專利名稱：基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法
技術(shù)領(lǐng)域：
本發(fā)明一種圖像檢測方法，尤其涉及一種利用遙感圖像進(jìn)行飛機(jī)檢測的方法，屬于圖像識(shí)別技術(shù)領(lǐng)域。
背景技術(shù)：
隨著遙感技術(shù)的迅猛發(fā)展，對(duì)遙感圖像中感興趣的目標(biāo)進(jìn)行定位和辨識(shí)已經(jīng)成為一個(gè)重要的研究方向。利用遙感圖像來檢測目標(biāo)，在軍事和民用領(lǐng)域都有著廣泛的應(yīng)用前景。尤其是在軍事方面，利用遙感圖像來檢測重要軍事目標(biāo)，已經(jīng)應(yīng)用于國防建設(shè)中。作為重要的軍事目標(biāo)，飛機(jī)的檢測和識(shí)別一直是研究的熱點(diǎn)。目標(biāo)檢測策略一般分為兩類一種稱為由下而上數(shù)據(jù)驅(qū)動(dòng)型策略，另一種稱為由上而下知識(shí)驅(qū)動(dòng)型策略。對(duì)于前者，不管目標(biāo)屬于何種類型，一律先對(duì)圖像進(jìn)行分割、標(biāo)記和特征提取等低層處理，然后再將帶標(biāo)記的已分割區(qū)域的特征集和目標(biāo)模型匹配。這種策略的優(yōu)點(diǎn)是適用面廣，對(duì)單個(gè)目標(biāo)檢測及復(fù)雜景物分析均適用；缺點(diǎn)是低層處理時(shí)缺乏知識(shí)指導(dǎo)，盲目性比較大，工作量大，匹配算法復(fù)雜。而后者，需要對(duì)目標(biāo)有一定了解，必須先對(duì)目標(biāo)在圖像中可能存在的特征提出假設(shè)，再有目的的進(jìn)行分割、標(biāo)記和特征提取，在此基礎(chǔ)上與目標(biāo)模型精匹配。由于底層處理有知識(shí)指導(dǎo)的粗匹配，提高了算法的效率，精匹配過程也簡單和有針對(duì)性。缺點(diǎn)是兼容性差，即檢測目標(biāo)改變，相應(yīng)的知識(shí)、假設(shè)和模型也需要改變。目前，基于遙感圖像的飛機(jī)目標(biāo)檢測技術(shù)，大多采用由下而上的數(shù)據(jù)驅(qū)動(dòng)型策略， 通常采用先分割或先邊緣提取，然后采用模板匹配的方法，例如，文獻(xiàn)[徐大琦，倪國強(qiáng)，許廷發(fā).中高分辨力遙感圖像中飛機(jī)目標(biāo)自動(dòng)識(shí)別算法研究[J].光學(xué)技術(shù)，第32卷，第6 期，2006，11:855-862]、[孫紅光，卜倩，李歡利，張瑾，張慧杰·基于OTSU分割的云層背景下弱目標(biāo)檢測算法研究[J].東北師大學(xué)報(bào)，第41卷，第2期，2009，6:79-83]、[楊桄，張柏，王宗明，劉巖鶴.基于陰影搜索法的飛機(jī)目標(biāo)遙感圖像分割研究[J].地理與地理信息科學(xué)，第22卷，第1期，2006，1:48-50]中所采用的方法。但是由于遙感圖像質(zhì)量和飛機(jī)陰影的影響，通常分割后飛機(jī)目標(biāo)會(huì)斷開成幾個(gè)區(qū)域，很難完整地提取出飛機(jī)目標(biāo)邊緣輪廓，所以通常做法是再進(jìn)行區(qū)域合并或者邊緣的連接。這種方法不僅實(shí)現(xiàn)起來很復(fù)雜而且抗干擾能力很弱，同時(shí)由于飛機(jī)的類型很多，很難用一個(gè)統(tǒng)一的模板來檢測所有的飛機(jī)目標(biāo)，因此往往檢測結(jié)果不令人滿意。一篇文獻(xiàn)([蔡紅蘋，耿振偉，栗毅.遙感圖像飛機(jī)檢測新方法——圓周頻率濾波法[J].信號(hào)處理，第23卷，第4期，2007，8:539-543])提出了一種采用由上而下知識(shí)驅(qū)動(dòng)型策略的飛機(jī)檢測方法，但是該方法對(duì)圖像灰度值有很強(qiáng)的依賴性，因此對(duì)于有偽裝的飛機(jī)目標(biāo)或者飛機(jī)與背景區(qū)分程度較弱的圖像，存在很多漏檢的情況。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)所存在的計(jì)算量大、漏檢率高的不足，提供一種基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，該方法充分利用飛機(jī)目標(biāo)的邊緣信息和角點(diǎn)信息進(jìn)行檢測，具有較好的檢測效果，且計(jì)算量較小。本發(fā)明方法包括以下步驟 步驟A、對(duì)遙感圖像進(jìn)行邊緣檢測；
