CN102254162B - 基于最小直线比率的sar图像机场跑道检测方法 - Google Patents

Abstract

本发明公开一种SAR图像机场跑道检测方法，主要克服已有技术计算量大的问题。其实现步骤为：(1)对输入的待检测SAR机场图像进行小波软阈值滤波；(2)对滤波后的图像进行边缘检测，得到边缘图像E(x，y)；(3)搜索边缘图像中所有相互连接的边缘曲线，并记录每条曲线所包含像素点的坐标及每条曲线所包含的像素点数n_p；(4)设定最短直线长度l_min，当曲线所包含的像素点数小于最短直线长度时，则忽略此曲线，反之则进行多直线拟合，并记录拟合所需直线数n_l；(5)求每条曲线的直线比率：γ＝n_p/n_l；(6)设定最小直线比率γ_min，将直线比率γ大于最小直线比率γ_min的曲线所对应的位置视为飞机场跑道的边界。本发明具有检测准确、计算复杂度低、检测效率高的优点，可用于SAR机场图像机场跑道的检测。

Description

基于最小直线比率的SAR图像机场跑道检测方法

技术领域

本发明属于数字图像处理领域，涉及数字图像边缘检测方法及从边缘曲线中提取直线边缘的方法，用于对SAR图像中的机场跑道进行检测和识别。

背景技术

遥感图像辅助目标识别系统的开发从20世纪70年代开始一直是许多学者们的兴趣所在。机场目标识别是其中的一个重要分支，而机场跑道的检测则是整个机场目标识别的基础。能否准确的检测出跑道目标无论是对遥感图像的计算机辅助判读，还是对GIS信息的辅助更新，以及战场打击效果的评估都有着重要的意义。

合成孔径雷达SAR具有全天候全天时对地球表面进行观察的能力，并且随着信号处理技术的提高，目前已经达到很高的空间分辨率，这使得SAR传感器在军事侦察和战场感知中发挥了越来越大的作用，目前SAR自动目标检测和识别是一个受到国内外高度关注的领域。

线性特征是SAR图像中目标的一个重要特征，如机场、港口、建筑物等。线性目标的检测与提取是SAR图像目标识别中的一个关键步骤，在SAR图像的应用中有着重要的价值。由于SAR图像中存在着相干斑噪声，这使得对线性体和边界的自动检测与识别遇到了一定的困难。传统的方法就是基于像素级，对噪声比较敏感。

SAR图像机场跑道提取的流程可按照图像分层理论笼统的分为边缘检测、线基元提取和基元连接及机场跑道提取，这些是对图像进行低层处理、中层处理和高层处理的三个主要的步骤。这类方法对低层边缘检测的结果精度要求很高，在线基元提取的过程中平行线检测大多采用hough变换，而hough在直线检测时存在着固有的缺陷：(1)会受栅格图像锯齿问题的影响，导致一条直线的hough变换结果呈两条或者多条直线；(2)只能检测出局部最长的一条直线；(3)只能检测出局部直线的位置，并不能检测出直线的端点坐标。所以这些方法对复杂场景中提取机场目标并不能达到理想的效果。

Michel等人在1990年提出使用经过地理配准的多源图像来检测机场的存在。首先把待检测的图像在地理参考系统中进行配准，再利用地理信息确定机场存在的大致区域，最后使用模糊滤波器来检测机场跑道的存在。该方法虽然能够在相对较大、较复杂的场景中检测机场跑道的目标，但是检测速率比较低、算法复杂度高。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于最小直线比率的SAR图像机场跑道检测方法，以在保证检测精度的前提下提高复杂SAR图像中目标的检测速率、降低算法复杂度。

为实现上述目的，本发明包括如下步骤：

(1)对输入的待检测SAR机场图像进行小波软阈值滤波；

(2)对滤波后的图像进行基于二进小波变换的图像边缘检测，其中边缘点用255表示，非边缘点用0表示，得到和原始图像大小相同的边缘矩阵E(x，y)；

(3)搜索边缘图像中所有相互连接且宽度为1的边缘曲线，并记录每条曲线所包含像素点的坐标及每条曲线所包含的像素点数n_p；

(4)设定最短直线长度l_min＝120，对于每条曲线，当曲线所包含的像素点数小于最短直线长度时，则忽略此曲线，反之则在一定最大误差上限下用最小二乘法进行多直线拟合，并记录拟合所需直线数n_l；

(5)求每条曲线的直线比率：γ＝n_p/n_l；

(6)设定最小直线比率γ_min＝100，将直线比率γ大于最小直线比率γ_min的曲线在图像中所对应的位置视为飞机场跑道的边界。

本发明相比现有技术具有以下优点：

(1)本发明在边缘检测前对图像进行了小波软阈值滤波，减小了噪声的影响，提高了检测的准确性；

(2)本发明将基于二进小波变换的图像边缘检测方法引入机场跑道检测中，有效的解决了传统方法中出现的伪边缘、有意义边缘损失以及边缘过粗的问题；

(3)本发明采用最小二乘法进行直线拟合，降低了检测过程的复杂度；

(4)本发明引进了最短直线长度l_min，用于判定对曲线拟合所得的直线是否为曲线的直线，简化了机场跑道的检测过程；

(5)本发明引进了最小直线比率γ_min，用于机场跑道的检测，相比现有技术更简洁、准确、高效。

附图说明

图1是本发明的流程框图；

图2是用本发明对人工合成图像检测的结果图；

图3是本发明输入的三幅待检测SAR机场图像；

图4是对图3进行小波软阈值滤波后的效果图；

图5是对图4进行边缘检测的结果图；

图6是对图5进行机场跑道检测的结果图；

图7是检测出来的机场跑道与原始待检测SAR机场图像的叠加图。

具体实施方式

参照图1，本发明的具体实现步骤如下：

步骤1，对输入的待检测SAR机场图像进行滤波。

本发明采用小波软阈值滤波，其中小波分解的层数选取为两层，即j＝1，2。并按如下步骤进行：

1a)对输入如图3所述的待检测SAR机场图像进行小波变换，得图像的小波系数矩阵

1b)对小波系数矩阵

的每一个元素进行软阈值处理，其中阈值参数λ＝20，得到滤波后的小波系数

由滤波后的小波系数

得到滤波后的小波系数矩阵对矩阵

进行逆小波变换得滤波后图像，如图4所示。

步骤2，对滤波后的图像进行二进小波边缘检测。

为了得到更好的边缘检测结果，本发明采用基于二进小波变换的边缘检测方法，实现步骤如下：

2a)对滤波后的图像，即图4，进行二进小波多尺度分解；

2b)计算每一尺度下二进小波变换系数的模值与梯度幅角，即模值

梯度幅角v＝arccot(w₁/w₂)，其中w₁、w₂分别为滤波图像在每一尺度小波变换中横向滤波和纵向滤波的值；

2c)在每一尺度下，检测小波变换系数的模极大值点，并将非极大值点的二进小波变换系数的模值标记为0，得到不同尺度下二进小波变换系数模极大值矩阵；

2d)将得到的模极大值矩阵以图像形式输出，得到单像素宽的图像边缘矩阵E(x，y)，如图5所示。

步骤3，搜索边缘图像中所有相互连接且宽度为1的边缘曲线，并记录每条曲线所包含像素点的坐标及每条曲线所包含的像素点数n_p。

3a)将图5所示的边缘矩阵E(x，y)的左上角第一个非零点作为当前点(x_c，y_c)并在其八邻域内搜索其它的非零点，如果该点的8邻域中只有一个非零点(x_e，y_e)，则将该非零点(x_e，y_e)存入一个数据链中，并将边缘矩阵中该位置所对应的值改为0，用点(x_e，y_e)替换点(x_c，y_c)作为当前点继续搜索；

3b)如果(x_c，y_c)的八邻域内有K(K≥2)个非零点i＝1，K，K，则将其中一个非零点存入链中，并将非零点

在边缘矩阵E(x，y)中所对应位置的值改为0，将剩余的非零点

i≠j存入一个栈中，然后用非零点

替换当前点(x_c，y_c)继续搜索；

3c)当(x_c，y_c)的八邻域内没有非零点时，则按“后进先出”的原则从栈取出一个点作为当前搜索点(x_c，y_c)继续搜索其八邻域，直至栈内的点为空，即可得到一个相互连接的边缘曲线和更新了的边缘矩阵，并记录该边缘曲线所包含的像素点数n_p；

3d)对于更新后的边缘矩阵，同样以左上角的第一个非零点作为起始点，重复上面的操作，直至边缘矩阵不再存在非零点，此时即找出了边缘矩阵中的所有曲线。

步骤4，设定最短直线长度l_min＝120，对于每条曲线，当曲线所包含的像素点数小于最短直线长度时，则忽略此曲线，反之则在一定最大误差上限下用最小二乘法进行多直线拟合，并记录拟合所需直线数n_l。对曲线的多直线拟合按如下步骤实现：

