CN103729830A - 一种机场跑道雷达图像背景抑制算法 - Google Patents

Abstract

本发明公开了一种机场跑道雷达图像背景抑制算法，包括以下步骤：首先，进行机场跑道雷达图像的配准；然后，通过学习获得背景图像M(i,j)，设扫描图像像素为F(i,j)，M(i,j)的8邻域均值为ucTmp，设定一个ucTmp阈值为T1，通过不同阈值T1进行背景抑制、异物信息增强或异物去遮挡。使用本发明中的算法可以快速实时的进行机场跑道雷达图像的配准，有效的抑制机场跑道雷达图像中的无用背景，增强了有用的微弱异物信息，以利于机场跑道异物的检测。

Description

一种机场跑道雷达图像背景抑制算法

技术领域

本发明涉及图像处理技术领域，尤其涉及一种机场跑道雷达图像背景抑制算法。

背景技术

机场跑道异物泛指在跑道上可能损伤航空器或系统的某种外来的物质，如飞机和发动机连接件、机械工具、飞行物品、野生动物、树叶、石头和沙子、道路材料、木块、塑料或聚乙烯材料、纸制品、运行区的冰碴儿等等。机场跑道异物对航空器的起飞和着陆构成严重的安全威胁。因此机场跑道的异物检测非常重要，目前有两种方式的异物检测系统即为视频监控系统和雷达监控系统，由于雷达可以全天时全气候性监控机场跑道，因此基于机场跑道雷达的跑道异物检测系统应用较为广泛。但是国内外对机场的监控一般采用杂波图的方式进行从而忽略了对机场雷达图像这一可视化检测手段的研究。

一般在雷达图像进行背景抑制时，多采用滤波器的方法进行，这种方法显然对机场雷达图像的适用性不够好，对于有异物遮挡的情况经常会产生人造异物，而且往往会抹去雷达图像中反射强度不大的异物，从而导致机场跑道异物检测系统的虚警过高或者漏报严重等情况。

发明内容

本发明需要解决的技术问题是如何降低机场跑道异物检测系统的虚警或者漏报等问题。

为了解决以上技术问题，本发明公开了一种机场跑道雷达图像背景抑制算法，包括以下步骤：

首先，进行机场跑道雷达图像的配准；

然后，通过学习获得背景图像M(i,j)，设扫描图像像素为F(i,j)，M(i,j)的8领域均值为ucTmp，设定一个ucTmp阈值为T1，通过不同阈值T1进行背景抑制、异物信息增强或异物去遮挡。

进一步，作为优选，如果ucTmp小于T1时进行如下判断对机场雷达图像进行处理：

（1）如果F[i][j]大于M[i][j]时分以下两种情况进行处理，否则转（2）；

（a）设T2为F[i][j]的一个阈值，满足M[i][j]不为0，F[i][j]大于T2和F[i][j]大于三倍的M[i][j]成立，则对F[i][j]进行增强，增强算法为F[i][j]+=(255-F[i][j])/2，否则转（b）;

（b）对F[i][j]进行背景抑制，背景抑制算法为F[i][j]=F[i][j]-M[i][j];

（2）这时认为出现异物遮挡效应，直接置F[i][j]为0。

进一步，作为优选，如果ucTmp大于T1时进行如下判断对机场雷达图像进行处理：

如果F[i][j]大于M[i][j]，进行正常的背景噪声抑制，抑制算法为F[i][j]=F[i][j]-M[i][j]；

否则如果F[i][j]大于M[i][j]减去F[i][j]，则进行异物去遮挡，F[i][j]=M[i][j]-F[i][j]，否则保持F[i][j]的原值不变。

进一步，作为优选，使用极坐标转换为直角坐标进行配准，具体为：首先采集机场跑道雷达的反射波，然后将其离散化，再对离散的数据进行采样，最后对采样后的数据进行极坐标转换进行机场雷达图像配准。

使用本发明中的算法可以快速实时的进行机场跑道雷达图像的配准，有效的抑制机场跑道雷达图像中的无用背景，增强了有用的微弱异物信息，以利于机场跑道异物的检测。

附图说明

当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，其中：

图1、机场跑道雷达图像极坐标变换图；

图2、机场跑道雷达图像背景抑制示意图；

图3（a）、机场跑道雷达图像极坐标变换前示意图；

图3（b）、机场跑道雷达图像极坐标变换后示意图；

图4（a）、机场跑道雷达图像背景抑制效果图；

图4（b）、机场跑道雷达图像背景抑制效果图。

具体实施方式

参照图1-4对本发明的实施例进行说明。

为使上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参见图2，本发明公开了一种机场跑道雷达图像背景抑制的处理方法，包括以下步骤：

