CN110472472A - 基于sar遥感图像的机场检测方法与装置 - Google Patents
基于sar遥感图像的机场检测方法与装置 Download PDFInfo
- Publication number
- CN110472472A CN110472472A CN201910463519.6A CN201910463519A CN110472472A CN 110472472 A CN110472472 A CN 110472472A CN 201910463519 A CN201910463519 A CN 201910463519A CN 110472472 A CN110472472 A CN 110472472A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing images
- sar remote
- sar
- region
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Abstract
本发明涉及一种基于SAR遥感图像的机场检测方法与装置,属于遥感图像处理和分析技术领域,解决现有机场检测存在的流程复杂、耗时长、参数难以确定等问题。所述检测方法包括以下步骤:对原始的SAR遥感图像依次进行边缘区域高亮处理、中值滤波处理,得到预处理后的SAR遥感图像;对所述预处理后的SAR遥感图像依次进行图像二值化处理、反转处理,得到二值化后的SAR遥感图像;对所述二值化后的SAR遥感图像进行形态学处理;对经形态学处理后的遥感图像进行连通域评估,生成机场检测结果并输出。该方法主要应用于星载SAR遥感影像的机场提取,能够实现机场的快速检测,该方法简单有效,运算复杂度低,鲁棒性好,能够大幅提高机场检测效率。
Description
技术领域
本发明涉及遥感图像处理和分析技术领域,尤其涉及基于SAR遥感图像的机场检测方法与装置。
背景技术
目前,在整景遥感影像上进行飞机目标检测的主流做法如下:1)对遥感图像进行切片,2)利用训练好的深度神经网络对切片做目标检测,3)将切片上的检测结果进行合并,输出整景图像的检测结果。之所以对遥感图像进行切片,是因为遥感影像往往尺寸较大,将整幅图输入至神经网络会导致网络规模过大,从而使训练无法进行或训练过慢。飞机目标集中出现在机场区域,如果只针对机场区域进行目标检测可大大提高检测速度,降低检测虚警率。因此,如何实现快速提取SAR遥感图像中的机场区域、提升机场检测效率,是个急需解决的问题。
而现有的机场检测主要利用机场跑道的直线特征、辅助以部分纹理特征来实现。然而,该方法并不适于SAR遥感图像,原因是SAR遥感图像中存在大量的椒盐噪声,难以实现有效的直线特征检测。即使是同一地区的同一机场,不同的入射角和方位角也会造成SAR遥感图像的较大差异,相应的灰度和方差等纹理特征差别较大,因此灰度和方差等纹理特征也难以作为机场检测的有效依据。现有技术中,SAR遥感图像的机场检测主要基于图像分割方法实现。部分文献利用基于Freeman分解的FCM聚类对SAR图像进行粗分割得到感兴趣区域(ROI),采用基于复Wishart分类的K均值聚类对ROI进行精细分割,提出一种不依赖于检测平行直线的跑道检测方法对ROI进行辨识,实现机场检测,然而该方法存在处理过程复杂、耗时较长等缺点;部分文献用包括二叉决策树根据长宽比、形状复杂度、对比度和Euler数在内的4个特征来判别机场,然而机场的大小和形态各异,特征参数的阈值较难设定;部分文献基于机场跑道方向的投影呈双峰分布的假设进行机场检测,但对于单跑道和多跑道机场并不适用。
综上,现有的基于SAR遥感图像的机场检测方法存在流程复杂、耗时长、参数难以确定等缺点。
发明内容
鉴于上述的分析,本发明旨在提供一种基于SAR遥感图像的机场检测方法与装置,用以解决现有机场检测存在的流程复杂、耗时长、参数难以确定等缺点。
本发明的目的主要是通过以下技术方案实现的:
基于SAR遥感图像的机场检测方法,所述检测方法包括以下步骤:
对原始的SAR遥感图像依次进行边缘区域高亮处理、中值滤波处理,得到预处理后的SAR遥感图像;
对所述预处理后的SAR遥感图像依次进行图像二值化处理、反转处理,得到二值化后的SAR遥感图像;
对所述二值化后的SAR遥感图像进行形态学处理;
对经形态学处理后的遥感图像进行连通域评估,生成机场检测结果并输出。
在上述方案的基础上,本发明还做了如下改进:
进一步,所述对原始的SAR遥感图像进行边缘区域高亮处理,包括:
