CN103162669A - 航拍图像机场区域检测方法 - Google Patents
航拍图像机场区域检测方法 Download PDFInfo
- Publication number
- CN103162669A CN103162669A CN2013100647341A CN201310064734A CN103162669A CN 103162669 A CN103162669 A CN 103162669A CN 2013100647341 A CN2013100647341 A CN 2013100647341A CN 201310064734 A CN201310064734 A CN 201310064734A CN 103162669 A CN103162669 A CN 103162669A
- Authority
- CN
- China
- Prior art keywords
- line segment
- dist
- line
- segment
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种航拍图像机场区域检测方法,用于解决现有长线状特征下机场跑道检测方法检测效果差的技术问题。技术方案是首先根据机场跑道长直线的特征,利用Steger算法强化出图像中的线状目标,通过计算Hessian矩阵的最大绝对值的特征值确定线状目标中心点;再利用Hough变换对Steger算法强化线状目标的结果进行直线检测;最后通过直线连接和统计来确定机场区域的位置。由于在Steger算法结果的基础上进行Hough变换检测直线,去除了大量的干扰线段,提高了机场区域的检测效果。
Description
技术领域
本发明涉及一种机场区域检测方法,特别是涉及一种航拍图像机场区域检测方法。
背景技术
机场是航拍图像中一种非常重要的人工目标,能够自动且快速地从航拍图像中检测机场所在区域,具有非常重要的意义。机场检测大多研究如何提取跑道从而确定是否存在机场,现有的机场跑道自动检测与识别方法大致分为:基于边缘检测的方法和基于区域分割的方法,以及基于上下文的跑道识别。
文献“长线状特征下机场跑道检测方法,红外与激光工程,2012,Vo1.41(4),p1078-1082”公开了一种基于长线状特征的跑道识别方法。该方法利用跑道在图像中的高对比度和整体的长直线特征,提取出潜在的跑道中心线,之后对有效边缘进行Hough变换,提取满足机场约束条件的平行直线对。但是,在机场跑道长宽定位阶段,由于搜索时假设机场跑道的宽度为40-80m之间,因此对于不同宽度的机场跑道目标,具有局限性,无法检测宽度在该区域以外的机场跑道目标。
发明内容
为了克服现有长线状特征下机场跑道检测方法检测效果差的不足,本发明提供一种航拍图像机场区域检测方法。该方法首先根据机场跑道长直线的特征,利用Steger算法强化出图像中的线状目标,通过计算Hessian矩阵的最大绝对值的特征值确定线状目标中心点;再利用Hough变换对Steger算法强化线状目标的结果进行直线检测;最后通过直线连接和统计来确定机场区域的位置。由于在Steger算法结果的基础上进行Hough变换检测直线,去除了大量的干扰线段,可以提高机场区域的检测效果。
本发明解决其技术问题所采用的技术方案是:一种航拍图像机场区域检测方法,其特点是包括以下步骤:
步骤一、对于航拍图像中的某一点x0,其邻域的二阶泰勒展开式为:
式中,s为尺度,即模板大小; 求Hessian矩阵H0,s的特征值:
对于某一个固定的尺度s,Hessian矩阵的特征值为λ1,λ2,设|λ1|≤|λ2|。对于线状目标,其满足|λ1|≈0,|λ1|<<|λ2|。若背景暗,目标亮,则λ2<0;若背景亮,目标暗,则λ2>0。根据线状目标Hessian矩阵特征值的特点,定义其相应函数:
式中,β=0.5;C=0.5;Rβ=λ1/λ2;在尺度范围[smin,smax]内,求出响应的最大值作为输出:
步骤二、利用Hough变换将不连续的像素边缘连接起来,其直线极坐标方程如下:
ρ=xcosθ+ysinθ
根据直线极坐标方程,原航拍图像空间中的点对应新参数空间中的一条正弦曲线,检测直线的具体过程就是让θ取遍可能的值,然后计算ρ的值,再根据θ和ρ的值对累加数组累加,从而得到共线点的个数。当直线从与x轴重合处逆时针旋转时,θ的值由0°增大到180°,所以由直线极坐标方程可知:其中当且仅当x和y都达到最大且时,由θ和ρ的取值范围和分辨率确定累加器的大小,从而检测直线。
