CN108416358B - 一种空间目标特征提取方法和装置 - Google Patents

Abstract

本发明提供了一种空间目标特征提取方法和装置，涉及图像特征提取技术领域。其中，该方法包括：对空间目标的图像进行Radon变换，以得到变换后的图像；对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向；根据边缘检测算法提取空间目标的轮廓信息；根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。通过以上步骤，能够准确提取出空间目标的轴线特征，为空间目标结构设计和姿态识别等提供技术支撑。

Description

一种空间目标特征提取方法和装置

技术领域

本发明涉及图像特征提取技术领域，尤其涉及一种空间目标特征提取方法和装置。

背景技术

空间目标的ISAR(逆合成孔径雷达)图像是目标各个强散射点在横向和径向上的投影图像，其较为直观地反映了目标的外形结构。因此，可以直接从ISAR图像中提取目标的轮廓，为目标大致形状的判定提供有效依据。

空间目标一般由主体、矩形太阳板、以及不同形状的天线构成。其中，每个部件都有局部对称性，且空间目标整体关于主轴左右近似对称。由于空间目标的主轴和太阳板轴在目标结构估计和姿态反演中起关键作用，因此，如何准确地提取空间目标的主轴、太阳板轴成为一个重要的问题。然而，在现有技术中，提取空间目标的主轴、太阳板轴的特征是一个比较困难的问题。

发明内容

本发明要解决的技术问题在于，针对现有技术存在的缺陷，提供一种空间目标特征提取方法和装置，以能够准确提取出空间目标的轴线特征，为空间目标结构设计和姿态识别等提供技术支撑。

为了解决上述技术问题，本发明提供了一种空间目标特征提取方法。

本发明的空间目标特征提取方法包括：对空间目标的图像进行Radon变换，以得到变换后的图像；对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向；根据边缘检测算法提取空间目标的轮廓信息；根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。

可选地，所述对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向的步骤包括：对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向；对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向。

可选地，所述对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向的步骤包括：从所述变换后的图像中提取第一极大值点；从所述第一极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第一类别强投影区域；从所述第一类别强投影区域提取第一中心点，然后，根据所述第一中心点确定第一轴线方向。

可选地，所述对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向的步骤包括：将所述第一类别强投影区域中的点从所述变换后的图像中删除，然后从剩余的点中提取第二极大值点；从所述第二极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第二类别强投影区域；从所述第二类别强投影区域提取第二中心点，然后，根据所述第二中心点确定第二轴线方向。

可选地，在所述根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点的步骤之后，所述方法还包括：计算第一轴线与第二轴线的交点；计算第一轴线的两个端点到所述交点的距离之比，以得到第一比值；计算第二轴线的两个端点到所述交点的距离之比，以得到第二比值；根据所述第一比值和所述第二比值从第一轴线和第二轴线中识别出空间目标的主轴。

可选地，所述边缘检测算法包括：Canny边缘检测算法。

可选地，在所述对空间目标的图像进行Radon变换，以得到变换后的图像的步骤之前，所述方法还包括：将空间目标的原始图像转换为灰度图像，然后对所述灰度图像进行中值滤波处理。

为了解决上述技术问题，本发明还提供了一种空间目标特征提取装置。

本发明的空间目标特征提取装置包括：变换模块，用于对空间目标的图像进行Radon变换，以得到变换后的图像；检测模块，用于对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向；提取模块，用于根据边缘检测算法提取空间目标的轮廓信息；确定模块，用于根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。

可选地，所述检测模块对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向包括：所述检测模块对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向；所述检测模块对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向。

可选地，所述检测模块对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向包括：所述检测模块从所述变换后的图像中提取第一极大值点；所述检测模块从所述第一极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第一类别强投影区域；所述检测从所述第一类别强投影区域提取第一中心点，然后，根据所述第一中心点确定第一轴线方向。

可选地，所述检测模块对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向包括：所述检测模块将所述第一类别强投影区域中的点从所述变换后的图像中删除，然后从剩余的点中提取第二极大值点；所述检测模块从所述第二极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第二类别强投影区域；所述检测模块从所述第二类别强投影区域提取第二中心点，然后，根据所述第二中心点确定第二轴线方向。

可选地，所述装置还包括：识别模块，用于计算第一轴线与第二轴线的交点；还用于计算第一轴线的两个端点到所述交点的距离之比，以得到第一比值；还用于计算第二轴线的两个端点到所述交点的距离之比，以得到第二比值；还用于根据所述第一比值和所述第二比值从第一轴线和第二轴线中识别出空间目标的主轴。

可选地，所述装置还包括：预处理模块，用于在调用变换模块之前，将空间目标的原始图像转换为灰度图像，然后对所述灰度图像进行中值滤波处理。

实施本发明，具有以下有益效果：通过对空间目标的图像进行Radon变换、极值点检测，能够确定空间目标的至少一个轴线的方向；通过提取空间目标的轮廓信息，能够根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。进而，通过以上步骤，能够准确提取出空间目标的轴线特征，为空间目标结构设计和姿态识别等提供技术支撑。

附图说明

图1是本发明实施例一的空间目标特征提取方法的主要流程示意图；

图2是本发明实施例二的空间目标特征提取方法的主要流程示意图；

图3a是Radon变换的原理示意图之一；

图3b是Radon变换的原理示意图之二；

图4是本发明实施例三的空间目标特征提取装置的主要模块示意图；

图5是本发明实施例四的空间目标特征提取装置的主要模块示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要指出的是，在不冲突的情况下，本发明的实施例以及实施例中的特征可以相互组合。

实施例一

图1是本发明实施例一的空间目标特征提取方法的主要流程示意图。如图1所示，本发明实施例提供的空间目标特征提取方法包括：

步骤S101、对空间目标的图像进行Radon变换，以得到变换后的图像。

Radon变换(拉东变换)，是一种积分变换。在二维情况下，Radon变换可这样理解：一个平面内沿不同的直线对空间目标的图像f(x,y)做线积分，得到的结果即为Radon变换后的图像。

步骤S102、对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向。

步骤S103、根据边缘检测算法提取空间目标的轮廓信息。

示例性的，所述边缘检测算法包括：Canny边缘检测算法。

步骤S104、根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。

进一步，在确定轴线的两个端点之后，即可确定出轴线的尺寸。

在本发明实施例中，通过对空间目标的图像进行Radon变换、极值点检测，能够确定空间目标的至少一个轴线的方向；通过提取空间目标的轮廓信息，能够根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。进而，通过以上步骤，能够准确提取出空间目标的轴线的方向、尺寸特征，为空间目标结构设计和姿态识别等提供技术支撑。

实施例二

图2是本发明实施例二的空间目标特征提取方法的主要流程示意图。如图2所示，本发明实施例提供的空间目标特征提取方法包括：

步骤S201、对空间目标的图像进行预处理。

示例性的，所述预处理包括：将空间目标的原始图像(比如ISAR图像)转换为灰度图像，然后对所述灰度图像进行中值滤波处理。具体实施时，所述空间目标的原始图像为彩色图像，每个点的函数值的单位为db，转换后的灰度图像的每个点的函数值为像素点的灰度值，其取值范围为0至255。在本发明实施例中，通过对所述灰度图像进行滤波处理，能够抑制图像中的背景噪声。

步骤S202、对预处理后的图像进行Radon变换，以得到变换后的图像。

Radon变换(拉东变换)，是一种积分变换。在二维情况下，Radon变换可这样理解：一个平面内沿不同的直线对空间目标的图像f(x,y)做线积分，得到的结果即为Radon变换后的图像。

步骤S203、对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向。

示例性的，步骤S203又可分为步骤A至步骤D，具体为：

步骤A、从所述变换后的图像中提取第一极大值点。

在步骤A中，从Radon变换后的图像中提取强度值最大的点(p,q)，该点的强度为F_max。该点对应空间目标的图像中最强线积分的直线方位，一般位于主体或太阳板上，理论上可近似作为目标的一个轴线方向。但是，由于主体和太阳板均为矩形形状，空间目标的图像经Randon变换后其在对角线方向的线积分值最大。即F_max是对角线方向的积分结果，而不是轴线方向的积分结果。因此，精确地说，该点对应的方向并不是空间目标的一个轴线方向。为此，需要步骤B至步骤D确定空间目标的一个轴线方向。

步骤B、从所述第一极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第一类别强投影区域。

示例性地，可以将第一极大值点的邻域设置为[p-5,p+5]，即以第一极大值点的横坐标为中心、且向左向右分别取5°的范围。然后，从该邻域中筛选出强度值不小于0.8F_max的点。意即，根据如下条件筛选点，

F_m(θ,d)≥0.8F_max

p-5≤θ≤p+5

式中，θ为经Radon变换后的图像的横坐标，d为经Radon变换后的图像的纵坐标，F_m(θ,d)为筛选出的点。在根据如上条件找到所有的F_m(θ,d)点之后，将这些点构成的区域作为第一类别强投影区域。需要指出的是，在不影响本发明实施的情况下，第一极大值点的邻域的取值、所述预设阈值的取值可灵活设置。

步骤C、从所述第一类别强投影区域提取第一中心点。

示例性地，可根据如下公式提取第一中心点(θ_center,d_center)：

式中，θ_min表示第一类别强投影区域中的点的最小横坐标，θ_max表示第一类别强投影区域中的点的最大横坐标，d_min表示第一类别强投影区域中的点的最小纵坐标，d_max表示第一类别强投影区域中的点的最大纵坐标，公式中的方括号表示向下取整。

步骤D、根据所述第一中心点确定第一轴线方向。

在得到第一中心点(θ_center,d_center)之后，可从空间目标的图像中确定第一轴线方向，其表达式为：

y₁＝tan(θ_center)gx₁-d_center

式中，g表示空间目标的图像中的像素点间隔。

步骤S204、对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向。

示例性的，步骤S204又可分为步骤a至步骤d，具体为：

步骤a、将所述第一类别强投影区域中的点从所述变换后的图像中删除，然后从剩余的点中提取第二极大值点。

其中，第二极大值点可表示为(p_ci,q_ci)，该点的强度值可表示为F_ci-max。

步骤b、从所述第二极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第二类别强投影区域。

示例性地，可以将第二极大值点的邻域设置为[p_ci-5,p_ci+5]，即以第一极大值点的横坐标为中心、且向左向右分别取5°的范围。然后，从该邻域中筛选出强度值不小于0.8F_ci-max的点。在根据如上条件筛选出所有点之后，将这些点构成的区域作为第二类别强投影区域。需要指出的是，在不影响本发明实施的情况下，第一极大值点的邻域的取值、所述预设阈值的取值可灵活设置。

步骤c、从所述第二类别强投影区域提取第二中心点。

示例性地，可根据如下公式提取第二中心点(θ_ci-center,d_ci-center)：

式中，θ_ci-min表示第二类别强投影区域中的点的最小横坐标，θ_ci-max表示第二类别强投影区域中的点的最大横坐标，d_ci-min表示第一类别强投影区域中的点的最小纵坐标，d_ci-max表示第一类别强投影区域中的点的最大纵坐标，公式中的方括号表示向下取整。

步骤d、根据所述第二中心点确定第二轴线方向。

在得到第二中心点(θ_ci-center,d_ci-center)之后，可从空间目标的图像中确定第二轴线方向，其表达式为：

y₂＝tan(θ_ci-center)gx₂-d_ci-center

式中，g表示空间目标的图像中的像素点间隔。

步骤S205、根据边缘检测算法提取空间目标的轮廓信息。

示例性地，所述边缘检测算法包括：Canny边缘检测算法。

在Canny边缘检测算法中，非极大值抑制是其中的一个重要步骤。通俗地讲，非极大值抑制是指寻找像素点的局部最大值，并将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点。在进行非极大值抑制之后，Canny边缘检测算法的另一重要步骤为：采用双阈值法。意即，选择两个阈值，根据高阈值得到一个不连贯的边缘图像，根据低阈值得到连通的边缘轮廓。最终，可根据Canny边缘检测算法从空间目标的图像中提取出目标的轮廓信息，即边缘像素点集合。

步骤S206、根据第一轴线的方向和所述空间目标的轮廓信息确定第一轴线的端点，根据第二轴线的方向和所述空间目标的轮廓信息确定第二轴线的端点。

具体地，在计算第一轴线的端点时，对于所述边缘像素点集合中的每个边缘点，判断其是否在第一轴线上，如果边缘点在第一轴线上，则认为该边缘点为第一轴线的端点。类似地，在计算第二轴线的端点时，对于所述边缘像素点集合中的每个边缘点，判断其是否在第二轴线上，如果边缘点在第二轴线上，则认为该边缘点为第二轴线的端点。

步骤S207、计算第一轴线与第二轴线的交点；根据所述交点、第一轴线的端点和第二轴线的端点，从第一轴线和第二轴线中识别出空间目标的主轴。

具体地，在该步骤中，可通过求解如下方程计算第一轴线与第二轴线的交点：

在得到第一轴线与第二轴线的交点之后，可根据下式计算第一轴线的两个端点到所述交点的距离之比，以得到第一比值l_b1；

式中，a₁表示第一轴线的一个端点的横坐标，b₁表示该端点的纵坐标；c₁表示第一轴线的另一个端点的横坐标，d₁表示该端点的纵坐标；x_jiao表示第一轴线和第二轴线交点的横坐标，y_jiao表示第一轴线和第二轴线交点的纵坐标。

以及，根据下式计算第二轴线的两个端点到所述交点的距离之比，以得到第二比值l_b2；

式中，a₂表示第二轴线的一个端点的横坐标，b₂表示该端点的纵坐标；c₂表示第二轴线的另一个端点的横坐标，d₂表示该端点的纵坐标；x_jiao表示第一轴线和第二轴线交点的横坐标，y_jiao表示第一轴线和第二轴线交点的纵坐标。

然后，根据所述第一比值l_b1和所述第二比值l_b2从第一轴线和第二轴线中识别出空间目标的主轴，具体包括：如果|l_b1-1|＞|l_b2-1|，那么第一轴线为空间目标的主轴，第二轴线为空间目标的太阳板轴；如果|l_b1-1|＜|l_b2-1|，那么第一轴线为空间目标的太阳板轴，第二轴线为空间目标的主轴。这是因为，太阳板的结构一般是左右对称的，因此l_b1和l_b2哪个越接近于1，即|l_b1-1|和|l_b2-1|哪个越小，则说明这一轴线相对于交点来说是分割均匀的，即该轴线是太阳板所在轴线。相应地，另一轴线为主体所在轴线，即空间目标的主轴。

在本发明实施例中，通过以上步骤能够准确的提取出空间目标的主轴以及太阳板轴的特征信息，为空间目标结构设计和姿态识别等提供技术支撑。

图3a是Radon变换的原理示意图之一，图3b是Radon变换的原理示意图之二。下面结合图3a、图3b对Radon变换的原理作进一步说明。

如图3a、3b所示，假设空间目标的图像为f(x,y)。其中，x为横坐标，y为纵坐标，f表示图像中各个像素点的灰度值，其取值范围为0至255。假设横坐标和纵坐标各有n个像素点，x的取值范围为x₁,x₂,Λx_n，且像素点间隔为g＝x_n-x_n-1，y的取值范围为y₁,y₂,Λy_n。

在该平面内沿不同的直线(直线的方向角为θ，直线与原点的距离为d)对f(x,y)做线积分。在旋转方向角为θ时，原始坐标系xoy演变成了新的坐标系x'oy'。两个坐标系之间的关系为：

则：

进而得到：

x＝x'cosθ-y'sinθ

y＝x'sinθ+y'cosθ

因此，在原始坐标系中的点(x,y)处的函数值f可在新的表坐标系中表示为：

f(x'cosθ-y'sinθ,x'sinθ+y'cosθ)

在新的坐标系中对f做线积分，则可得到Radon变换后的所有距离上的线积分值R_θ(x')：

进而，Randon变换后的图像的横坐标为θ，取值范围为0°到179°，角度间隔为1°；Randon变换后的图像的纵坐标为d，取值范围为从

到

距离间隔为g；每个点对应的函数值为F(θ,d)＝R_θ(x')|_x＝d'。

实施例三

图4是本发明实施例三的空间目标特征提取装置的主要模块示意图。如图4所示，本发明实施例提供的空间目标特征提取装置400包括：变换模块401、检测模块402、提取模块403、确定模块404。

变换模块401，用于对空间目标的图像进行Radon变换，以得到变换后的图像。

Radon变换(拉东变换)，是一种积分变换。在二维情况下，Radon变换可这样理解：一个平面内沿不同的直线对空间目标的图像f(x,y)做线积分，得到的结果即为Radon变换后的图像。

检测模块402，用于对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向。

提取模块403，用于根据边缘检测算法提取空间目标的轮廓信息。

示例性的，所述边缘检测算法包括：Canny边缘检测算法。

确定模块404，用于根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。

进一步，确定模块404在确定轴线的两个端点之后，即可确定出该轴线的尺寸。

在本发明实施例的装置中，通过变换模块对空间目标的图像进行Radon变换，通过检测模块对变换后的图像进行极值点检测，能够确定空间目标的轴线方向；通过提取模块提取空间目标的轮廓信息，通过确定模块根据所述轴线方向和所述轮廓信息确定轴线的端点等，能够确定空间目标的轴线尺寸。进而，本发明实施例的装置能够准确提取出空间目标的轴线的方向、尺寸特征，为空间目标结构设计和姿态识别等提供技术支撑。

实施例四

图5是本发明实施例四的空间目标特征提取装置的主要模块示意图。如图5所示，本发明实施例提供的空间目标特征提取装置500包括：预处理模块501、变换模块502、检测模块503、提取模块504、确定模块505、识别模块506。

预处理模块501，用于对空间目标的图像进行预处理。

示例性的，预处理模块501对空间目标的图像进行预处理包括：预处理模块501将空间目标的原始图像转换为灰度图像，然后预处理模块501对所述灰度图像进行中值滤波处理。具体实施时，所述空间目标的原始图像为彩色图像，每个点的函数值的单位为db，转换后的灰度图像的每个点的函数值为像素点的灰度值，其取值范围为0至255。在本发明实施例中，通过预处理模块对所述灰度图像进行滤波处理，能够抑制图像中的背景噪声。

变换模块502，用于对预处理后的图像进行Radon变换，以得到变换后的图像。

Radon变换(拉东变换)，是一种积分变换。在二维情况下，Radon变换可这样理解：一个平面内沿不同的直线对空间目标的图像f(x,y)做线积分，得到的结果即为Radon变换后的图像。

检测模块503，用于对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向；还用于对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向。

示例性的，检测模块503对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向具体包括：检测模块503从所述变换后的图像中提取第一极大值点；检测模块503从所述第一极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第一类别强投影区域；检测模块503从所述第一类别强投影区域提取第一中心点；检测模块503根据所述第一中心点确定第一轴线方向。

关于检测模块503具体如何提取第一极大值点、构建第一类别强投影区域、提取第一中心点等，可参考图2所示实施例中步骤S203的相关说明。

示例性的，检测模块503对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向具体包括：检测模块503将所述第一类别强投影区域中的点从所述变换后的图像中删除，然后从剩余的点中提取第二极大值点；检测模块503从所述第二极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第二类别强投影区域；检测模块503从所述第二类别强投影区域提取第二中心点，检测模块503根据所述第二中心点确定第二轴线方向。

关于检测模块503具体如何提取第二极大值点、构建第二类别强投影区域、提取第二中心点等，可参考图2所示实施例中步骤S204的相关说明。

提取模块504，用于根据边缘检测算法提取空间目标的轮廓信息。

示例性地，所述边缘检测算法包括：Canny边缘检测算法。

确定模块505，用于根据第一轴线的方向和所述空间目标的轮廓信息确定第一轴线的端点，根据第二轴线的方向和所述空间目标的轮廓信息确定第二轴线的端点。

具体地，确定模块505可通过如下方式计算第一轴线的端点：对于所述边缘像素点集合中的每个边缘点，判断其是否在第一轴线上，如果边缘点在第一轴线上，则确定模块505认为该边缘点为第一轴线的端点。

类似地，确定模块505可通过如下方式计算第二轴线的端点：对于所述边缘像素点集合中的每个边缘点，判断其是否在第二轴线上，如果边缘点在第二轴线上，则确定模块505认为该边缘点为第二轴线的端点。

识别模块506，用于计算第一轴线与第二轴线的交点；识别模块506还用于计算第一轴线的两个端点到所述交点的距离之比，以得到第一比值；识别模块506还用于计算第二轴线的两个端点到所述交点的距离之比，以得到第二比值；识别模块506还用于根据所述第一比值和所述第二比值从第一轴线和第二轴线中识别出空间目标的主轴。

示例性地，识别模块506可通过求解如下方程计算第一轴线与第二轴线的交点：

在得到第一轴线与第二轴线的交点之后，识别模块506可根据下式计算第一轴线的两个端点到所述交点的距离之比，以得到第一比值l_b1；

式中，a₁表示第一轴线的一个端点的横坐标，b₁表示该端点的纵坐标；c₁表示第一轴线的另一个端点的横坐标，d₁表示该端点的纵坐标；x_jiao表示第一轴线和第二轴线交点的横坐标，y_jiao表示第一轴线和第二轴线交点的纵坐标。

以及，识别模块506根据下式计算第二轴线的两个端点到所述交点的距离之比，以得到第二比值l_b2；

式中，a₂表示第二轴线的一个端点的横坐标，b₂表示该端点的纵坐标；c₂表示第二轴线的另一个端点的横坐标，d₂表示该端点的纵坐标；x_jiao表示第一轴线和第二轴线交点的横坐标，y_jiao表示第一轴线和第二轴线交点的纵坐标。

然后，识别模块506根据所述第一比值l_b1和所述第二比值l_b2从第一轴线和第二轴线中识别出空间目标的主轴，具体包括：如果|l_b1-1|＞|l_b2-1|，那么识别模块506将第一轴线识别为空间目标的主轴，将第二轴线识别为空间目标的太阳板轴；如果|l_b1-1|＜|l_b2-1|，那么识别模块506将第一轴线识别为空间目标的太阳板轴，将第二轴线识别为空间目标的主轴。这是因为，太阳板的结构一般是左右对称的，因此l_b1和l_b2哪个越接近于1，即|l_b1-1|和|l_b2-1|哪个越小，则说明这一轴线相对于交点来说是分割均匀的，即该轴线是太阳板所在轴线。相应地，另一轴线为主体所在轴线，即空间目标的主轴。

本发明实施例的装置能够准确的提取出空间目标的主轴以及太阳板轴的特征信息，为空间目标结构设计和姿态识别等提供技术支撑。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括变换模块、检测模块、提取模块、确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，检测模块还可以被描述为“对变换后的图像进行极值点检测的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行以下流程：对空间目标的图像进行Radon变换，以得到变换后的图像；对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向；根据边缘检测算法提取空间目标的轮廓信息；根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种空间目标特征提取方法，其特征在于，所述方法包括：

对空间目标的图像进行Radon变换，以得到变换后的图像；

对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向；

根据边缘检测算法提取空间目标的轮廓信息；

根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点；

所述对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向的步骤包括：

对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向；对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向；

所述对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向的步骤包括：

从所述变换后的图像中提取第一极大值点；从所述第一极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第一类别强投影区域；从所述第一类别强投影区域提取第一中心点，然后，根据所述第一中心点确定第一轴线方向；

其中，根据如下公式提取第一中心点：

式中，(q_center,d_center)表示第一中心点，q_min表示第一类别强投影区域中的点的最小横坐标，q_max表示第一类别强投影区域中的点的最大横坐标，d_min表示第一类别强投影区域中的点的最小纵坐标，d_max表示第一类别强投影区域中的点的最大纵坐标，公式中的方括号表示向下取整；

所述第一轴线方向的表达式为：

y₁＝tan(q_center)gx₁-d_center

式中，g表示空间目标的图像中的像素点间隔；

所述对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向的步骤包括：

将所述第一类别强投影区域中的点从所述变换后的图像中删除，然后从剩余的点中提取第二极大值点；从所述第二极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第二类别强投影区域；从所述第二类别强投影区域提取第二中心点，然后，根据所述第二中心点确定第二轴线方向；

其中，根据如下公式提取第二中心点：

式中，(q_ci-center,d_ci-center)表示第二中心点，q_ci-min表示第二类别强投影区域中的点的最小横坐标，q_ci-max表示第二类别强投影区域中的点的最大横坐标，d_ci-min表示第一类别强投影区域中的点的最小纵坐标，d_ci-max表示第一类别强投影区域中的点的最大纵坐标，公式中的方括号表示向下取整；

所述第二轴线方向的表达式为：

y₂＝tan(q_ci-center)gx₂-d_ci-center

式中，g表示空间目标的图像中的像素点间隔；

在所述根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点的步骤之后，所述方法还包括：

计算第一轴线与第二轴线的交点；计算第一轴线的两个端点到所述交点的距离之比，以得到第一比值；计算第二轴线的两个端点到所述交点的距离之比，以得到第二比值；根据所述第一比值和所述第二比值从第一轴线和第二轴线中识别出空间目标的主轴。

2.根据权利要求1所述的方法，其特征在于，所述边缘检测算法包括：Canny边缘检测算法。

3.根据权利要求1所述的方法，其特征在于，在所述对空间目标的图像进行Radon变换，以得到变换后的图像的步骤之前，所述方法还包括：

将空间目标的原始图像转换为灰度图像，然后对所述灰度图像进行中值滤波处理。

4.一种空间目标特征提取装置，其特征在于，所述装置包括：

变换模块，用于对空间目标的图像进行Radon变换，以得到变换后的图像；

检测模块，用于对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向；

提取模块，用于根据边缘检测算法提取空间目标的轮廓信息；

确定模块，用于根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点；所述检测模块对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向包括：

所述检测模块对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向；所述检测模块对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向；所述检测模块对所述变换后的图像进行第一极值点检测，以确定空间目标的第一轴线方向包括：

所述检测模块从所述变换后的图像中提取第一极大值点；所述检测模块从所述第一极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第一类别强投影区域；所述检测模块从所述第一类别强投影区域提取第一中心点，然后，根据所述第一中心点确定第一轴线方向；

其中，根据如下公式提取第一中心点：

式中，(q_center,d_center)表示第一中心点，q_min表示第一类别强投影区域中的点的最小横坐标，q_max表示第一类别强投影区域中的点的最大横坐标，d_min表示第一类别强投影区域中的点的最小纵坐标，d_max表示第一类别强投影区域中的点的最大纵坐标，公式中的方括号表示向下取整；

所述第一轴线方向的表达式为：

y₁＝tan(q_center)gx₁-d_center

式中，g表示空间目标的图像中的像素点间隔；

所述检测模块对所述变换后的图像进行第二极值点检测，以确定空间目标的第二轴线方向包括：

所述检测模块将所述第一类别强投影区域中的点从所述变换后的图像中删除，然后从剩余的点中提取第二极大值点；所述检测模块从所述第二极大值点的邻域内筛选出强度不小于预设阈值的点，以构建第二类别强投影区域；所述检测模块从所述第二类别强投影区域提取第二中心点，然后，根据所述第二中心点确定第二轴线方向；

其中，根据如下公式提取第二中心点：

式中，(q_ci-center,d_ci-center)表示第二中心点，q_ci-min表示第二类别强投影区域中的点的最小横坐标，q_ci-max表示第二类别强投影区域中的点的最大横坐标，d_ci-min表示第一类别强投影区域中的点的最小纵坐标，d_ci-max表示第一类别强投影区域中的点的最大纵坐标，公式中的方括号表示向下取整；

所述第二轴线方向的表达式为：

y₂＝tan(q_ci-center)gx₂-d_ci-center

式中，g表示空间目标的图像中的像素点间隔；

所述装置还包括：

识别模块，用于计算第一轴线与第二轴线的交点；还用于计算第一轴线的两个端点到所述交点的距离之比，以得到第一比值；还用于计算第二轴线的两个端点到所述交点的距离之比，以得到第二比值；还用于根据所述第一比值和所述第二比值从第一轴线和第二轴线中识别出空间目标的主轴。

5.根据权利要求4所述的装置，其特征在于，所述装置还包括：

预处理模块，用于在调用变换模块之前，将空间目标的原始图像转换为灰度图像，然后对所述灰度图像进行中值滤波处理。

Images