4a)设定最大误差上限T₁，T₁＝0.2；

4b)从第三步所得数据链表中的每个边缘曲线的前三个点开始，用最小二乘法对这三个点进行直线拟合，并计算该直线的平均误差：

其中h₁、h₂、h₃分别是这三个点与该直线的误差，当平均误差小于最大误差上限T₁时，则认为他们可用一条直线逼近；

4c)从数据链表中获取边缘曲线的下一个点并加入到直线中，重新进行直线拟合并计算平均误差，当平均误差小于最大误差上限T1时，认为这四个点也可以用一条直线来逼近，继续加入曲线中的下一个点直至平均误差大于最大误差上限T1，并把上一个点作为该直线的终点，该点作为下一条直线的起点，按上面的方法重新进行直线拟合，直至将整个边缘曲线在最大误差上限下用多条直线来逼近，记录所用直线数n_l。

步骤5，设定最小直线比率γ_min，求每条曲线的直线比率，将曲线的直线比率与最小直线比率比较并确定曲线是否为飞机场跑道的边界。

5a)求每条曲线的直线比率：γ＝n_p/n_l；

5b)设定最小直线比率γ_min，将直线比率γ大于最小直线比率γ_min的曲线在图像中所对应的位置视为飞机场跑道的边界，最终检测出来的飞机场跑道边界如图6所示。

本发明的效果可以通过下面的仿真结果进一步说明。

仿真1、用本发明对人工合成图像图2(a)进行检测。

首先，对图2(a)进行二进制边缘检测得图2(b)，可以看到图像的边缘都被准确、全面的检测出来了；

其次，对图2(b)用本发明进行直线型目标检测得图2(c)，对于图2(b)所示边缘检测图像中的椭圆和圆形曲线，因为在最大误差上限T1＝0.2下用最小二乘法进行多直线拟合时需要多条直线对其进行逼近，且图中椭圆和圆形曲线所包含的像素点数也不是非常多，导致计算出来的直线比率较小；而对于图2(b)所示边缘检测图像中的三角形和正方形曲线，虽然分别只需要三条和四条直线对其进行逼近，但这两条曲线所包含的像素点太少，导致计算出来的直线比率也比较小，所以通过本发明可以很容易地将这两种曲线判定为不是飞机场跑道的边界。由此可见本发明的方法可以将具有较大直线比率的曲线检测为飞机场跑道的边界，而这正是飞机场跑道所具有的特点；

最后，将图2(c)与图2(a)叠加得出图2(d)的结果。从图2(d)可以看出本发明能够将具有明显直线特性的曲线准确的检测出来，而直线特性正是SAR图像中机场跑道的重要特性。

仿真2、用本发明分别对图3(a)、3(b)和3(c)所示的三幅待检测SAR机场图像进行飞机场跑道检测。

1)分别对图3(a)、3(b)和3(c)所示的三幅待检测SAR机场图像进行小波软阈值滤波，得到图4(a)、4(b)和4(c)，从图4(a)、4(b)和4(c)可以看出通过小波软阈值滤波后图像的噪声大大减少了，这为后面的检测降低了噪声的影响；

2)分别对图4(a)、4(b)和4(c)所示的滤波后图像进行二进小波边缘检测得到图5(a)、5(b)和5(c)，从图5(a)、5(b)和5(c)可以看出，基于二进小波的边缘检测方法边缘定位准确，而且具有一定的抗噪声干扰能力；

3)分别对图5(a)、5(b)和5(c)所示的边缘图像用本发明进行跑道检测得到图6(a)、6(b)和6(c)，从图6(a)、6(b)和6(c)可以看出本发明能够准确的检测出机场跑道；

4)依次将图6(a)、6(b)和6(c)所示的检测出来的机场跑道与图3(a)、3(b)和3(c)所示的原始待检测SAR机场图像叠加得到图7(a)、7(b)和7(c)，通过图7(a)、7(b)和7(c)可以证明本发明的检测结果是准确的。

综上所述，本发明在边缘检测前对图像进行了小波软阈值滤波，减小了噪声的影响，使检测更准确；同时本发明将二进小波边缘检测方法引入机场跑道检测中，有效的解决了传统方法中出现的伪边缘、有意义边缘损失以及边缘过粗的问题；此外本发明还引进了最短直线长度和最小直线比率，分别用于直线和飞机跑道的检测，具有复杂度低、准确、高效的特点。

Claims (2)

1.一种基于最小直线比率的SAR图像机场跑道检测方法，包括如下步骤：

(1)对输入的待检测SAR机场图像进行小波软阈值滤波；

(2)对滤波后的图像进行基于二进小波变换的图像边缘检测，其中边缘点用255表示，非边缘点用0表示，得到和原始图像大小相同的边缘矩阵E(x,y)；

(3)搜索边缘图像中所有相互连接且宽度为1的边缘曲线，并记录每条曲线所包含像素点的坐标及每条曲线所包含的像素点数n_p；

(4)设定最短直线长度l_min=120，对于每条曲线，当曲线所包含的像素点数小于最短直线长度时，则忽略此曲线，反之则在一定最大误差上限下用最小二乘法进行多直线拟合，并记录拟合所需直线数n_l；

(5)求每条曲线的直线比率：γ＝n_p/n_l；

(6)设定最小直线比率γ_min＝100，将直线比率γ大于最小直线比率γ_min的曲线在图像中所对应的位置视为飞机场跑道的边界；

步骤(1)所述的用小波软阈值法对输入的待检测SAR机场图像进行滤波，按如下步骤进行：

1a)对输入的待检测SAR机场图像进行小波变换，得图像的小波系数矩阵

1b)对小波系数矩阵

的每一个元素

进行软阈值处理，其中阈值参数λ＝20，得到滤波后的小波系数

${\tilde{u}}_j=\left\{\begin{array}{cc}{\tilde{f}}_j-\frac{1}{\mathrm{\λ}}\mathrm{sign}\left({\tilde{f}}_j\right),& \mathrm{if}\left|{\tilde{f}}_j\right|>\frac{1}{\mathrm{\λ}}\\ 0,& \mathrm{if}\left|{\tilde{f}}_j\right|\≤\frac{1}{\mathrm{\λ}}\end{array}\right.$

2c)由滤波后的小波系数

构造滤波后的小波系数矩阵矩阵

对小波系数矩阵

进行逆小波变换得滤波后SAR图像；

步骤(3)所述的搜索边缘检测图像中的所有相互连接且宽度为1的边缘曲线，按如下步骤进行：

3a)将边缘矩阵E(x,y)左上角第一个非零点作为当前点(x_c,y_c)并在其八邻域内搜索其它的非零点，如果该点的8邻域中只有一个非零点(x_e,y_e)，则将该非零点(x_e,y_e)存入一个数据链中，并将边缘矩阵中该位置所对应的值改为0，用点(x_e,y_e)替换点(x_c,y_c)作为当前点继续搜索；

3b)如果(x_c,y_c)的八邻域内有K,K≥2个非零点

则将其中一个非零点

存入链中，并将非零点

在边缘矩阵E(x,y)中所对应位置的值改为0，将剩余的非零点

存入一个栈中，然后用非零点

替换当前点(x_c,y_c)继续搜索；

3c)当(x_c,y_c)的八邻域内没有非零点时，则按“后进先出”的原则从栈取出一个点作为当前搜索点(x_c,y_c)继续搜索其八邻域，直至栈内的点为空，即可得到一个相互连接的边缘曲线和更新了的边缘矩阵；

3d)对于更新后的边缘矩阵，同样以左上角的第一个非零点作为起始点，重复上面的操作，直至边缘矩阵不再存在非零点，此时即找出了边缘矩阵中的所有曲线。

2.根据权利要求1所述的SAR图像机场跑道检测方法，其中步骤(4)所述的在一定最大误差上限下用最小二乘法对曲线进行多直线拟合，按如下步骤进行：

4a)设定最大误差上限T1，T1=0.2；

4b)从步骤(3)所得的每个边缘曲线的前三个点开始，用最小二乘法对这三个点进行直线拟合，并计算该直线的平均误差：

其中h₁、h₂、h₃分别是这三个点与该直线的误差，当平均误差小于最大误差上限T1时，则认为他们可用一条直线逼近；

4c)从数据链表中获取边缘曲线的下一个点并加入到直线中，重新进行直线拟合并计算平均误差，当平均误差小于最大误差上限T1时，认为这四个点也可以用一条直线来逼近，继续加入曲线中的下一个点直至平均误差大于最大误差上限T1，并把上一个点作为该直线的终点，该点作为下一条直线的起点，按上面的方法重新进行直线拟合，直至将整个边缘曲线在最大误差上限下用多条直线来逼近，记录所用直线数n_l。

Images