开始（步骤S1）；

在得到机场跑道雷达图像的极坐标后，以雷达垂直于机场跑道与跑道相交的点为原点，以雷达垂直于机场跑道的射线为y轴进行极坐标转换，这样将会使机场跑道的雷达图像得到配准，并且得到相应的直角坐标图像（步骤S2）。图1为极坐标转换和图像配准示意图，图3（a）、图3（b）给出了极坐标转换前后的效果。

将配准图像分为两类，一类为从左到右扫描的图像Res_2i，另一类为从右到左的图像Res_2i+1，其中i＝1...n。经过图像配准以后，就可以生成两类图像的背景，设从左到右扫描的图像的背景为M₀，从右到左扫描的图像的背景为M₁，采用最简单的求均值来计算这两类图像的背景，即 $M_0=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Res}}_{2i}$ 和 $M_1=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Res}}_{2i+1}.$

根据得到的M₀和M₁，进行图像的背景抑制。对于从左向右扫描的图像采用模板图像M₀进行背景抑制，对于从右向左扫描的图像采用模板图M₁进行背景抑制，由于背景抑制的步骤相同，为了叙述的方便统一将模板图像称为M（步骤S3），也统一将扫描图像称为F（步骤S4）。

对于要进行背景抑制的图像像素F(i,j)，取M的9领域所有点的均值为ucTmp（步骤S5），设定一个阈值为T1，如果ucTmp小于T1时进行如下判断对机场雷达图像进行处理（步骤S5）,否则转步骤S12。

（1）如果F[i][j]大于M[i][j]时分以下两种情况进行处理，否则转（2）（步骤S7）。

（a）满足M[i][j]不为0，F[i][j]大于T2和F[i][j]大于三倍的M[i][j]成立（步骤S9），则对F[i][j]进行增强，增强算法为F[i][j]+=(255-F[i][j])/2（步骤S11），否则转（b）。

（b）对F[i][j]进行背景抑制，背景抑制算法为F[i][j]=F[i][j]-M[i][j]（步骤S10）。

（2）这时认为出现异物遮挡效应，直接置F[i][j]为0（步骤S8）。

步骤S12：如果F[i][j]大于M[i][j]，进行正常的背景噪声抑制，抑制算法为F[i][j]=F[i][j]-M[i][j]（步骤S13）。否则转步骤S15。

步骤S15：如果F[i][j]大于M[i][j]减去F[i][j]，则进行异物去遮挡，采用去遮挡算法为F[i][j]=M[i][j]-F[i][j]（步骤S14），否则保持F[i][j]的原值不变（步骤S16）。

结束（步骤S17）。

本发明提供了一种机场雷达图像背景抑制算法，本算法首先通过极坐标转换进行机场雷达图像的配准，然后通过两个特定的阈值进行机场雷达图像背景的抑制和机场跑道图像异物的增强。注意本发明的T1和T2可以根据实际需求进行经验估计，本实施例采用的是8和32。图4（a）、图4（b）给出了机场跑道雷达图像背景抑制以后的图像。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (4)

1.一种机场跑道雷达图像背景抑制算法，其特征在于：包括以下步骤：

首先，进行机场跑道雷达图像的配准；

然后，通过学习获得背景图像M(i,j)，设扫描图像像素为F(i,j)，M(i,j)的8邻域均值为ucTmp，设定一个ucTmp阈值为T1，通过不同阈值T1进行背景抑制、异物信息增强或异物去遮挡。

2.根据权利要求书1所述的机场跑道雷达图像背景抑制算法，其特征在于：如果ucTmp小于T1时进行如下判断对机场雷达图像进行处理：

（1）如果F[i][j]大于M[i][j]时分以下两种情况进行处理，否则转（2）；

（a）设T2为F[i][j]的一个阈值，满足M[i][j]不为0，F[i][j]大于T2和F[i][j]大于三倍的M[i][j]成立，则对F[i][j]进行增强，增强算法为F[i][j]+=(255-F[i][j])/2，否则转（b）;

（b）对F[i][j]进行背景抑制，背景抑制算法为F[i][j]=F[i][j]-M[i][j];

（2）这时认为出现异物遮挡效应，直接置F[i][j]为0。

3.根据权利要求书1所述的机场跑道雷达图像背景抑制算法，其特征在于：如果ucTmp大于T1时进行如下判断对机场雷达图像进行处理：

如果F[i][j]大于M[i][j]，进行正常的背景噪声抑制，抑制算法为F[i][j]=F[i][j]-M[i][j]；

否则如果F[i][j]大于M[i][j]减去F[i][j]，则进行异物去遮挡，F[i][j]=M[i][j]-F[i][j]，否则保持F[i][j]的原值不变。

4.根据权利要求书1至3之一任意一项所述的机场跑道雷达图像背景抑制算法，其特征在于：使用极坐标转换为直角坐标进行配准，具体为：首先采集机场跑道雷达的反射波，然后将其离散化，再对离散的数据进行采样，最后对采样后的数据进行极坐标转换进行机场雷达图像配准。

Images