步驟B、對(duì)邊緣檢測后的遙感圖像進(jìn)行二值化處理； 步驟C、對(duì)二值化后的遙感圖像進(jìn)行Harris角點(diǎn)檢測；
步驟D、選取角點(diǎn)數(shù)在預(yù)先設(shè)定的范圍內(nèi)的區(qū)域作為候選飛機(jī)區(qū)域；并根據(jù)每一候選飛機(jī)區(qū)域中亮像素點(diǎn)的個(gè)數(shù)去除偽目標(biāo)區(qū)域；
步驟E、對(duì)步驟D得到的圖像進(jìn)行聚類并對(duì)目標(biāo)飛機(jī)位置進(jìn)行標(biāo)注，最終得到的類的數(shù)目即為檢測到的飛機(jī)數(shù)，每類的類心位置即為目標(biāo)飛機(jī)的中心位置。優(yōu)選地，步驟A中采用Candy算子進(jìn)行邊緣檢測。優(yōu)選地，步驟B中使用OTSU算法對(duì)遙感圖像進(jìn)行二值化處理。優(yōu)選地，步驟E中使用區(qū)域生長式聚類方法對(duì)步驟D得到的圖像進(jìn)行聚類，具體按照以下方法
將一個(gè)種子樣本點(diǎn)^作為生長的起點(diǎn)，然后將以種子樣本點(diǎn)^為中心、Q為半徑的鄰
域樣本點(diǎn)集&合并到一類Q，將Ct中的所有樣本點(diǎn)當(dāng)作新的種子樣本點(diǎn)，尋找所有樣本
點(diǎn)CsM的r。半徑的鄰域，將這些鄰域點(diǎn)合并到Q類，即
權(quán)利要求
1.一種基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，其特征在于，包括以下步驟步驟A、對(duì)遙感圖像進(jìn)行邊緣檢測；步驟B、對(duì)邊緣檢測后的遙感圖像進(jìn)行二值化處理；步驟C、對(duì)二值化后的遙感圖像進(jìn)行Harris角點(diǎn)檢測；步驟D、選取角點(diǎn)數(shù)在預(yù)先設(shè)定的范圍內(nèi)的區(qū)域作為候選飛機(jī)區(qū)域；并根據(jù)每一候選飛機(jī)區(qū)域中亮像素點(diǎn)的個(gè)數(shù)去除偽目標(biāo)區(qū)域；步驟E、對(duì)步驟D得到的圖像進(jìn)行聚類并對(duì)目標(biāo)飛機(jī)位置進(jìn)行標(biāo)注，最終得到的類的數(shù)目即為檢測到的飛機(jī)數(shù)，每類的類心位置即為目標(biāo)飛機(jī)的中心位置。
2.如權(quán)利要求1所述基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，其特征在于，步驟A中采用Carmy算子進(jìn)行邊緣檢測。
3.如權(quán)利要求1所述基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，其特征在于，步驟B中使用OTSU算法對(duì)遙感圖像進(jìn)行二值化處理。
4.如權(quán)利要求1所述基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，其特征在于，步驟D具體包括步驟D1、逐個(gè)像素掃描圖像，以該像素點(diǎn)為中心，以一定的半徑開始增長，直至該區(qū)域內(nèi)的角點(diǎn)數(shù)在預(yù)先設(shè)定的范圍內(nèi)，并且再次增加半徑后角點(diǎn)數(shù)目不會(huì)增加，則把這個(gè)區(qū)域作為候選飛機(jī)區(qū)域；步驟D2、判斷各候選飛機(jī)區(qū)域中亮像素點(diǎn)的個(gè)數(shù)是否大于預(yù)先設(shè)定的閾值，如是，則保留；如否，則將區(qū)域作為偽目標(biāo)區(qū)域去除。
5.如權(quán)利要求4所述基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，其特征在于，所述預(yù)先設(shè)定的范圍為
6.如權(quán)利要求4所述基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，其特征在于，步驟D2中所述預(yù)先設(shè)定的閾值按照以下方法確定對(duì)于每一候選飛機(jī)區(qū)域，其所對(duì)應(yīng)的閾值為該候選飛機(jī)區(qū)域半徑的10倍。
7.如權(quán)利要求1所述基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，其特征在于，步驟E中具體使用區(qū)域生長式聚類方法對(duì)步驟D得到的圖像進(jìn)行聚類，具體按照以下方法將一個(gè)種子樣本點(diǎn)^作為生長的起點(diǎn)，然后將以種子樣本點(diǎn)^為中心、/ 為半徑的鄰域樣本點(diǎn)集I合并到一類q，將Q中的所有樣本點(diǎn)當(dāng)作新的種子樣本點(diǎn)，尋找所有樣本點(diǎn)C辦.、的半徑的鄰域，將這些鄰域點(diǎn)合并到Ck類，即Ck = Ck υ Σ Neighbor [CiCp)] ρ = OJ,... num (Ck) — i其中，■ (￡))表示集合￡3中樣本點(diǎn)個(gè)數(shù)，ifcgM^f]表示元素d的鄰域樣本點(diǎn)集；通過循環(huán)進(jìn)行此過程，直到再?zèng)]有滿足條件的樣本點(diǎn)歸入該類；在還未聚類的樣本點(diǎn)集多中尋找一個(gè)新的種子樣本點(diǎn)重復(fù)上面的步驟，直到所有的樣本點(diǎn)都被歸入某類為止。
8.如權(quán)利要求1所述基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法，其特征在于，步驟E中聚類后每類類心位置按照下式計(jì)算得到
9. 一種基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測系統(tǒng)，其特征在于，該系統(tǒng)包括順次連接的邊緣檢測單元、二值化處理單元、角點(diǎn)檢測單元、候選飛機(jī)區(qū)域選取單元、聚類單元；所述邊緣檢測單元用于對(duì)輸入的遙感圖像進(jìn)行邊緣檢測；所述二值化處理單元用于對(duì)邊緣檢測后的遙感圖像進(jìn)行二值化處理；所述角點(diǎn)檢測單元用于對(duì)二值化后的遙感圖像進(jìn)行Harris角點(diǎn)檢測；所述候選飛機(jī)區(qū)域選取單元選取角點(diǎn)數(shù)在預(yù)先設(shè)定的范圍內(nèi)的區(qū)域作為候選飛機(jī)區(qū)域，并根據(jù)每一候選飛機(jī)區(qū)域中亮像素點(diǎn)的個(gè)數(shù)去除偽目標(biāo)區(qū)域；所述聚類單元對(duì)去除偽目標(biāo)區(qū)域后的候選飛機(jī)區(qū)域進(jìn)行聚類并對(duì)目標(biāo)飛機(jī)位置進(jìn)行標(biāo)注，輸出最終檢測結(jié)果。
全文摘要
本發(fā)明公開了一種基于角點(diǎn)與邊緣信息融合的遙感圖像飛機(jī)檢測方法。該方法包括以下步驟對(duì)遙感圖像進(jìn)行邊緣檢測；對(duì)邊緣檢測后的遙感圖像進(jìn)行二值化處理；對(duì)二值化后的遙感圖像進(jìn)行Harris角點(diǎn)檢測；選取角點(diǎn)數(shù)在預(yù)先設(shè)定的范圍內(nèi)的區(qū)域作為候選飛機(jī)區(qū)域；并根據(jù)每一候選飛機(jī)區(qū)域中亮像素點(diǎn)的個(gè)數(shù)去除偽目標(biāo)區(qū)域；對(duì)得到的圖像進(jìn)行聚類并對(duì)目標(biāo)飛機(jī)位置進(jìn)行標(biāo)注，最終得到的類的數(shù)目即為檢測到的飛機(jī)數(shù)，每類的類心位置即為目標(biāo)飛機(jī)的中心位置。本發(fā)明還公開了一種遙感圖像飛機(jī)檢測系統(tǒng)，包括順次連接的邊緣檢測單元、二值化處理單元、角點(diǎn)檢測單元、候選飛機(jī)區(qū)域選取單元、聚類單元。相比現(xiàn)有技術(shù)，本發(fā)明具有更好的檢測效果和更高的檢測效率。
文檔編號(hào)G06T7/00GK102298698SQ20111014160
公開日2011年12月28日 申請(qǐng)日期2011年5月30日 優(yōu)先權(quán)日2011年5月30日
發(fā)明者萬定生, 仇建斌, 馮鈞, 朱躍龍, 李士進(jìn), 王瑋 申請(qǐng)人:河海大學(xué)