本發(fā)明涉及機(jī)動測控的圖像處理，尤其涉及一種基于圖像多尺度邊緣鏈檢測的遮蔽角測量方法。

背景技術(shù)：

1、現(xiàn)代戰(zhàn)爭中，雷達(dá)等機(jī)動測控設(shè)備的作用愈發(fā)重要。雷達(dá)陣地遮蔽角是某個方向上發(fā)現(xiàn)目標(biāo)的最小高低角，是制約雷達(dá)探測能力的重要戰(zhàn)場環(huán)境因素之一。當(dāng)雷達(dá)天線仰角小于這個角度時，由于地形或地物對天線波束遮擋，雷達(dá)無法發(fā)現(xiàn)目標(biāo)，會在不同方向產(chǎn)生大小、范圍不一的雷達(dá)探測盲區(qū)，空情的盲區(qū)和漏洞將會對防空作戰(zhàn)的成敗產(chǎn)生直接影響，因此檢測雷達(dá)遮蔽角是雷達(dá)選址以及掌握雷達(dá)站周邊遮蔽狀況的一項重要工作，雷達(dá)遮蔽角的計算是雷達(dá)基站建設(shè)和運行的前提與基礎(chǔ)，是軍事上通視分析的典型應(yīng)用。

2、傳統(tǒng)遮蔽角測量方法采取落后的手工作業(yè)方式，費時耗力且繪圖精度差；后有使用autocad等繪圖軟件進(jìn)行輔助測繪的方法，但測算精度仍然較差。

3、因此，有必要提供一種新的基于圖像多尺度邊緣鏈檢測的遮蔽角測量方法解決上述技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明解決的技術(shù)問題是提供一種能夠顯著提高遮蔽角測量的精度并提高測量過程的效率，對軍事、地理等方面的機(jī)動測控工作具有重要意義的基于圖像多尺度邊緣鏈檢測的遮蔽角測量方法。

2、為解決上述技術(shù)問題，本發(fā)明提供的基于圖像多尺度邊緣鏈檢測的遮蔽角測量方法包括：s1：對原始輸入圖像進(jìn)行不同尺度的縮放得到一組金字塔圖像，提取并驗證邊緣鏈；s2：對每個下采樣圖像，將其上的邊緣鏈投影到原始圖像上，創(chuàng)建掩碼映射；s3：計算掩碼圖上各像素點的多尺度對比度，采用軟非極大值抑制方法對這些像素點進(jìn)行抑制，得到原始圖像上的邊緣像素點；s4：采用新的基于鏈的合并方法，對不同尺度的邊緣鏈進(jìn)行合并，得到單一的邊緣映射；s5：在邊緣圖上應(yīng)用郭-霍爾細(xì)化算法和一個簡單的連接過程，得到最終的單像素寬度邊緣鏈，實現(xiàn)邊緣檢測；s6：對于圖像的各邊緣點，利用相機(jī)的成像原理計算遮蔽角。

3、優(yōu)選的，所述s1中，對經(jīng)過非最大抑制后的邊緣圖上、其邊緣鏈大多為單像素寬度進(jìn)行的邊緣鏈提取，具體為：對于一個大小為w×h的給定圖像，將圖像的大小隨著尺度級別的增加而減少一半，調(diào)整后的圖像集合記為i，對于i中的每張圖像，使用邊鏈檢測器檢測其上的邊緣鏈；in上的邊鏈集記為cn；針對一幅灰度圖像i，首先采用高斯濾波器對圖像進(jìn)行噪聲抑制和平滑處理；對平滑后的圖像進(jìn)行低閾值和高閾值分別設(shè)為(glow，ghigh)的canny算子，得到一張邊緣圖e；e上的邊緣像素按照梯度大小從高到低的順序粗略排序，記錄在一個集合p中；選取p中最前面的未處理的邊緣像素作為初始種子像素pseed；搜索pseed的8個鄰像素，如果其中存在一個鄰像素是一個未處理的邊緣像素，則將其視為下一個種子像素，并將其添加到當(dāng)前的邊緣鏈中，從新添加的像素開始重復(fù)搜索過程。

4、優(yōu)選的，所述s1中，隨著尺度的增大，在低階上較弱的邊鏈在高階上會比較突出，采用針對邊緣鏈集合的邊緣驗證方法為：在邊緣鏈集合c中模擬基于分段的遲滯閾值化方法，利用邊緣鏈上所有像素的梯度之和來度量邊緣鏈的顯著性，來判斷是否為真檢測。

5、優(yōu)選的，所述s3中，軟非最大抑制方法的具體過程為：遍歷圖像i0，對于i0上的任意像素p0＝(x0，y0)進(jìn)行邊緣像素假設(shè)；對于所有邊緣像素假設(shè)，生成一個大小為i0的掩模圖像；對掩模圖像上的每個像素p0，定義其梯度方向為縮放像素pn的梯度方向，這是因為pn的梯度取向比p0的梯度取向更穩(wěn)健，梯度方向與canny算子中采用的傳統(tǒng)非最大抑制方法一致，分為4個方向，在跨度為sn的范圍內(nèi)的像素沿梯度方向在i0上累積圖像強度，分別將其表示為v1和v2，p0的多尺度對比定義為|v1-v2|/sn；建立對比圖記錄所有邊緣像素假設(shè)的多尺度對比；采用軟非極大值抑制方法soft-nms用于獲取真實邊緣像素，對于掩膜圖像上的每個邊緣像素假設(shè)pi0，其對比度為ci，在其方向的每邊搜索從pi0開始的相鄰像素，其張成空間為sn；如果不存在比pi0對比度大cth的相鄰邊像素假設(shè)pi0，則認(rèn)為該邊像素假設(shè)pi0為實邊像素，在每個級別n，n>0上應(yīng)用軟非最大抑制過程，對于原始(級別0)圖像則不需要應(yīng)用該過程，保留級別0上所有邊鏈的像素；由此對于每一層，得到一個與i0大小相同的邊映射，每個邊像素都標(biāo)注了對應(yīng)邊鏈的id，這些邊映射的集合記為e。

6、優(yōu)選的，所述s4中，采用新的基于鏈的合并方法具體為：基于多尺度檢測到的邊緣鏈的合并方法；把多尺度邊緣合并問題看作是用更高層次的邊鏈構(gòu)造0級邊映射的過程；通常有兩種類型的構(gòu)成類別：1、覆蓋存在多個邊緣鏈檢測的雜波區(qū)域；2、填充兩個相鄰邊鏈之間的空隙，采用的邊鏈合并方法具體為：首先，創(chuàng)建單個邊緣地圖emerged；e0上的所有邊鏈像素在emerged中保持不變；對于每一層n,n>0，該層上對應(yīng)的邊鏈集和邊映射分別記為cn和en；對于每個邊鏈c∈cn，從開始到結(jié)束依次遍歷c中的每個像素，以找到每個像素的類型；對于c上的一個像素pn，在邊緣映射en上pn對應(yīng)的像素集合記為p，然后在邊緣映射emerged上搜索p中的像素，根據(jù)emerged中記錄的邊鏈id值計算邊鏈個數(shù)num，pn的類型可以分為以下幾種：類型0:如果num＝1，表示只有一個底層邊鏈與c重疊，則為了精確保留底層邊鏈；類型1:如果num≥2，表示存在多個與c重疊的低層邊鏈，且p中存在混沌檢測，則應(yīng)將這些像素用當(dāng)前的邊鏈c覆蓋；類型2:如果num＝0，意味著在p中不存在低級邊鏈，則這些像素應(yīng)該用當(dāng)前的邊鏈c填充；根據(jù)c上每個像素的分類，建立屬于類型1或類型2的像素的間隔，并在每個終端上將這些間隔延長一個像素，以便更好地與已記錄在emerged中的邊鏈連接。

7、優(yōu)選的，所采用的多尺度邊緣鏈檢測的最終輸出是一組單像素寬度的邊緣鏈檢測，邊鏈合并的結(jié)果是一個單邊圖；由低到高的邊緣鏈合并得到的邊緣圖保留了所有的單像素寬度的邊緣鏈，并通過形態(tài)學(xué)膨脹過程保持不變；對于多像素寬度邊緣上的這些像素，由于一個邊緣像素附近的相鄰像素共享非常接近的邊緣響應(yīng)，因此不需要找出其中最強的像素，對這些像素也適用形態(tài)膨脹處理；對此采用考慮到每個像素的3×3領(lǐng)域的形態(tài)學(xué)膨脹方法—guo-hall細(xì)化。

8、優(yōu)選的，所述s5中，郭-霍爾細(xì)化的具體過程為：交替刪除東、北邊界像素；刪除西、南邊界像素，將邊緣區(qū)域的中間位置定位為邊鏈像素；對兩個子字段之一交替應(yīng)用細(xì)化算子；得到結(jié)果是一個單像素寬度的邊緣圖，記為esingle；從esingle中檢測出單像素寬度的邊緣鏈，就實現(xiàn)了圖像邊緣提取。

9、優(yōu)選的，所述s6中，針對所提取的圖像邊緣上各點，根據(jù)相機(jī)成像原理計算每點的遮蔽角。

10、與相關(guān)技術(shù)相比較，本發(fā)明提供的基于圖像多尺度邊緣鏈檢測的遮蔽角測量方法具有如下有益效果：

11、本發(fā)明提供一種基于圖像多尺度邊緣鏈檢測的遮蔽角測量方法，能夠?qū)崿F(xiàn)對障礙物遮蔽角的自動化檢測識別，算法簡單、易于實現(xiàn)，具有良好的魯棒性，且大幅提升了檢測的效率，節(jié)省人力物力，檢測精度明顯優(yōu)于傳統(tǒng)的遮蔽角檢測方法。