发明名称 一种基于直线分割的遥感图像机场自动检测方法
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。
申请公布号 CN102750703A 申请公布日期 2012.10.24
申请号 CN201210216815.4 申请日期 2012.06.27
申请人 北京航空航天大学 发明人 史振威;刘柳;寇祖阳;隆姣
分类号 G06T7/00(2006.01)I 主分类号 G06T7/00(2006.01)I
代理机构 北京慧泉知识产权代理有限公司 11232 代理人 王顺荣;唐爱华
主权项 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1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NOT USED;(5)对于梯度大于ρ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NOT USED: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)≤ε,则将矩形框增加到输出列;其中:NFA(r,i)=(NM)5/2γ·B(n(r),k(r,i),p) <mrow> <mi>B</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>k</mi> <mo>,</mo> <mi>p</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mi>k</mi> </mrow> <mi>n</mi> </munderover> <mfenced open='(' close=')'> <mtable> <mtr> <mtd> <mi>n</mi> </mtd> </mtr> <mtr> <mtd> <mi>j</mi> </mtd> </mtr> </mtable> </mfenced> <msup> <mi>p</mi> <mi>j</mi> </msup> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>p</mi> <mo>)</mo> </mrow> <mrow> <mi>n</mi> <mo>-</mo> <mi>j</mi> </mrow> </msup> </mrow>其中,M,N分别为矩形的长和宽,γ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,ε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ε阈值;(2)在距离直线段的2ε平面域内;(3)直线段的中心距离在一定的τ范围内;判断直线段是否在该平面域内,首先在满足(1)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ε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L1,长度即为d1;(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=d1+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top10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1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。
地址 100191 北京市海淀区学院路37号