获取所述原始的SAR遥感图像,处理得到边缘区域用0填充的SAR遥感图像,并对所述边缘部分用0填充的SAR遥感图像进行图像格式转换,得到2级SAR遥感图像;
将所述2级SAR遥感图像中左上角像素点的像素值以及图像中所有与之相等的像素点的像素值均设置为该图像格式下的最大值,得到高亮处理后的SAR遥感图像。
进一步,所述对所述二值化后的SAR遥感图像进行形态学处理,包括:
对二值化后的SAR遥感图像依次进行图像腐蚀、图像膨胀处理;其中,所述图像腐蚀的半径为20/n,所述图像膨胀的半径为50/n,n为以米为单位的、所述预处理后的SAR遥感图像的分辨率。
进一步,所述对经形态学处理后的遥感图像进行连通域评估,包括:
计算经形态学处理后的遥感图像中各连通区域高亮像素个数、外接矩形的长度和宽度信息;
根据所述各连通区域中高亮像素个数、外接矩形的长度和宽度信息进行连通区域的评估,得到初评估结果。
进一步,所述根据所述各连通区域中高亮像素个数、外接矩形的长度和宽度信息进行连通区域的评估,得到初评估结果,包括:
剔除所述高亮像素个数低于106/n2或高于108/n2的连通区域;
剔除所述外接矩形长度或宽度低于3000/n或高于10000/n的连通区域;
剔除所述外接矩形长宽比大于2或小于1/2的连通区域;
将剩余连通区域作为候选区域,生成初评估结果。
进一步,当所述初评估结果中只包含一个候选区域时,将所述候选区域作为机场检测结果;
当所述初评估结果中包含多个候选区域时,计算所述评估结果中各候选区域的方差,将方差最大的候选区域作为机场检测结果;
当所述初评估结果为空时,所述原始的SAR遥感图像不包含机场区域。
进一步,当所述初评估结果中包含多个候选区域时,根据以下公式计算所述初评估结果中各候选区域的方差:
σi=var(I(yi:yi+H-1,xi:xi+W-1))
其中,σi表示第i个候选区域的方差,var表示取方差操作,I表示所述预处理后的SAR遥感图像,xi、yi分别表示所述初评估结果中第i个候选区域左上角像素横坐标和纵坐标,H、W分别表示第i个候选区域的高度和宽度。
本发明还提供了一种基于SAR遥感图像的机场检测装置,所述装置根据上述基于SAR遥感图像的机场检测方法得到,包括:
预处理模块,用于对原始的SAR遥感图像依次进行边缘区域高亮处理、中值滤波处理,得到预处理后的SAR遥感图像;
二值化处理模块,用于对所述预处理后的SAR遥感图像依次进行图像二值化处理、反转处理,得到二值化后的SAR遥感图像;
形态学处理模块,用于对所述二值化后的SAR遥感图像进行形态学处理;
机场检测结果生成模块,用于对经形态学处理后的遥感图像进行连通域评估,生成机场检测结果并输出。
在上述方案的基础上,本发明还做了如下改进:
进一步,在所述二值化处理模块内部执行以下操作实现边缘区域高亮处理:
获取所述原始的SAR遥感图像,处理得到边缘区域用0填充的SAR遥感图像,并对所述边缘部分用0填充的SAR遥感图像进行图像格式转换,得到2级SAR遥感图像;
将所述2级SAR遥感图像中左上角像素点的像素值以及图像中所有与之相等的像素点的像素值均设置为该图像格式下的最大值,得到高亮处理后的SAR遥感图像。
进一步,在所述机场检测结果生成模块内部执行以下操作生成机场检测结果:
计算经形态学处理后的遥感图像中各连通区域高亮像素个数、外接矩形的长度和宽度信息;
根据所述各连通区域中高亮像素个数、外接矩形的长度和宽度信息进行连通区域的评估,得到初评估结果;
当所述初评估结果中只包含一个候选区域时,将所述候选区域作为机场检测结果;
当所述初评估结果中包含多个候选区域时,计算所述评估结果中各候选区域的方差,将方差最大的候选区域作为机场检测结果;
当所述初评估结果为空时,所述SAR遥感图像不包含机场区域。
本发明有益效果如下:本发明结合我国SAR遥感影像实际情况,提出了一种基于SAR遥感图像的机场检测方法,该方法简单有效,能够大幅提高机场检测效率。该方法主要应用于星载SAR影像的机场提取,可在大尺寸星载SAR影像上实现机场快速提取,运算复杂度低,鲁棒性好。该方案的应用场景主要是SAR影像飞机目标的检测识别,相比于在整景图中做检测识别,仅在机场区域做检测识别可大大降低运算量和虚警率。由于本装置实施例与上述方法实施例原理相同,所以本装置也具有上述方法实施例相应的技术效果。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例1中基于SAR遥感图像的机场检测方法流程图;
图2为本发明实施例2中二值化后的SAR遥感图像;
图3为本发明实施例2中机场检测结果;
