Radon变换事实上是相对于与角度为0的直线垂 直的一组平行线在不同角度0与位置处P的投影。从图2可W看出，Radon变换W线积 分的形式把图像空间投影到Radon(P，0)空间。图2中