专利名称：一种基于直线分割的遥感图像机场自动检测方法
技术领域：
本发明涉及一种基于直线分割检测(LSD)遥感图像机场自动检测方法，属于遥感图像应用技术领域。
背景技术：
近些年来，遥感图像处理技术凭借可获取大范围数据资料，速度快、周期短，获取的信息受条件限制少、手段多、信息量大等特点，己经被广泛应用于军事领域。纵观世界上所发生的各个局部战争，我们不难发现，高技术条件下的信息化战争已经逐渐取代传统的机械化战争，信息技术制胜的时代己经来临，精确制导武器己成为信息化战争中重要的攻击武器，在战争中发挥了关键作用。此外，机场识别技术运用到民用飞机导航方面，它与传统的方法相比具有主动性强、抗干扰能力强等特点，对方飞机自动导航和安全着陆会有更 大的帮助。综上所述，我们可以看出，无论是从军事方面还是民用方面，本发明具有重要的实际意义。在机场检测的过程中，最有利用价值的就是跑道的特征。目前国内外的研究人员一般也都是将跑道的存在作为检测和识别机场的最重要的依据。在一幅含有机场的遥感图像中，机场中的直线表现的尤为突出。其通用做法是在遥感图像上利用跑道的灰度特征进行图像分割，再根据跑道的灰度特性和几何特性，建立跑道通用模型，增加判断规则，将跑道比较完整的提取出来。然后，根据提取出的跑道来确定机场的存在性。在通过对大量的实际图像进行分析，为了提高目标的自动化程度及识别的准确率，决定在机场检测中尽量减少对跑道的灰度特征的依赖，更多利用跑道的形状特征，形状特征受光照、噪声、不同时相等影响要比灰度特征小的多。一般地，遥感图像机场自动检测可以分为三个步骤(1)对输入的遥感图像进行降采样和图像增强预处理，如采用直方图均值化，增加对比度；(2)通过边缘检测算子，如Canndy算子，Sobel算子等，进行边缘检测。边缘检测主要提取出灰度图中对比度比较大的边缘。(3)通过变换检测直线，分析机场的特征，利用机场中大量的直线特征作为其存在的主要依据。通常采用Hough变化检测直线，由于含有机场的遥感图像中，机场的直线比较明显，而且对比度大。一般用Hough检测到直线在机场区域，然后根据直线的位置圈出机场的区域。目前对于机场检测方法中，还有用支持向量机的模板匹配方法，基于sift的特种匹配方法等。由于我们的发明是基于直线分割检测(LSD)的基础上的，现在对其作简要的介绍直线分割检测(LSD)区别于传统的直线检测，它将梯度与统计学理论结合起来，根据灰度图像检测直线，该方法不仅能够给出精确的结果，而且对参数选择有很好的自适应性。相比于传统的边缘检测，LSD方法将Burn方法和Desolneux方法有效的结合起来,该方法分为三部分(I)将图像分割为直线支持域，这些直线支持域有相同梯度方向并且由联通的区域组成。(2)找出能够逼近直线支持域的矩形。(3)利用统计的方法，并以直线支持域的信息为基础，判断直线段。选择直线支持域，其中在梯度的定义过程中，采用2X2的模板，即
权利要求
1.一种基于直线分割的遥感图像机场自动检测方法，其特征在于该方法具体步骤如下 步骤一用计算机读取数据计算机在MATLAB R2010a环境下读取遥感图像，图像大小为12000*12000，图像分辨为I米，含有RGB三个波段，将遥感图像读入计算机，得到的图像数据为 12000*12000*3 ； 步骤二 降采样和图像增强预处理得到遥感图像数据后，由于图像过大，不仅运行程序时间长，而且机场检测的效率低，故进行降采样处理；对遥感图像降10倍处理，将处理后的图像转化为灰度图像，为了增加机场的对比度，进行图像的灰度变换即调节灰度图像的亮度或彩色图像的颜色矩阵，即J=imadjust(I)，将灰度图像I中的亮度值映射到J中的新值，增加了输出图像J的对比度值； 步骤三基于LSD的方法，对处理后的遥感图像进行直线段检测具体步骤如下 (1)基于高斯子采样的方式将输入的灰度图像大小减小到原始图像尺寸的80%； (2)计算图像上每个像素的梯度大小和梯度方向； (3)基于梯度大小进行排序； (4)辅助矩阵STATUS用于标记像素被使用状态，初始化像素为NOTUSED ； (5)对于梯度大于P的像素在STATUS的矩阵中标记为USED； (6)以梯度最大的像素点P开始检测直线段，并且标记该状态为NOTUSED .1)以P作为种子像素点，开始区域生长，在像素P点连接，与像素P梯度角小于预定阈值的像素进入生长区域，且标记为USED ； .2)用矩形框逼近法覆盖生长域中被标记的像素； .3)如果在矩形框中匹配的像素点的密度小于阈值D，D=70%，则对该矩形框进行处理 ①减小角度阈值； ②减小区域半径； .4)计算矩形框中NFA的值； .5)改进矩形框，减小NFA的值； .6)如果错误率NFA(r)( e，则将矩形框增加到输出列；其中 其中，M, N分别为矩形的长和宽，Y为不同均匀密度的个数，i为第i副图像，j为第j个像素，r为第r个矩阵，e表示阈值,B (n, k, p)为二项式，n为矩形框中像素数，k为矩形框中满足一定梯度角像素个数，P为均匀分布概率； LSD的方法被看作自动的直线检测工具，因为它不需要参数的调整；而对于影响算法的参数能够使用于所有的图像，而且这些参数属于内参，无需使用者的选择； 步骤四连接直线段，经过LSD方法处理后的图像，含有很多直线段，且机场区域的直线段较为集中，为了能够选取较长直线段作为被选目标，故对含有某些特征的直线段进行连接；这些特性表现为 (1)直线斜率角小于e阈值； (2)在距离直线段的2e平面域内；(3)直线段的中心距离在一定的T范围内； 判断直线段是否在该平面域内，首先在满足(I)的条件下，得到近乎相同斜率的直线段，对这些直线段进行聚类判断，将直线段距离小于e的聚为一类；然后将满足(3)条件直线段连在一起，即为新得到的直线段，对这些新得到的直线段依长度进行排序处理，并选取排在前十位的直线段； 步骤五检测机场并提取机场区域由于机场中直线密度比较大，依据这样的特性，对于选取的直线段进行一一判别；判别过程如下 (1)以此选取直线段LI，长度即为dl; (2)在该直线的周围，且与该直线含有相同斜率或小于预定阈值范围内的直线段L2， 长度即为d2 ;对于满足这些条件的直线段，进行长度累加，即为D=dl+d2+… (3)记录这些直线域总长度； (4)总长度最长的即为机场区域； 在记录的直线域过程中，每个直线段坐标被记录下来，当选取toplO中某个直线段，该直线段的直线域总长度最长，这些是直线段的几何中心即为机场区域的中心；根据统计，机场的面积约为3000*3000平方米，对于分辨率为I米的遥感图像，选取3000*3000大小的区域即为机场区域；由于遥感图像降采样十倍后，机场的大小也相应的减少十倍，故对于降采样后的图像用300*300的矩形框标记；由于世界各地的机场大小规模不尽相同，对矩形 框标记的图像进行后期处理，在选取直线域中，被选中的直选段的端点，如果没有在矩形框中，则以与中心点最远的端点为边界点重新画矩形域，经过后期处理后即检测到的遥感图 像的机场区域。
全文摘要
一种基于直线分割的遥感图像机场自动检测方法，有五大步骤一、计算机在MATLABR2008b环境下读取数据；二、对遥感图像进行降采样和图像增强预处理；三、基于LSD的方法，对处理后的遥感图像进行直线段检测；四、由于机场的直线特性，对于斜率差小于一定的阈值，且在同一平行线范围的直线段进行连接；五、提取机场区域，选取直线段中较长的直线10条，分别搜索这些线段周围的直线，直线域大的即为机场区域。本发明利用LSD的方法进行机场检测，传统的边缘检测方法，克服了传统方法检测时间长和检测率小的缺点，从而达到了效率高的效果。本发明实现了遥感图像的快速高效机场检测，在遥感图像领域里具有实用价值和广阔的应用前景。
文档编号G06T7/00GK102750703SQ20121021681
公开日2012年10月24日 申请日期2012年6月27日 优先权日2012年6月27日
发明者刘柳, 史振威, 寇祖阳, 隆姣 申请人:北京航空航天大学