CN106845346A - 一种用于机场跑道异物检测的图像检测方法 - Google Patents

Abstract

本发明公开一种用于机场跑道异物检测的图像检测方法，包括：对机场跑道进行人工检查，确定无异物后，通过传感器采集机场跑道的一帧背景图像；通过传感器实时获取机场跑道的当前图像；通过特征匹配算法，对当前图像与背景图像进行配准；对当前图像与背景图像进行差分操作，得到当前图像的背景差分图；将当前图像的背景差分图进行自动阀值二值化处理，得到当前图像的二值化图；针对当前图像的二值化图进行非线性滤波，形态学处理，便于目标的检测；采用边缘检测或凸包检测算法对目标进行识别，若检测出目标，则发出警报结束流程，若未检测出目标，则将当前图像更新为下一帧图像检测的背景图像。本发明的方法能够准确检测出异物同时计算量较小。

Description

一种用于机场跑道异物检测的图像检测方法

技术领域

本发明涉及民航机场跑道异物检测领域。特别涉及一种用于机场跑道异物检测的目标检测方法。

背景技术

机场跑道异物主要指的是可能对航空器地面运行安全造成威胁的外来物体，如石块、金属器件、胶带、塑料制品、纸张树叶等。伴随着民航事业的不断发展，客流量不断的增加，国内外因机场跑道异物造成的事故也不断增多，引起了人们的广泛关注。

目前用于机场异物检测的技术主要有光学视频检测技术和雷达检测技术，光学视频检测技术通过在机场跑道上定点设置高分辨率摄像头实现对跑道的全方位检测，同时采用图像处理技术对道面图像对比分析确定FOD的位置。雷达检测技术主要采用的技术手段是无线电技术，通过将固定式安装结构的雷达传感器定点安装于机场跑道，通过发射接收电磁波分析数据确定FOD的具体位置。

上述两种检测技术均涉及到背景的消除以及目标的检测，常用的目标识别的方法有背景差分法、帧间差分法、光流法等。背景差分法主要应用在背景较为稳定的情况下，能够较为完整的提取出目标的特征，且检测效果好。但对于背景变化的场景(如背景的抖动，光线的变化等情况)比较敏感，检测结果的准确性会大幅降低。帧间差分法对于光线以及背景的缓慢变化不敏感，对于动态的环境具有很强的适应性，但在检测结果中目标的图像容易产生拉长或者空洞的现象，对于目标的提取造成了难度。光流法利用动目标在图像上对应的亮度变化来识别目标，能够很好的实现对动目标的检测，但此方法的计算量大，很难保持识别的实时性和实用性。

发明内容

本发明要解决的技术问题是提供一种具有较小计算量的用于机场跑道异物检测的图像检测方法。该图像检测方法能够实现准确对机场跑道异物的检测，同时具有较小的计算量。

为解决上述技术问题，本发明采用下述技术方案：

一种用于机场跑道异物检测的图像检测方法，包括：

对机场跑道进行人工检查，确定无异物后，通过传感器采集机场跑道的一帧背景图像；

通过所述传感器实时获取机场跑道的当前图像；

通过特征匹配算法，对当前图像与背景图像进行配准；

对所述当前图像与背景图像进行差分操作，得到当前图像的背景差分图；

将所述当前图像的背景差分图进行自动阀值二值化处理，得到当前图像的二值化图；

针对所述当前图像的二值化图进行非线性滤波，形态学处理，便于目标的检测；

采用边缘检测或凸包检测算法对目标进行识别，若检测出目标，则发出警报结束流程，若未检测出目标，则将当前图像更新为下一帧图像检测的背景图像。

优选地，所述匹配算法是基于灰度值互相关、互信和对数极坐标的特征，也可以是基于点、边缘和区域的特征。

优选地，所述自动阀值二值化处理主要是利用图像中要提取的目标与其背景在灰度特性上的差异，把图像视为不同灰度级的目标和背景两类区域的组合，通过选取阀值，确定图像中的每个像素点是属于目标或是背景，从而产生对应的二值化图像，即:

其中，I(x,y)为差分图像的像素点的值，T为二值化阀值。

优选地，所述非线性滤波可以是中值滤波也可以是双边滤波，所述形态学处理主要是对二值化图进行腐蚀和膨胀，用于消除图像中的噪声对目标检测的影响。

本发明的有益效果如下：

本发明采用背景差分法与目标检测反馈跟新背景相结合的方法实现对机场跑道异物的检测，背景差分法有效的实现了稳定的检测效果，同时不需要进行大量的计算，而通过检测结果的反馈，对背景差分法的背景模型进行不断的更新，减小了背景差分法对光线、环境的敏感度，有效的提高了背景差分法的检测概率。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出本发明的流程图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

本发明的方法用于机场跑道异物检测的目标检测方法主要应用于分布式布局的机场跑道异物检测系统，分布式布局的机场跑道异物检测系统具有较多的传感器单元，因而会产生较大的数据量，因此，采用本方法可提高分布式布局系统的检测效率。

如图1所示，一种用于机场跑道异物检测的图像检测方法，包括如下步骤：

步骤1，背景图像的采集，首先对机场跑道进行人工的巡检，确定无异物后通过传感器对背景图像进行采集，若传感器区域太大可对图像进行感兴趣区域的提取，减少检测过程中的计算量。

步骤2，确认开始工作后，通过传感器对当前图像进行采集。

步骤3，同时通过特征提取的方法(如SURF算法)对当前图像与背景图像进行特征提取，将提取出的特征在两幅图中进行匹配，根据匹配的结果计算出匹配模型，之后针对目标图像根据已计算出的匹配模型进行重采样及变换，完成两幅图像之间的配准工作。匹配算法是基于灰度值互相关、互信和对数极坐标的特征，也可以是基于点、边缘和区域的特征。

步骤4，将配准后的两幅图像进行差分操作，得到当前图像的背景查分图，用于背景目标的识别。

步骤5，根据差分图像的结果，选取合适的阈值，对差分图像进行二值化处理，得到差分图像的二值化图。主要是利用图像中要提取的目标与其背景在灰度特性上的差异，把图像视为不同灰度级的目标和背景两类区域的组合，通过选取合适的阀值，确定图像中的每个像素点是属于目标或是背景，从而产生对应的二值化图像，即:

其中，I(x,y)为差分图像的像素点的值，T为二值化阀值。

步骤6，先对差分图像的二值化图采取中值滤波操作，即采用像素领域灰度值的中值来代替该像素点的灰度值，能够在去除脉冲噪声和椒盐噪声的同时保持较好的边缘细节，中值滤波之后，对二值化图像进行膨胀和腐蚀的操作，进一步减小噪声对目标检测的影响。

步骤7，对处理后的图像进行凸包检测并标识，若检测出目标，则发出警报提醒工作人员，若无目标，则将当前图像保存，作为下一次扫描的背景图像。进一步地，可多次扫描确认无目标后再对背景图像进行更新。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (4)

1.一种用于机场跑道异物检测的图像检测方法，其特征在于，包括：

对机场跑道进行人工检查，确定无异物后，通过传感器采集机场跑道的一帧背景图像；

通过所述传感器实时获取机场跑道的当前图像；

通过特征匹配算法，对当前图像与背景图像进行配准；

对所述当前图像与背景图像进行差分操作，得到当前图像的背景差分图；

将所述当前图像的背景差分图进行自动阀值二值化处理，得到当前图像的二值化图；

针对所述当前图像的二值化图进行非线性滤波，形态学处理，便于目标的检测；

采用边缘检测或凸包检测算法对目标进行识别，若检测出目标，则发出警报结束流程，若未检测出目标，则将当前图像更新为下一帧图像检测的背景图像。

2.根据权利要求1所述的图像检测方法，其特征在于，所述匹配算法是基于灰度值互相关、互信和对数极坐标的特征，也可以是基于点、边缘和区域的特征。

3.根据权利要求1所述的图像检测方法，其特征在于，所述自动阀值二值化处理主要是利用图像中要提取的目标与其背景在灰度特性上的差异，把图像视为不同灰度级的目标和背景两类区域的组合，通过选取阀值，确定图像中的每个像素点是属于目标或是背景，从而产生对应的二值化图像，即:

$B(i,j)=\left\{\begin{array}{cc}0& I(x,y)<T\\ 1& I(x,y)\&GreaterEqual;T\end{array}\right.$

其中，I(x,y)为差分图像的像素点的值，T为二值化阀值。

4.根据权利要求1所述的图像检测方法，其特征在于，所述非线性滤波可以是中值滤波也可以是双边滤波，所述形态学处理主要是对二值化图进行腐蚀和膨胀，用于消除图像中的噪声对目标检测的影响。