图4为本发明实施例3中基于SAR遥感图像的机场检测装置示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明的具体实施例1中,公开了一种基于SAR遥感图像的机场检测方法,流程图如图1所示,包括以下步骤:
步骤S1:对原始的SAR遥感图像依次进行边缘区域高亮处理、中值滤波处理,得到预处理后的SAR遥感图像;具体包括:
步骤S11:由于星载SAR遥感图像成像过程中,扫描区域往往是倾斜矩形条带,即图像的两个维度x/y不是指向正东、正北的。因此在获取原始的SAR遥感图像后,需要对原始图像做非裁剪旋转处理,使得图像的两个维度指向正东、正北,边缘区域用0值填充,一般保存为16位TIFF格式。由于TIFF图像文件过大,一般会通过对所述边缘部分用0填充的SAR遥感图像进行图像格式转换,得到2级SAR遥感图像,然后进行后续处理。例如可以将TIFF图像压缩至8位,并经过直方图均衡,保存为JPG格式文件。
步骤S12:鉴于本发明主要是利用机场跑道亮度较暗的特点提取机场区域,因此,需要首先将填充的边缘区域设置为高亮。由于格式转换后的图像左上角像素点(即坐标为(0,0)处,原始图像的边缘区域)的像素值不一定为0,因此通过以下方式将填充的边缘区域设置为高亮:
将该2级SAR遥感图像中左上角像素点的像素值以及图像中所有与之相等的像素点的像素值均设置为该图像格式下的最大值,得到高亮处理后的SAR遥感图像。具体地,将所有像素值等于图像左上角(即坐标为(0,0)处)像素点的值设置为255(当2级SAR遥感图像为8位JPG图像时)或65535(当2级SAR遥感图像为16位TIFF图像时)。
步骤S13:为了抑制椒盐噪声,使机场区域更加“纯净”,还需要对图像进行中值滤波。试验表明,加入中值滤波后机场提取算法更加鲁棒性。
步骤S2:对预处理后的SAR遥感图像依次进行图像二值化处理、反转处理,得到二值化后的SAR遥感图像;具体地,首先将图像做二值化处理,阈值的确定采用Otsu方法,通过最小化类内方差准则来确定阈值。然后对二值化图像反转,即将0置为1,1置为0,反转的目的是使图像暗部区域高亮,将亮部区域变暗,便于后续的形态学处理。前面原始边缘补零区域已做高亮处理,经二值化并反转后,这类边缘区域将会置0。由于在SAR图像中机场跑道总是全图最暗的区域之一,机场区域经过该步骤后便成为高亮区域。
步骤S3:对二值化后的SAR遥感图像进行形态学处理;具体地,对二值化后的SAR遥感图像依次进行图像腐蚀、图像膨胀处理;图像腐蚀的作用是去掉图像上的零星亮斑,图像腐蚀半径建议选取为20/n,n为以米为单位的、预处理后的SAR遥感图像的分辨率。大量实验表明,按照上述方法设定的图像腐蚀半径,可以避免腐蚀掉机场跑道区域、符合实际应用要求。以分辨率为1m的SAR影像为例,腐蚀半径可以设置为20。图像腐蚀可能造成原本连通区域“断裂”,因此,需要通过图像膨胀将这些“断裂”的区域再次连通,避免形成“孤岛”。优选地,可将图像膨胀半径设置为50/n。经过腐蚀和膨胀处理后,二值化图像形成了若干连通区域。
步骤S4:对经形态学处理后的遥感图像进行连通域评估,生成机场检测结果并输出;连通域评估包括初评估和纹理评估两部分。部分遥感图像存在河流、湖泊等反射率较低的区域,同样会在二值化图像上形成伪高亮区域。初评估主要利用连通区域高亮像素个数和外接矩形的长宽信息来评估连通区域的合理性,初步排除伪高亮区域。具体地,
步骤S41:计算经形态学处理后的遥感图像中各连通区域高亮像素个数、外接矩形的长度和宽度信息;
步骤S42:根据所述各连通区域中高亮像素个数、外接矩形的长度和宽度信息进行连通区域的评估,得到初评估结果。具体地,在上述图像腐蚀和图像膨胀半径的设置下,初评估指标可以设置为:
1)剔除高亮像素个数低于106/n2或高于108/n2的连通区域;
2)剔除外接矩形长度或宽度低于3000/n或高于10000/n的连通区域;
3)剔除外接矩形长宽比大于2或小于1/2的连通区域,由此排除长宽比过大或过小的畸形区域;
将剩余连通区域作为候选区域,生成初评估结果。
经过连通区域初评估后,当初评估结果中只包含一个候选区域时,将该候选区域作为机场检测结果;当初评估结果为空时,那么认为原始的SAR遥感图像无机场区域。当初评估结果中包含多个候选区域时,根据以下公式计算评估结果中各候选区域的方差,将方差最大的候选区域作为机场检测结果;
σi=var(I(yi:yi+H-1,xi:xi+W-1))
其中,σi表示第i个候选区域的方差,var表示取方差操作,I表示预处理后的SAR遥感图像,xi、yi分别表示初评估结果中第i个候选区域左上角像素横坐标和纵坐标,H、W分别表示第i个候选区域的高度和宽度。
将按照上述步骤提取的机场区域框(即机场检测结果),在原始的SAR遥感图像中裁剪出相应区域并输出。如果后续任务是飞机目标检测,可以直接在输出的机场区域中进行飞机目标检测,这种方式将会大大提高飞机目标检测的效率。
本发明结合我国SAR遥感影像实际情况,提出了一种基于SAR遥感图像的机场检测方法,该方法简单有效,能够大幅提高机场检测效率。该方法主要应用于星载SAR影像的机场提取,可在大尺寸星载SAR影像上实现机场快速提取,运算复杂度低,鲁棒性好。该方案的应用场景主要是SAR影像飞机目标的检测识别,相比于在整景图中做检测识别,仅在机场区域做检测识别可大大降低运算量和虚警率。
实施例2
为了验证本发明中基于SAR遥感图像的机场检测方法的效果,在本发明的实施例2中,对实施例1中的方法进行了如下测试:输入一幅分辨率为1m、大小为27271╳25351的高分三号SAR影像,经过预处理和二值化后,得到的影像如图2所示。二值化阈值通过Otsu方法获得。图中的高亮区域包括机场、海洋、河流、农田等区域。对上述图像进行形态学处理,图像腐蚀半径设置为20,图像膨胀半径设置为50,得到如图3所示的一系列连通区域。经过连通区域评估,本发明成功提取出了机场所在区域,如图中白色方框所示。连通区域评估时,所有高亮像素个数大于1e8或小于1e6、外接矩形长或宽小于3000像素、长宽比小于0.5或大于2的连通区域均被排除,仅有1个连通区域未被排除,即机场区域。全流程共用时39s。此外,另一测试过程中,还收集了60幅SAR机场测试图像,每张图像包含25000×25000个像素,每幅图像包含1个机场。基于以上测试数据,本发明方法的机场提取有效率为100%,即所有测试图像均能有效提取机场区域,且所提取机场区域完整无截断,检测有效性超过现有SAR机场检测算法,平均耗时40s,处理时效性优于现有算法。
实施例3
本发明的实施例3,公开了一种基于SAR遥感图像的机场检测装置,结构示意图如图4所示,该装置与实施例1中的基于SAR遥感图像的机场检测方法对应设置,包括:预处理模块,用于对原始的SAR遥感图像依次进行边缘区域高亮处理、中值滤波处理,得到预处理后的SAR遥感图像;二值化处理模块,用于对所述预处理后的SAR遥感图像依次进行图像二值化处理、反转处理,得到二值化后的SAR遥感图像;形态学处理模块,用于对所述二值化后的SAR遥感图像进行形态学处理;机场检测结果生成模块,用于对经形态学处理后的遥感图像进行连通域评估,生成机场检测结果并输出。
优选地,在所述二值化处理模块内部执行以下操作实现边缘区域高亮处理:获取所述原始的SAR遥感图像,处理得到边缘区域用0填充的SAR遥感图像,并对所述边缘部分用0填充的SAR遥感图像进行图像格式转换,得到2级SAR遥感图像;将所述2级SAR遥感图像中左上角像素点的像素值以及图像中所有与之相等的像素点的像素值均设置为该图像格式下的最大值,得到高亮处理后的SAR遥感图像。
优选地,在所述机场检测结果生成模块内部执行以下操作生成机场检测结果:计算经形态学处理后的遥感图像中各连通区域高亮像素个数、外接矩形的长度和宽度信息;根据所述各连通区域中高亮像素个数、外接矩形的长度和宽度信息进行连通区域的评估,得到初评估结果;当所述初评估结果中只包含一个候选区域时,将所述候选区域作为机场检测结果;当所述初评估结果中包含多个候选区域时,计算所述评估结果中各候选区域的方差,将方差最大的候选区域作为机场检测结果;当所述初评估结果为空时,所述SAR遥感图像不包含机场区域。
本装置实施例的具体实施过程参见上述方法实施例即可,本实施例在此不再赘述。由于本装置实施例与上述方法实施例原理相同,所以本装置也具有上述方法实施例相应的技术效果。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.基于SAR遥感图像的机场检测方法,其特征在于,所述检测方法包括以下步骤:
对原始的SAR遥感图像依次进行边缘区域高亮处理、中值滤波处理,得到预处理后的SAR遥感图像;
对所述预处理后的SAR遥感图像依次进行图像二值化处理、反转处理,得到二值化后的SAR遥感图像;
对所述二值化后的SAR遥感图像进行形态学处理;
对经形态学处理后的遥感图像进行连通域评估,生成机场检测结果并输出。
2.根据权利要求1所述的SAR遥感图像的机场检测方法,其特征在于,所述对原始的SAR遥感图像进行边缘区域高亮处理,包括:
获取所述原始的SAR遥感图像,处理得到边缘区域用0填充的SAR遥感图像,并对所述边缘部分用0填充的SAR遥感图像进行图像格式转换,得到2级SAR遥感图像;
将所述2级SAR遥感图像中左上角像素点的像素值以及图像中所有与之相等的像素点的像素值均设置为该图像格式下的最大值,得到高亮处理后的SAR遥感图像。
3.根据权利要求1或2所述的基于SAR遥感图像的机场检测方法,其特征在于,所述对所述二值化后的SAR遥感图像进行形态学处理,包括:
对二值化后的SAR遥感图像依次进行图像腐蚀、图像膨胀处理;其中,所述图像腐蚀的半径为20/n,所述图像膨胀的半径为50/n,n为以米为单位的、所述预处理后的SAR遥感图像的分辨率。
4.根据权利要求3所述的基于SAR遥感图像的机场检测方法,其特征在于,所述对经形态学处理后的遥感图像进行连通域评估,包括:
计算经形态学处理后的遥感图像中各连通区域高亮像素个数、外接矩形的长度和宽度信息;
根据所述各连通区域中高亮像素个数、外接矩形的长度和宽度信息进行连通区域的评估,得到初评估结果。
5.根据权利要求4所述的基于SAR遥感图像的机场检测方法,其特征在于,所述根据所述各连通区域中高亮像素个数、外接矩形的长度和宽度信息进行连通区域的评估,得到初评估结果,包括:
剔除所述高亮像素个数低于106/n2或高于108/n2的连通区域;
剔除所述外接矩形长度或宽度低于3000/n或高于10000/n的连通区域;
剔除所述外接矩形长宽比大于2或小于1/2的连通区域;
将剩余连通区域作为候选区域,生成初评估结果。
6.根据权利要求4或5所述的基于SAR遥感图像的机场检测方法,其特征在于,
当所述初评估结果中只包含一个候选区域时,将所述候选区域作为机场检测结果;
当所述初评估结果中包含多个候选区域时,计算所述评估结果中各候选区域的方差,将方差最大的候选区域作为机场检测结果;
当所述初评估结果为空时,所述原始的SAR遥感图像不包含机场区域。
7.根据权利要求6所述的基于SAR遥感图像的机场检测方法,其特征在于,当所述初评估结果中包含多个候选区域时,根据以下公式计算所述初评估结果中各候选区域的方差:
σi=var(I(yi:yi+H-1,xi:xi+W-1))
其中,σi表示第i个候选区域的方差,var表示取方差操作,I表示所述预处理后的SAR遥感图像,xi、yi分别表示所述初评估结果中第i个候选区域左上角像素横坐标和纵坐标,H、W分别表示第i个候选区域的高度和宽度。
8.一种基于SAR遥感图像的机场检测装置,其特征在于,所述装置根据权利要求1-7中任一项基于SAR遥感图像的机场检测方法得到,包括:
预处理模块,用于对原始的SAR遥感图像依次进行边缘区域高亮处理、中值滤波处理,得到预处理后的SAR遥感图像;
二值化处理模块,用于对所述预处理后的SAR遥感图像依次进行图像二值化处理、反转处理,得到二值化后的SAR遥感图像;
形态学处理模块,用于对所述二值化后的SAR遥感图像进行形态学处理;
机场检测结果生成模块,用于对经形态学处理后的遥感图像进行连通域评估,生成机场检测结果并输出。
9.根据权利要求8所述的基于SAR遥感图像的机场检测装置,其特征在于,在所述二值化处理模块内部执行以下操作实现边缘区域高亮处理:
获取所述原始的SAR遥感图像,处理得到边缘区域用0填充的SAR遥感图像,并对所述边缘部分用0填充的SAR遥感图像进行图像格式转换,得到2级SAR遥感图像;
将所述2级SAR遥感图像中左上角像素点的像素值以及图像中所有与之相等的像素点的像素值均设置为该图像格式下的最大值,得到高亮处理后的SAR遥感图像。
10.根据权利要求8或9所述的基于SAR遥感图像的机场检测装置,其特征在于,在所述机场检测结果生成模块内部执行以下操作生成机场检测结果:
计算经形态学处理后的遥感图像中各连通区域高亮像素个数、外接矩形的长度和宽度信息;
根据所述各连通区域中高亮像素个数、外接矩形的长度和宽度信息进行连通区域的评估,得到初评估结果;
当所述初评估结果中只包含一个候选区域时,将所述候选区域作为机场检测结果;
当所述初评估结果中包含多个候选区域时,计算所述评估结果中各候选区域的方差,将方差最大的候选区域作为机场检测结果;
当所述初评估结果为空时,所述SAR遥感图像不包含机场区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463519.6A CN110472472B (zh) | 2019-05-30 | 2019-05-30 | 基于sar遥感图像的机场检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910463519.6A CN110472472B (zh) | 2019-05-30 | 2019-05-30 | 基于sar遥感图像的机场检测方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110472472A true CN110472472A (zh) | 2019-11-19 |
CN110472472B CN110472472B (zh) | 2022-04-19 |
Family
ID=68506753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910463519.6A Active CN110472472B (zh) | 2019-05-30 | 2019-05-30 | 基于sar遥感图像的机场检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472472B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723753A (zh) * | 2020-06-23 | 2020-09-29 | 深圳航天宏图信息技术有限公司 | 卫星遥感图像的去条带方法、装置和电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN101982835A (zh) * | 2010-11-12 | 2011-03-02 | 西安电子科技大学 | Sar图像机场道路边缘检测水平集方法 |
CN103793709A (zh) * | 2012-10-26 | 2014-05-14 | 西门子医疗保健诊断公司 | 细胞识别方法和装置、以及尿液分析仪 |
KR20160034196A (ko) * | 2014-09-19 | 2016-03-29 | 히타치가세이가부시끼가이샤 | 도전 입자 형상 평가 장치 및 도전 입자 형상 평가 방법 |
CN105447488A (zh) * | 2015-12-15 | 2016-03-30 | 西安电子科技大学 | 基于素描线段拓扑结构的sar图像目标检测方法 |
CN106295562A (zh) * | 2016-08-09 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感影像道路信息提取方法 |
CN108009522A (zh) * | 2017-12-21 | 2018-05-08 | 海信集团有限公司 | 一种道路检测方法、装置及终端 |
CN108470329A (zh) * | 2018-02-12 | 2018-08-31 | 深圳市华星光电半导体显示技术有限公司 | 一种图像处理方法及系统 |
CN109583293A (zh) * | 2018-10-12 | 2019-04-05 | 复旦大学 | 星载sar图像中的飞机目标检测与鉴别方法 |
-
2019
- 2019-05-30 CN CN201910463519.6A patent/CN110472472B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN101982835A (zh) * | 2010-11-12 | 2011-03-02 | 西安电子科技大学 | Sar图像机场道路边缘检测水平集方法 |
CN103793709A (zh) * | 2012-10-26 | 2014-05-14 | 西门子医疗保健诊断公司 | 细胞识别方法和装置、以及尿液分析仪 |
KR20160034196A (ko) * | 2014-09-19 | 2016-03-29 | 히타치가세이가부시끼가이샤 | 도전 입자 형상 평가 장치 및 도전 입자 형상 평가 방법 |
CN105447488A (zh) * | 2015-12-15 | 2016-03-30 | 西安电子科技大学 | 基于素描线段拓扑结构的sar图像目标检测方法 |
CN106295562A (zh) * | 2016-08-09 | 2017-01-04 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感影像道路信息提取方法 |
CN108009522A (zh) * | 2017-12-21 | 2018-05-08 | 海信集团有限公司 | 一种道路检测方法、装置及终端 |
CN108470329A (zh) * | 2018-02-12 | 2018-08-31 | 深圳市华星光电半导体显示技术有限公司 | 一种图像处理方法及系统 |
CN109583293A (zh) * | 2018-10-12 | 2019-04-05 | 复旦大学 | 星载sar图像中的飞机目标检测与鉴别方法 |
Non-Patent Citations (2)
Title |
---|
PING HAN 等: "Airport Runway Area Detection Based on Multi-Feature Optimization in PolSAR Images", 《2018 IEEE/AIAA 37TH DIGITAL AVIONICS SYSTEMS CONFERENCE (DASC)》 * |
郭倩 等: "星载合成孔径雷达图像的飞机目标检测", 《上海航天》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723753A (zh) * | 2020-06-23 | 2020-09-29 | 深圳航天宏图信息技术有限公司 | 卫星遥感图像的去条带方法、装置和电子设备 |
CN111723753B (zh) * | 2020-06-23 | 2023-07-11 | 深圳航天宏图信息技术有限公司 | 卫星遥感图像的去条带方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110472472B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Automatic road crack detection using random structured forests | |
CN111681197B (zh) | 一种基于Siamese网络结构的遥感图像无监督变化检测方法 | |
CN106650812B (zh) | 一种卫星遥感影像的城市水体提取方法 | |
CN103049763B (zh) | 一种基于上下文约束的目标识别方法 | |
CN109636772A (zh) | 基于深度学习的不规则形状金属加工表面的缺陷检测方法 | |
CN104361582B (zh) | 一种对象级高分辨率sar影像洪水灾害变化检测方法 | |
CN107808383B (zh) | 一种强海杂波下sar图像目标快速检测方法 | |
CN109840483B (zh) | 一种滑坡裂缝检测与识别的方法及装置 | |
CN106683075A (zh) | 一种输电线杆塔横担处螺栓缺陷检测方法 | |
WO2019193702A1 (ja) | 画像処理装置、画像処理方法、及び、画像処理プログラムが格納された記録媒体 | |
CN109214439A (zh) | 一种基于多特征融合的红外图像结冰河流检测方法 | |
CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
CN111079596A (zh) | 高分辨率遥感影像的海上典型人造目标识别系统及方法 | |
CN108376247A (zh) | 一种应用于光学遥感船只检测中的分策略粗精结合海陆分离方法 | |
Kwon et al. | ETVOS: An enhanced total variation optimization segmentation approach for SAR sea-ice image segmentation | |
CN111611933A (zh) | 文档图像的信息提取方法及系统 | |
CN112784757B (zh) | 海上sar舰船目标显著性检测与识别方法 | |
CN110472472A (zh) | 基于sar遥感图像的机场检测方法与装置 | |
CN103065296B (zh) | 一种基于边缘特征的高分辨率遥感影像居民区提取方法 | |
Buck et al. | Enhanced ship detection from overhead imagery | |
CN109785318B (zh) | 基于面线基元关联约束的遥感图像变化检测方法 | |
CN116740579A (zh) | 一种国土空间规划数据智能采集方法 | |
CN114078106A (zh) | 基于改进Faster R-CNN的疵点检测方法 | |
CN107992863B (zh) | 多分辨率粮虫种类视觉识别方法 | |
CN114742849B (zh) | 一种基于图像增强的水准仪距离测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |