CN108665446A - 一种运用雷达的机场跑道异物检测系统及方法 - Google Patents
一种运用雷达的机场跑道异物检测系统及方法 Download PDFInfo
- Publication number
- CN108665446A CN108665446A CN201810345049.9A CN201810345049A CN108665446A CN 108665446 A CN108665446 A CN 108665446A CN 201810345049 A CN201810345049 A CN 201810345049A CN 108665446 A CN108665446 A CN 108665446A
- Authority
- CN
- China
- Prior art keywords
- image
- radar
- detection terminal
- detection
- airfield runway
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Abstract
本发明涉及一种运用雷达的机场跑道异物检测系统及方法,系统包括雷达(1)、控制中心(2)和位于控制中心(2)内的检测终端(3),所述的检测终端(3)与雷达(1)一一对应,检测终端(3)根据雷达(1)采集的图像进行异物识别,并将结果发送至控制中心(2),所述的检测终端(3)首先对图像进行标记,然后采用分水岭算法对图像进行检测,得到检测结果。与现有技术相比,本发明采用基于标记的分水岭算法,可以有效地去除为极小值点,保护图像的边缘信息不流失,从而提高了异物检测准确度。
Description
技术领域
本发明涉及一种机场跑道异物清除系统,尤其是涉及一种运用雷达的机场跑道异物检测系统及方法。
背景技术
FOD是Foreign Object Debris的缩写,泛指可能损伤飞机的某种外来物质,常称为跑道异物,常见的FOD有飞机的各种遗撒物、机械工具、石头、木块、塑料制品等。目前主要通过雷达、红外、可见光技术,实现对跑道异物的发现、定位、识别、记录和处理。
我国机场对FOD的检测依然靠人工定时巡视、人眼近距离搜寻,这种落后的方法效率低,可靠性差,而且大大占用了宝贵的跑道时间,使航班次数被迫减少。因此,研发具有自主知识产权的国产FOD检测系统是我国航空业的当务之急,国产FOD监测雷达的问世必将产生巨大的社会和经济效益。
随着科技的发展,计算机网络技术、图像处理技术已经逐步走向成熟,极大的推动了监控技术的发展与创新。在我国尚未发现关于FOD监测的雷达系统研制成功的报道,虽然有一些光学、视频监测的产品,但这些产品鲜有应用。视频检测系统的优点是成本低,容易实现,缺点是受光照和天气的影响,在夜晚,跑道需要提供照明;在雨雪雾天气,对跑道异物检测的能力大幅度降低。而使用雷达对机场跑道异物进行检测,与视频检测相比,具有全天候检测的能力,不受光照影响,在雨雪雾天气,对跑道异物检测的能力影响较小。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种运用雷达的机场跑道异物检测系统及方法。
本发明的目的可以通过以下技术方案来实现:
一种运用雷达的机场跑道异物检测系统,包括雷达、控制中心和位于控制中心内的检测终端,所述的检测终端与雷达一一对应,检测终端根据雷达采集的图像进行异物识别,并将结果发送至控制中心,所述的检测终端首先对图像进行标记,然后采用分水岭算法对图像进行检测,得到检测结果。
一种采用所述的运用雷达的机场跑道异物检测系统进行异物检测的方法,检测终端进行异物识别的过程包括以下步骤:
S1,计算原始图像的梯度幅值图像;
S2,利用形态学重建技术对前景图像进行标记;
S3,利用形态学重建技术对背景图像进行标记;
S4,修改梯度幅值图像,去除梯度图像中的伪极小值点;
S5,在修改后的梯度幅值图像上进行分水岭变换,得到检测结果。
所述的步骤S5中,采用像素点的欧几里得距离作为分水岭算法中的分割标准。
所述的步骤S1中,先对原始图像进行中值滤波。
所述的中值滤波包括以下步骤:
11)选择sobel边缘算子对图像进行水平和竖直方向的滤波;
12)计算模值。
所述的步骤11)中,所述的sobel边缘算子包括两组3x3矩阵,其中一组为横向矩阵另一组为纵向矩阵
所述的步骤S3和S4中,形态学重建技术包括腐蚀操作、计算连通区域面积、删除杂质点和过小连通区域面积、图像膨胀和重建的步骤。
与现有技术相比,本发明基于标记的分水岭算法的程序原理,分水岭算法是应用在经过标记修改后的原始梯度图像之上的,而不是应用在简化后的图形上面,这样可以保护图像的边缘信息不至于流失,从而影响到分割效果。在此结果基础上,对梯度图像进行标记,只允许在标一记的范围内有极小值,从而可以有效的去除梯度图像中的伪极小值点。
附图说明
图1为本发明检测系统的组成结构示意图;
图2为本实施例检测方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
本实施例基于雷达的FOD检测系统的研制为背景,实现异物定位。雷达异物检测系统的关键技术是雷达图像处理,它接收雷达传感器获取的数据并进行相应的异物检测,能实时得到异物坐标,从而对目标进行清理。基于雷达的机场跑道异物检测的主要难点在于雷达图像序列的斑点噪声及目标异物的分离,本实施例运用标记分水岭算法来对的机场跑道雷达图像进行分割。
如图1所示,一种运用雷达的机场跑道异物检测系统,包括雷达1、控制中心2和位于控制中心2内的检测终端3,检测终端3与雷达1一一对应,由于单个雷达无法完成对整个机场跑道的全范围监控,因此系统考虑使用雷达组,系统在机场跑道边每间隔一段距离架设一台雷达,形成雷达阵列,实现对整个机场跑道的全范围监控。每个雷达与其对应的检测终端形成一个工作组,不同的工作组负责检测机场跑道的固定一段区域,相互独立,互不影响。检测终端3运行在控制中心的监视终端PC上,实时检测异物并定位,控制中心2的控制服务器收到异物检测警报后,由值班人员统一指挥清理异物。
雷达图像在成像机理、图像特性等方面与CCD图像有很大的不同,因而在图像预处理方法上也存在许多差异,如去斑点噪声。
去斑点噪声是不可避免的雷达图像特性噪声,因此也是雷达图像处理研究中的重中之重。斑点噪声(亦称为光斑噪声)是一种与信号有关的噪声,它是由于雷达成像过程中相干处理造成的,即每个地面单元的总回波(包含幅度和相位)是各个散射点回波的相干叠加,遥感器稍有移动时该点的回波信号会发生变化,同一目标会被照射多次,需相干处理后方可成像。同样相邻两个同质观测单元回波信号也会不同,像元间会出现亮度变化,则在雷达图像上呈颗粒状散步的斑点。由于亮点突出,这一现象叫做光斑效应。它对雷达图像的解译影响很大,不仅限制了估算分辨率,影响到对不同信号强度的分辨能力,而且降低了对地面目标、结构的识别能力,并对专题特征提取和分类造成障碍。在雷达图像的应用分析中,通过选用适当的滤波技术,可以达到去斑点的效果。
检测终端3根据雷达1采集的图像进行异物识别,并将结果发送至控制中心2,检测终端3首先对图像进行标记,然后采用分水岭算法对图像进行检测,得到检测结果。
近年来,分水岭算法在图像分割中的应用越来越广泛,考虑到异物雷达图像较小且精细,因此对雷达图像的处理以分水岭算法为基础。但是,由于传统的分水岭算法容易造成图像的过分割现象,且分水岭算法对噪声非常敏感,所以不论在分割之前是否对原始图像进行了滤波操作,结果仍然存在过度分割问题。因此可以采用基于标记的分水岭算法,在分割之一前,先设定一些标记,每个标一记标志着一个物体的存在,把这些标记强制性的作为梯度图像的极小值,同时将梯度图像的其他极小值屏蔽,在此基础上,再对图像进行分水岭分割。
一般来说,分水岭的改进算法是在简化之后的图像上进行的,这样,必须在简化图像的同时还要考虑保护物体的边缘信息。因此,简化后的图像中仍然存在相当多的伪极小值,将其作为分水岭算法的分割图像,必然存在较为严重的过度分割现象。因此,必须联合其他的复杂算法来降低图像的过分割程度。而图像的简化过程只能在较小的程度上消除部分噪声,大量的噪声由于考虑到保护图像的边缘信息而不能得到有效得去除,所以这种传统的处理问题的方式,势必造成图像简化与保护物体的边缘信息之间的矛盾体的出现。
标记分水岭算法中,采用的分割图像为原始图像的梯度图像,并非简化后的图像。这样既可以保证没有任何边缘信息丢失,又能将该算法提取到的标记强制作为分割图像的局部极小值,同时抑制过分割图像中原有的所有局部极小值。最后,在修改后的分割图像上进行分水岭算法,能获得理想的图像分割结果。
基于标记的方法,其关键点是寻找一组与图像中各个物体区域相关的标记,亦可称之为种子。理论上,可以通过某种特征检测的方法从图像中提取与物体相关的标记。物体的特征属性一般包括图像的局部极值、平坦的区域、纹理一致的区域等。
机场跑道雷达图像的特征如下:①利用雷达获取的机场跑道图像序列是具有一定灰度的一系列图像,其灰度层次较少,且直方图特性较为集中;②机场跑道一般长约3000米,而跑道上的异物一般长度为5cm-50cm之间,雷达成像后异物极小,且干扰多。③利用雷达获取的机场跑道图像中存在各种噪声点、机场跑道正常设备等干扰物,而且成像的区域轮廓也有大量的毛刺现象。为了更准确的检测异物、降低虚警率和加快处理速度,本实施例采用了图2所示的检测流程来完成机场跑道异物的检测。首先,专为机场跑道研制的雷达1将采集到的跑道灰度图像传输给FOD实时处理系统,通过该软件处理后,在用户图形界面端显示检测到的异物并发出警报,同时能对该异物实时定位以便工作人员清除。最后,将处理后的图像数据保存至FOD数据库,便于日后FOD异物分类研究。
本实施例采用运用雷达的机场跑道异物检测系统进行异物检测的方法,检测终端3进行异物识别的过程包括以下步骤:
S1,先对原始图像进行中值滤波,然后计算原始图像的梯度幅值图像,中值滤波包括以下步骤:
11)选择sobel边缘算子对图像进行水平和竖直方向的滤波,sobel边缘算子包括两组3x3矩阵,其中一组为横向矩阵另一组为纵向矩阵
12)计算模值;
S2,利用形态学重建技术对前景图像进行标记;
S3,利用形态学重建技术对背景图像进行标记;
S4,修改梯度幅值图像,去除梯度图像中的伪极小值点;
S5,在修改后的梯度幅值图像上进行分水岭变换,得到检测结果。
步骤S5中,采用像素点的欧几里得距离作为分水岭算法中的分割标准。
步骤S3和S4中,形态学重建技术包括腐蚀操作、计算连通区域面积、删除杂质点和过小连通区域面积、图像膨胀和重建的步骤。
Claims (7)
1.一种运用雷达的机场跑道异物检测系统,包括雷达(1)、控制中心(2)和位于控制中心(2)内的检测终端(3),所述的检测终端(3)与雷达(1)一一对应,检测终端(3)根据雷达(1)采集的图像进行异物识别,并将结果发送至控制中心(2),其特征在于,所述的检测终端(3)首先对图像进行标记,然后采用分水岭算法对图像进行检测,得到检测结果。
2.一种采用如权利要求1所述的运用雷达的机场跑道异物检测系统进行异物检测的方法,其特征在于,检测终端(3)进行异物识别的过程包括以下步骤:
S1,计算原始图像的梯度幅值图像;
S2,利用形态学重建技术对前景图像进行标记;
S3,利用形态学重建技术对背景图像进行标记;
S4,修改梯度幅值图像,去除梯度图像中的伪极小值点;
S5,在修改后的梯度幅值图像上进行分水岭变换,得到检测结果。
3.根据权利要求2所述的方法,其特征在于,所述的步骤S5中,采用像素点的欧几里得距离作为分水岭算法中的分割标准。
4.根据权利要求2所述的方法,其特征在于,所述的步骤S1中,先对原始图像进行中值滤波。
5.根据权利要求4所述的方法,其特征在于,所述的中值滤波包括以下步骤:
11)选择sobel边缘算子对图像进行水平和竖直方向的滤波;
12)计算模值。
6.根据权利要求5所述的方法,其特征在于,所述的步骤11)中,所述的sobel边缘算子包括两组3x3矩阵,其中一组为横向矩阵另一组为纵向矩阵
7.根据权利要求2所述的方法,其特征在于,所述的步骤S3和S4中,形态学重建技术包括腐蚀操作、计算连通区域面积、删除杂质点和过小连通区域面积、图像膨胀和重建的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810345049.9A CN108665446A (zh) | 2018-04-17 | 2018-04-17 | 一种运用雷达的机场跑道异物检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810345049.9A CN108665446A (zh) | 2018-04-17 | 2018-04-17 | 一种运用雷达的机场跑道异物检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108665446A true CN108665446A (zh) | 2018-10-16 |
Family
ID=63782276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810345049.9A Pending CN108665446A (zh) | 2018-04-17 | 2018-04-17 | 一种运用雷达的机场跑道异物检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108665446A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363128A (zh) * | 2019-07-04 | 2019-10-22 | 中国人民解放军国防科技大学 | 基于生物视觉的机场跑道异物检测方法、系统及介质 |
CN116704446A (zh) * | 2023-08-04 | 2023-09-05 | 武汉工程大学 | 机场跑道路面异物实时检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914843A (zh) * | 2014-04-04 | 2014-07-09 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
CN204515166U (zh) * | 2015-04-15 | 2015-07-29 | 中国人民解放军空军预警学院 | 一种基于合成孔径雷达的机场跑道异物检测系统 |
CN106599793A (zh) * | 2016-11-21 | 2017-04-26 | 江苏大学 | 一种基于标记分水岭分割的钢材晶粒晶界自动提取方法 |
CN107481233A (zh) * | 2017-08-22 | 2017-12-15 | 广州辰创科技发展有限公司 | 一种应用于fod异物检测雷达中的图像识别方法 |
-
2018
- 2018-04-17 CN CN201810345049.9A patent/CN108665446A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914843A (zh) * | 2014-04-04 | 2014-07-09 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
CN204515166U (zh) * | 2015-04-15 | 2015-07-29 | 中国人民解放军空军预警学院 | 一种基于合成孔径雷达的机场跑道异物检测系统 |
CN106599793A (zh) * | 2016-11-21 | 2017-04-26 | 江苏大学 | 一种基于标记分水岭分割的钢材晶粒晶界自动提取方法 |
CN107481233A (zh) * | 2017-08-22 | 2017-12-15 | 广州辰创科技发展有限公司 | 一种应用于fod异物检测雷达中的图像识别方法 |
Non-Patent Citations (1)
Title |
---|
关新平 等: ""一种基于标记阈值的分水岭分割新算法"", 《系统工程与电子技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363128A (zh) * | 2019-07-04 | 2019-10-22 | 中国人民解放军国防科技大学 | 基于生物视觉的机场跑道异物检测方法、系统及介质 |
CN116704446A (zh) * | 2023-08-04 | 2023-09-05 | 武汉工程大学 | 机场跑道路面异物实时检测方法及系统 |
CN116704446B (zh) * | 2023-08-04 | 2023-10-24 | 武汉工程大学 | 机场跑道路面异物实时检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Material based salient object detection from hyperspectral images | |
Li et al. | Multi-feature combined cloud and cloud shadow detection in GaoFen-1 wide field of view imagery | |
CN105719283A (zh) | 一种基于Hessian矩阵多尺度滤波的路面裂缝图像检测方法 | |
Tatar et al. | A robust object-based shadow detection method for cloud-free high resolution satellite images over urban areas and water bodies | |
CN110335233B (zh) | 基于图像处理技术的高速公路护栏板缺陷检测系统和方法 | |
CN109559324A (zh) | 一种线阵图像中的目标轮廓检测方法 | |
CN107481233A (zh) | 一种应用于fod异物检测雷达中的图像识别方法 | |
CN106203439B (zh) | 基于标志物多特征融合的无人机自动寻的着陆方法 | |
CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
CN113744191A (zh) | 一种卫星遥感影像自动云检测方法 | |
Avery et al. | Investigation into shadow removal from traffic images | |
CN108665446A (zh) | 一种运用雷达的机场跑道异物检测系统及方法 | |
CN107341455A (zh) | 一种对夜间机场跑道路面上外来物的区域多特征的检测方法及检测装置 | |
Yu et al. | MSER based shadow detection in high resolution remote sensing image | |
Gao et al. | Intelligent crack damage detection system in shield tunnel using combination of retinanet and optimal adaptive selection | |
Han et al. | An effective method for bridge detection from satellite imagery | |
CN115760790A (zh) | 机场路面异物检测方法、服务器及存储介质 | |
CN115578629A (zh) | 一种公路护栏提取方法 | |
Jishuang et al. | A multi-threshold based morphological approach for extracting coastal line feature in remote sensed images | |
Ali et al. | Computer vision based automatic scoring of shooting targets | |
Avudaiamma et al. | Automatic building extraction from VHR satellite image | |
Wang et al. | A new classification method for high spatial resolution remote sensing image based on mapping mechanism | |
Li et al. | Vehicle Detection on Unmanned Aerial Vehicle Images based on Saliency Region Detection | |
Taha et al. | An efficient method for multi moving objects tracking at nighttime | |
Sebastian et al. | LiDAR-assisted Large-scale privacy protection in street-view cycloramas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181016 |