步骤三、对Hough变换后的线段检测结果首先进行线段连接,将位置相近、斜率相近的较短的线段连接成长线段;线段连接方法如下:
①对于线段L1,倾斜角度为θ1,两个端点分别记为P1和P2,寻找与线段L1的某一个端点共尺度边的线段L2,倾斜角度为θ2,端点分别记为P3和P4;
②求线段L1和线段L2两两端点间的距离,即Dist(P1,P2),Dist(P1,P4),Dist(P3,P2),Dist(P3,P4);
③条件1:四个距离中最小的距离Min(Dist)小于阈值dist,
条件2:|θ1-θ2|<阈值threshold,threshold取6;
条件3:四个距离中最大的距离max(Dist)大于两条直线中最长的长度,
④当步骤③成立时,将线段L1和线段L2连接成为一条长线段,同时删除参与连接的线段L1和线段L2。
⑤当步骤③不成立时,继续搜索,有可连接的线段,回到步骤①;没有可连接的线段,结束;
统计确定目标位置的方法如下:
①将斜率的0°~180°分为六个区间,分别统计线段连接步骤输出的所有长线段落在六个区间的数量,即N1,N2,N3,N4,N5,N6;
统计Nmax中长线段的起始点坐标,得到目标框的位置。
本发明的有益效果是:该方法首先根据机场跑道长直线的特征,利用Steger算法强化出图像中的线状目标,通过计算Hessian矩阵的最大绝对值的特征值确定线状目标中心点;再利用Hough变换对Steger算法强化线状目标的结果进行直线检测;最后通过直线连接和统计来确定机场区域的位置。由于在Steger算法结果的基础上进行Hough变换检测直线,去除了大量的干扰线段,提高了机场区域的检测效果。
下面结合实施例对本发明作详细说明。
具体实施方式
本发明航拍图像机场区域检测方法具体步骤如下:
1、Steger提取线特征中心。
首先利用中值滤波先对航拍图像进行处理,较好地消除图像采集中的噪声干扰问题。Steger的基于Hessian矩阵的边缘检测算法,首先将图像与高斯核卷积后得到偏导数,对任意一幅二维图像,均可得到其Hessian矩阵,而Hessian矩阵的2个特征值分别为图像灰度函数的二阶导数的极大值和极小值。
通过求取Hessian矩阵的最大绝对特征值和所对应的特征向量,即可获得法线方向和在该方向的二阶导数。
对于二维图像L(x0),x0是图像中的某一点,Steger认为线条中心点处的一阶导数为零,即中心点法向方向上的一阶方向导数为零,且二阶方向导数取极大绝对值的点就是线条中心点。
对于图像中的某一点x0,其邻域的二阶泰勒展开式为:
其中,s为尺度,即模板大小; 求Hessian矩阵H0,s的特征值:
对于某一个固定的尺度s,Hessian矩阵的特征值为λ1,λ2,设|λ1|≤|λ2|。对于线状目标,其满足|λ1|≈0,|λ1|<<|λ2|。若背景暗,目标亮,则λ2<0;若背景亮,目标暗,则λ2>0。由于目前采集的跑道是线状亮目标,根据上述线状目标Hessian矩阵特征值的特点,可以定义下面的相应函数:
有经验结果表明,尺度空间应选择跑道成像宽度范围的两倍,强化出来的线性目标更明显,可以抑制大量非线性目标。
2、Hough变换检测跑道。
利用Hough变换可方便地得到边界曲线而将不连续的像素边缘连接起来,其主要优点是受噪声和曲线间的影响小,利用Hough变换可以直接检测某些已知形状的目标,例如直线。
采用直线极坐标方程,变换方程如下所示:
ρ=xcosθ+ysinθ
根据这个方程,原图像空间中的点对应新参数空间中的一条正弦曲线,检测直线的具体过程就是让θ取遍可能的值,然后计算ρ的值,再根据θ和ρ的值对累加数组累加,从而得到共线点的个数。当直线从与x轴重合处逆时针旋转时,θ的值由0°增大到180°,所以由直线极坐标方程可知:其中所以当且仅当x和y都达到最大且时,由它们的取值范围和分辨率就可以确定累加器的大小,从而检测直线。
3、后处理。
对Hough变换后的线段检测结果首先进行线段连接,将位置相近、斜率相近的较短的线段连接成长线段;在此基础上将0°~180°的斜率分为6个区间,分别统计该6个区间上的长线段的数量。由于在前两步的处理中,显示结果中机场跑道目标所包含的长线段最多,因此统计结果中长线段最多的斜率区间即为机场跑道的斜率。在确定好的斜率区间内,统计所有长直线段的起始点坐标,从而确定出目标的位置。
利用机场跑道的上述特征,可以将机场跑道提取出来。由于机场跑道为长直线,所以将提取出来的机场跑道再次进行短线连接,从而得到完整的机场跑道图。
后处理阶段的线段连接方法如下:
④对于线段L1,倾斜角度为θ1,两个端点分别记为P1和P2,寻找与此线的某一个端点共尺度边的线段L2,倾斜角度为θ2,端点分别记为P3和P4;
⑤求这两个线段的两两端点间的距离,得到四个距离,即Dist(P1,P2),Dist(P1,P4),Dist(P3,P2),Dist(P3,P4)
⑥条件1:四个距离中最小的距离Min(Dist)小于阈值dist,
条件2:|θ1-θ2|<阈值threshold,此处,threshold取6;
条件3:四个距离中最大的距离max(Dist)大于两条直线中最长的长度,
⑥当步骤③成立时,连接两条线段,删除参与连接的两条线段L1和L2。
⑦当步骤③不成立时,继续搜索,有可连接的线段,回到步骤①;没有可连接的线段,结束;
后处理阶段统计确定目标位置的方法如下:
③将斜率的0°~180°分为六个区间,分别统计上述线段连接得到的长线段落在六个区间的数量,即N1,N2,N3,N4,N5,N6;
统计Nmax中长线段的起始点坐标,得到目标框的位置。
Claims (1)
1.一种航拍图像机场区域检测方法,其特征在于包括以下步骤:
步骤一、对于航拍图像中的某一点x0,其邻域的二阶泰勒展开式为:
式中,s为尺度,即模板大小; 求Hessian矩阵H0,s的特征值:
对于某一个固定的尺度s,Hessian矩阵的特征值为λ1,λ2,设|λ1|≤|λ2|;对于线状目标,其满足|λ1|≈0,|λ1|<<|λ2|;若背景暗,目标亮,则λ2<0;若背景亮,目标暗,则λ2>0;根据线状目标Hessian矩阵特征值的特点,定义其相应函数:
步骤二、利用Hough变换将不连续的像素边缘连接起来,其直线极坐标方程如下:
ρ=xcosθ+ysinθ
根据直线极坐标方程,原航拍图像空间中的点对应新参数空间中的一条正弦曲线,检测直线的具体过程就是让θ取遍可能的值,然后计算ρ的值,再根据θ和ρ的值对累加数组累加,从而得到共线点的个数;当直线从与x轴重合处逆时针旋转时,θ的值由0°增大到180°,所以由直线极坐标方程可知:其中当且仅当x和y都达到最大且时,由θ和ρ的取值范围和分辨率确定累加器的大小,从而检测直线;
步骤三、对Hough变换后的线段检测结果首先进行线段连接,将位置相近、斜率相近的较短的线段连接成长线段;线段连接方法如下:
①对于线段L1,倾斜角度为θ1,两个端点分别记为P1和P2,寻找与线段L1的某一个端点共尺度边的线段L2,倾斜角度为θ2,端点分别记为P3和P4;
②求线段L1和线段L2两两端点间的距离,即Dist(P1,P2),Dist(P1,P4),Dist(P3,P2),Dist(P3,P4);
③条件1:四个距离中最小的距离Min(Dist)小于阈值dist,
条件2:|θ1-θ2|<阈值threshold,threshold取6;
条件3:四个距离中最大的距离max(Dist)大于两条直线中最长的长度,
④当步骤③成立时,将线段L1和线段L2连接成为一条长线段,同时删除参与连接的线段L1和线段L2;
⑤当步骤③不成立时,继续搜索,有可连接的线段,回到步骤①;没有可连接的线段,结束;
统计确定目标位置的方法如下:
①将斜率的0°~180°分为六个区间,分别统计线段连接步骤输出的所有长线段落在六个区间的数量,即N1,N2,N3,N4,N5,N6;
统计Nmax中长线段的起始点坐标,得到目标框的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310064734.1A CN103162669B (zh) | 2013-03-01 | 2013-03-01 | 航拍图像机场区域检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310064734.1A CN103162669B (zh) | 2013-03-01 | 2013-03-01 | 航拍图像机场区域检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103162669A true CN103162669A (zh) | 2013-06-19 |
CN103162669B CN103162669B (zh) | 2015-06-24 |
Family
ID=48585960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310064734.1A Active CN103162669B (zh) | 2013-03-01 | 2013-03-01 | 航拍图像机场区域检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103162669B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413144A (zh) * | 2013-07-29 | 2013-11-27 | 西北工业大学 | 基于局部全局特征联合决策的机场检测识别方法 |
CN107341470A (zh) * | 2017-07-03 | 2017-11-10 | 国网浙江省电力公司信息通信分公司 | 一种基于航拍图像的输电线检测方法 |
CN107833206A (zh) * | 2017-10-24 | 2018-03-23 | 武汉大学 | 一种复杂背景下电力线精确提取方法 |
CN108225273A (zh) * | 2016-12-14 | 2018-06-29 | 中国航空工业集团公司西安航空计算技术研究所 | 一种基于传感器先验知识的实时跑道检测方法 |
CN109241929A (zh) * | 2018-09-20 | 2019-01-18 | 北京海纳川汽车部件股份有限公司 | 自动驾驶车辆的车道线检测方法、装置及自动驾驶车辆 |
CN109407149A (zh) * | 2018-10-10 | 2019-03-01 | 电子科技大学 | 基于Hessian矩阵的地震相干数据裂缝检测方法 |
CN113231654A (zh) * | 2021-05-24 | 2021-08-10 | 成都广屹实业发展有限公司 | 一种基于视觉测量的轮对自动镟修系统及方法 |
CN114998740A (zh) * | 2022-06-13 | 2022-09-02 | 中国电子科技集团公司第五十四研究所 | 一种基于线段分布的机场线性特征提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101944233A (zh) * | 2010-09-25 | 2011-01-12 | 西北工业大学 | 高分辨遥感图像中快速提取机场目标的方法 |
CN102156882A (zh) * | 2011-04-14 | 2011-08-17 | 西北工业大学 | 一种基于高分辨遥感图像的机场目标检测方法 |
CN102865859A (zh) * | 2012-09-21 | 2013-01-09 | 西北工业大学 | 一种基于surf特征的航空序列图像位置估计方法 |
-
2013
- 2013-03-01 CN CN201310064734.1A patent/CN103162669B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101944233A (zh) * | 2010-09-25 | 2011-01-12 | 西北工业大学 | 高分辨遥感图像中快速提取机场目标的方法 |
CN102156882A (zh) * | 2011-04-14 | 2011-08-17 | 西北工业大学 | 一种基于高分辨遥感图像的机场目标检测方法 |
CN102865859A (zh) * | 2012-09-21 | 2013-01-09 | 西北工业大学 | 一种基于surf特征的航空序列图像位置估计方法 |
Non-Patent Citations (2)
Title |
---|
杨涛等: "基于场景复杂度与不变特征的航拍视频实时配准算法", 《电子学报》, vol. 38, no. 5, 31 May 2010 (2010-05-31) * |
王敏等: "一种遥感图像机场跑道的多尺度提取方法", 《中国体视学与图像分析》, vol. 14, no. 3, 30 September 2009 (2009-09-30) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413144A (zh) * | 2013-07-29 | 2013-11-27 | 西北工业大学 | 基于局部全局特征联合决策的机场检测识别方法 |
CN108225273A (zh) * | 2016-12-14 | 2018-06-29 | 中国航空工业集团公司西安航空计算技术研究所 | 一种基于传感器先验知识的实时跑道检测方法 |
CN108225273B (zh) * | 2016-12-14 | 2020-06-30 | 中国航空工业集团公司西安航空计算技术研究所 | 一种基于传感器先验知识的实时跑道检测方法 |
CN107341470A (zh) * | 2017-07-03 | 2017-11-10 | 国网浙江省电力公司信息通信分公司 | 一种基于航拍图像的输电线检测方法 |
CN107341470B (zh) * | 2017-07-03 | 2020-10-16 | 国网浙江省电力公司信息通信分公司 | 一种基于航拍图像的输电线检测方法 |
CN107833206A (zh) * | 2017-10-24 | 2018-03-23 | 武汉大学 | 一种复杂背景下电力线精确提取方法 |
CN107833206B (zh) * | 2017-10-24 | 2021-07-06 | 武汉大学 | 一种复杂背景下电力线精确提取方法 |
CN109241929A (zh) * | 2018-09-20 | 2019-01-18 | 北京海纳川汽车部件股份有限公司 | 自动驾驶车辆的车道线检测方法、装置及自动驾驶车辆 |
CN109407149A (zh) * | 2018-10-10 | 2019-03-01 | 电子科技大学 | 基于Hessian矩阵的地震相干数据裂缝检测方法 |
CN113231654A (zh) * | 2021-05-24 | 2021-08-10 | 成都广屹实业发展有限公司 | 一种基于视觉测量的轮对自动镟修系统及方法 |
CN114998740A (zh) * | 2022-06-13 | 2022-09-02 | 中国电子科技集团公司第五十四研究所 | 一种基于线段分布的机场线性特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103162669B (zh) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103162669A (zh) | 航拍图像机场区域检测方法 | |
CN103727930B (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN101916373B (zh) | 基于小波检测和脊线跟踪的道路半自动提取方法 | |
CN101887586B (zh) | 基于图像轮廓尖锐度的自适应角点检测方法 | |
CN103400151B (zh) | 一体化的光学遥感影像与gis自动配准与水体提取方法 | |
WO2015010451A1 (zh) | 一种从单幅图像检测道路的方法 | |
CN102982304B (zh) | 利用偏光图像检测车辆位置的方法和系统 | |
CN104050477A (zh) | 基于道路辅助信息和显著性检测的红外图像车辆检测方法 | |
CN104299229A (zh) | 一种基于时空域背景抑制的红外弱小目标检测方法 | |
CN108898101B (zh) | 基于素描图和先验约束的高分辨sar图像路网检测方法 | |
CN102346015A (zh) | 基于视频差异分析的输电线路绝缘子覆冰厚度测量方法 | |
CN104200485A (zh) | 一种面向视频监控的人体跟踪方法 | |
CN104809433A (zh) | 一种基于最大稳定区域和随机采样的斑马线检测方法 | |
CN103839264A (zh) | 一种车道线的检测方法 | |
CN103364410A (zh) | 一种基于模板搜索的水工混凝土结构水下表面裂缝检测方法 | |
CN101645172A (zh) | 数字图像中直线的快速检测方法 | |
CN103077531A (zh) | 基于边缘信息的灰度目标自动跟踪方法 | |
CN107909018B (zh) | 一种稳健的多模态遥感影像匹配方法和系统 | |
CN106886988B (zh) | 一种基于无人机遥感的线性目标检测方法及系统 | |
CN105469408A (zh) | 一种sar图像建筑群分割方法 | |
CN103440657A (zh) | 一种在线道路裂缝筛查方法 | |
CN103020967A (zh) | 基于海岛边缘特征的无人机航拍图像精确匹配方法 | |
CN103116743B (zh) | 一种基于在线学习的铁路障碍物检测方法 | |
Wang et al. | Lane boundary detection based on parabola model | |
CN105551048A (zh) | 一种基于空间面片的三维角点检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |