CN115797374B - 基于图像处理的机场跑道提取方法 - Google Patents

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种基于图像处理的机场跑道提取方法。该方法包括：采集航拍灰度图像，分割生成分割区域，计算分割区域中像素点的梯度幅值与梯度方向，根据梯度幅值，确定分割区域的凌乱程度；根据分割区域中像素点的梯度方向、梯度幅值与凌乱程度确定第一主要边缘方向和第二主要边缘方向；计算像素点的梯度幅值分布差值，根据第二主要边缘方向、梯度幅值分布差值和梯度方向，确定分割区域的离散程度；根据凌乱程度和离散程度确定分割区域的自适应微分阶数，对分割区域进行图像增强处理得到增强区域，提取机场跑道区域。本方案能够在复杂的环境下实现机场跑道区域的自适应增强，提高机场跑道提取的准确性。

Description

基于图像处理的机场跑道提取方法

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种基于图像处理的机场跑道提取方法。

背景技术

跑道作为飞机起降的重要设施，对于跑道的提取与识别具有重要的应用价值。飞机在实施迫降或手动降落等复杂情况下时，需要准确判断机场跑道的具体位置，这种方式下，对采集得到的图像进行机场跑道的有效提取，能够辅助飞行员迅速进行形势处理，以提升飞机降落的安全性与可靠性。

相关技术中，是通过显著性信息和区域生长的方式实现机场跑道边缘的检测与提取，这种方式下，由于将图像分为嘈杂背景区及机场跑道的候选区，仅考虑对嘈杂背景区的去除，而忽视了不同机场跑道周围复杂的环境因素，无法在复杂的环境下实现机场跑道提取的自适应调整，从而有可能产生错误提取，对机场跑道区域提取的准确性较低。

发明内容

为了解决无法在复杂环境下实现机场跑道的自适应提取，机场跑道提取的准确性较低的技术问题，本发明提供一种基于图像处理的机场跑道提取方法，所采用的技术方案具体如下：

本发明提出了一种基于图像处理的机场跑道提取方法，方法包括：

采集包含机场跑道的航拍灰度图像，对所述航拍灰度图像进行图像分割处理，生成至少两块分割区域，计算所述分割区域中像素点的梯度幅值与梯度方向，根据所述梯度幅值，确定所述分割区域的凌乱程度；

根据所述分割区域中像素点的所述梯度方向与所述梯度幅值确定所述分割区域的第一主要边缘方向，根据所有所述分割区域的所述第一主要边缘方向和所述凌乱程度，确定所述航拍灰度图像的第二主要边缘方向；

计算所述分割区域中像素点的水平梯度幅值与垂直梯度幅值，根据所述水平梯度幅值和所述垂直梯度幅值，计算像素点的梯度幅值分布差值，根据所述第二主要边缘方向和所述分割区域中所有像素点的所述梯度幅值分布差值，确定离散程度调整系数，根据所述梯度方向、所述梯度幅值和所述离散程度调整系数，确定所述分割区域中像素点的所述梯度方向的离散程度；

根据所述凌乱程度和所述离散程度，确定所述分割区域的自适应微分阶数，根据所述自适应微分阶数对所述分割区域进行图像增强处理，得到增强区域，遍历所有的所述增强区域，提取所述机场跑道区域。

进一步地，所述根据所述梯度幅值，确定所述分割区域的凌乱程度，包括：

计算所述分割区域中所有像素点的梯度幅值分布概率，根据所述梯度幅值分布概率，计算所述分割区域的信息熵作为所述分割区域的凌乱程度。

进一步地，所述根据所述分割区域中像素点的所述梯度方向与所述梯度幅值确定所述分割区域的第一主要边缘方向，包括：

遍历所述分割区域中所有像素点的梯度方向，将所述梯度方向相同的像素点组合作为所述分割区域中的边缘纹理；

计算所述边缘纹理中像素点的所述梯度幅值的均值的归一化值作为幅值归一化值，计算所述梯度方向与所述幅值归一化值的乘积作为所述边缘纹理的边缘分布方向；

在所述分割区域中，确定所有所述边缘纹理的所述边缘分布方向的均值为所述第一主要边缘方向。

进一步地，所述根据所有所述分割区域的所述第一主要边缘方向和所述凌乱程度，确定所述航拍灰度图像的第二主要边缘方向，包括：

对所述凌乱程度进行反向归一化处理，得到凌乱影响因子，计算所述第一主要边缘方向与所述凌乱影响因子的乘积作为所述分割区域的区域分布方向；

遍历所述航拍灰度图像中所有的所述分割区域，确定所有所述分割区域的所述区域分布方向的均值为所述第二主要边缘方向。

进一步地，所述根据所述水平梯度幅值和所述垂直梯度幅值，计算像素点的梯度幅值分布差值，包括：

计算所述水平梯度幅值和所述垂直梯度幅值的差值绝对值作为所述梯度幅值分布差值。

进一步地，所述根据所述第二主要边缘方向和所述分割区域中所有像素点的所述梯度幅值分布差值，确定离散程度调整系数，包括：

根据所述第二主要边缘方向，确定调整置信度；

计算所述分割区域中所有像素点的所述梯度幅值分布差值的和值与所述调整置信度的乘积作为所述离散程度调整系数。

进一步地，所述根据所述第二主要边缘方向，确定调整置信度，包括：

在所述第二主要边缘方向小于预设边缘阈值方向时，确定所述第二主要边缘方向和预设第一调整方向的差值绝对值为第一置信方向，计算所述第一置信方向与所述第一调整方向的比值作为第一离散程度因子，计算预设调整系数和所述第一离散程度因子的和值作为调整置信度；

在所述第二主要边缘方向大于等于预设边缘阈值方向时，确定所述第二主要边缘方向和预设第二调整方向的差值绝对值为第二置信方向，计算所述第二置信方向与所述第一调整方向的比值作为第二离散程度因子，计算所述预设调整系数和所述第二离散程度因子的和值作为调整置信度。

进一步地，所述根据所述梯度方向、所述梯度幅值和所述离散程度调整系数，确定所述分割区域中像素点的所述梯度方向的离散程度，包括：

根据离散程度公式获得所述分割区域中像素点的所述梯度方向的所述离散程度，对应的计算公式为：

式中，

表示第

块分割区域的离散程度，

表示分割区域的索引，

表示分割区域 中像素点的总数量，

表示分割区域中像素点的索引，

表示第

个像素点的梯度方向与水平 方向的锐角梯度方向夹角，

表示分割区域内所有像素点的梯度方向与水平方向的锐角梯 度方向夹角的均值，

表示第

块分割区域内梯度幅值的最大值，

表示第

块分割 区域内梯度幅值的最小值，

表示第

块分割区域内第

个像素点的梯度幅值，

表示第

块 分割区域的离散程度调整系数。

进一步地，所述根据所述凌乱程度和所述离散程度，确定所述分割区域的自适应微分阶数，包括：

对所述离散程度进行反向归一化处理，生成离散影响因子；

计算所述凌乱影响因子与预设第一微分阶数权重值的乘积作为凌乱微分阶数，计算所述离散影响因子与预设第二微分阶数权重值的乘积作为离散微分阶数，将所述凌乱微分阶数和所述离散微分阶数的和值作为所述自适应微分阶数。

进一步地，所述根据所述自适应微分阶数对所述分割区域进行图像增强处理，得到增强区域，包括：

将所述自适应微分阶数代入至分数阶微分算法中生成分数阶微分方程，基于所述分数阶微分方程对所述分割区域进行图像增强处理，得到增强区域。

本发明具有如下有益效果：

本发明通过计算分割区域中像素点的梯度幅值与梯度方向，根据梯度幅值，确定分割区域的凌乱程度，能够准确计算不同分割区域的像素点凌乱程度情况，便于后续根据凌乱程度对机场跑道进行提取，由于是根据分割区域中像素点的梯度方向、梯度幅值及凌乱程度确定航拍灰度图像的第二主要边缘方向，能够提取第二主要边缘方向作为机场跑道的方向，从而能够有效结合机场跑道的特点准确识别机场跑道所对应的方向，根据第二主要边缘方向确定分割区域中像素点的梯度方向的离散程度，从而能够准确识别包含机场跑道边缘的区域，便于后续根据离散程度对机场跑道进行提取，由于是根据凌乱程度和离散程度得到自适应微分阶数，并根据自适应微分阶数对图像进行增强，能够结合图像中像素点的分布对机场跑道的边缘进行自适应增强，便于机场跑道的提取。综上，本方案通过计算自适应微分阶数，根据自适应微分阶数对图像进行增强，能够在复杂的环境下实现机场跑道区域的自适应增强，有效实现机场跑道的准确提取，提高机场跑道提取的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种基于图像处理的机场跑道提取方法流程图；

图2为本发明一个实施例所提供的航拍灰度图像示意图；

图3为本发明一个实施例所提供的边缘检测图像示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理的机场跑道提取方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于图像处理的机场跑道提取方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的机场跑道提取方法流程图，该方法包括：

S101：采集包含机场跑道的航拍灰度图像，对航拍灰度图像进行图像分割处理，生成至少两块分割区域，计算分割区域中像素点的梯度幅值与梯度方向，根据梯度幅值，确定分割区域的凌乱程度。

本发明实施例中，可以使用飞机上的遥感摄影机，或者通过在飞机下方安装的视觉采集系统采集原始航拍图像，而后使用图像去噪、图像灰度化等方式对原始航拍图像进行预处理，生成航拍灰度图像，图像预处理方法为本领域所熟知的技术方法，对此不做赘述，经由处理后得到的航拍灰度图像可以如图2所示，图2为本发明一个实施例所提供的航拍灰度图像示意图，由图2可以看出，除去机场跑道图像外，还包含诸如城镇、道路、耕地、裸地等复杂背景，且不同机场跑道周围的背景区域变化多样，直接进行跑道提取无法保证所提取的机场跑道区域的准确性。

本发明实施例中，可以对航拍灰度图像进行图像分割处理，将其划分为尺寸大小相同的多块分割区域，其中，可以预设分割区域的尺寸大小，以将航拍灰度图像划分为至少两块分割区域，对此不做限制。

本发明实施例中，可以使用Sobel算子计算分割区域中像素点的梯度幅值与梯度方向，对于梯度幅值与梯度方向的计算为本领域所熟知的技术，对此不再赘述。

在确定梯度幅值与梯度方向之后，可以根据像素点的梯度幅值，确定分割区域的凌乱程度，其中，凌乱程度的计算过程可以为：计算分割区域中所有像素点的梯度幅值分布概率，根据梯度幅值分布概率，计算分割区域的信息熵作为分割区域的凌乱程度。

可以理解的是，飞机跑道区别于城镇、道路、耕地、裸地等复杂背景的区域的特征，飞机跑道整体像素点分布较为单一，其跑道边缘以及跑道表面的标识图案，都呈方向相同的直线特征，同时飞机跑道表面除标识图案外无多余噪点影响。而复杂背景的区域，表面的纹理特征都较为混乱且密集，因此复杂背景所在的分割区域中所表现出来的信息熵都远高于机场跑道所在分割区域，可以根据信息熵确定分割区域的凌乱程度。

本发明实施例中，可以使用信息熵公式计算凌乱程度，其中，信息熵公式如下式所示：

式中，

表示第

块分割区域的凌乱程度，

表示分割区域的索引，

表示第

块 分割区域内像素点的梯度幅值的最大值，

表示第

块分割区域内像素点的梯度幅值的 最小值，

表示第

块分割区域内像素点的梯度幅值的索引，

表示在梯度幅值的索引为

的 像素点数量在分割区域内所有像素点的数量占比，

表示对数函数。

由信息熵公式可知，由于梯度幅值反映的是分割区域内像素点之间的相似程度，分割区域内的纹理越复杂，所表现出的纹理及灰度级数均会增加，则对应的凌乱程度就会增加。而飞机跑道的表面纹理所表现出来的复杂程度则远小于周边的干扰区域，也即是说，凌乱程度越小，该分割区域越可能为飞机跑道区域，而凌乱程度越大，分割区域越可能为复杂背景的区域。

S102：根据分割区域中像素点的梯度方向与梯度幅值确定分割区域的第一主要边缘方向，根据所有分割区域的第一主要边缘方向和凌乱程度，确定航拍灰度图像的第二主要边缘方向。

本发明实施例中，根据分割区域中像素点的梯度方向与梯度幅值确定分割区域的第一主要边缘方向，包括：遍历分割区域中所有像素点的梯度方向，将梯度方向相同的像素点组合作为分割区域中的边缘纹理；计算边缘纹理中像素点的梯度幅值的均值的归一化值作为幅值归一化值，计算梯度方向与幅值归一化值的乘积作为边缘纹理的边缘分布方向；在分割区域中，确定所有边缘纹理的边缘分布方向的均值为第一主要边缘方向。

本发明实施例中，对于机场跑道这一特殊场景下所表现出来的特征与周边背景区域的特征区别为：像素点梯度分布的单一程度较高，具体表现在梯度幅值分布的单一程度与梯度方向分布的单一程度，因此，可以将梯度方向相同的像素点组合作为分割区域中的边缘纹理，而后计算该分割区域中最主要的边缘纹理将其作为分割区域的第一主要边缘方向。

本发明实施例中，可以使用第一主要边缘方向公式获得第一主要边缘方向，其中，第一主要边缘方向公式如下式所示：

其中，

表示第

块分割区域的第一主要边缘方向，

表示分割区域的索引，

表示 第

块分割区域内边缘纹理的数量，

表示第

块分割区域内边缘纹理的索引，

表示第

条边 缘纹理的梯度方向，

表示第

条边缘纹理上像素点的梯度幅值的均值，

表示归一 化函数，

表示幅值归一化值。

由第一主要边缘方向公式可知，在分割区域中，构成边缘纹理的像素点的梯度幅值均值越大，则这一边缘在这一分割区域中越明显，越可能为机场跑道这类强边缘特征，因此其幅值归一化值越高，计算梯度方向与幅值归一化值的乘积作为边缘纹理的边缘分布方向，并确定所有边缘纹理的边缘分布方向的均值为第一主要边缘方向，从而能够有效结合梯度方向与梯度幅值因素，保证分割区域的第一主要边缘方向能够有效表征分割区域内所有的边缘纹理。

本发明实施例中，根据所有分割区域的第一主要边缘方向和凌乱程度，确定航拍灰度图像的第二主要边缘方向，包括：对凌乱程度进行反向归一化处理，得到凌乱影响因子，计算第一主要边缘方向与凌乱影响因子的乘积作为分割区域的区域分布方向；遍历航拍灰度图像中所有的分割区域，确定所有分割区域的区域分布方向的均值为第二主要边缘方向。

可以理解的是，在航拍灰度图像中，由于机场所占区域凌乱程度较低，且机场跑道区域与周边背景区域相比像素点的梯度分布较为单一，因此，可以将图像中最主要的边缘方向作为机场跑道的边缘方向，也即是说，计算所有分割区域的第一主要边缘方向之后，可以根据所有分割区域的第一主要边缘方向和凌乱程度，确定航拍灰度图像的第二主要边缘方向。

本发明实施例中，可以使用第二主要边缘方向公式获得航拍灰度图像的第二主要边缘方向，其中，第二主要边缘方向公式如下式所示：

式中，

表示航拍灰度图像的第二主要边缘方向，

表示第

块分割区域的第一主 要边缘方向，

表示分割区域的索引，

表示航拍灰度图像中分割区域的总数量，

表 示归一化函数，

表示第

块分割区域的凌乱程度，

表示凌乱影响因子，

表示第

块分割区域的区域分布方向。

由第二主要边缘方向公式可知，遍历航拍灰度图像中所有的分割区域，确定所有分割区域的区域分布方向的均值为第二主要边缘方向，由于分割区域的凌乱程度越高，则表示该分割区域中强边缘特征越不明显，也即该分割区域内第一主要边缘方向越不明显，而分割区域的凌乱程度越低，分割区域内第一主要边缘方向越明显，基于凌乱程度进行反向归一化处理，最终得到航拍灰度图像中，主要边缘纹理所表现出来的梯度方向均值为第二主要边缘方向。

S103：计算分割区域中像素点的水平梯度幅值与垂直梯度幅值，根据水平梯度幅值和垂直梯度幅值，计算像素点的梯度幅值分布差值，根据第二主要边缘方向和分割区域中所有像素点的梯度幅值分布差值，确定离散程度调整系数，根据梯度方向、梯度幅值和离散程度调整系数，确定分割区域中像素点的梯度方向的离散程度。

可以理解的是，对于梯度方向分布较为单一的场景，像素点梯度幅值在Sobel算子计算下的垂直方向和水平方向的分布中会存在较大差异，可以使用Sobel算子计算分割区域中像素点水平方向的梯度幅值作为水平梯度幅值，计算垂直方向的梯度幅值作为垂直梯度幅值，而后计算水平梯度幅值和垂直梯度幅值的差值绝对值作为梯度幅值分布差值。

其中，梯度幅值分布差值越大，则可以表示该场景越单一，也即是说，该像素点所处分割区域为机场跑道区域的概率越高。

本发明实施例中，根据第二主要边缘方向和分割区域中所有像素点的梯度幅值分布差值，确定离散程度调整系数，包括：根据第二主要边缘方向，确定调整置信度；计算分割区域中所有像素点的梯度幅值分布差值的和值与调整置信度的乘积作为离散程度调整系数。

其中，调整置信度，为离散程度调整系数的置信度，在第二主要边缘方向小于预设边缘阈值方向时，确定第二主要边缘方向和预设第一调整方向的差值绝对值为第一置信方向，计算第一置信方向与第一调整方向的比值作为第一离散程度因子，计算预设调整系数和第一离散程度因子的和值作为调整置信度；在第二主要边缘方向大于等于预设边缘阈值方向时，确定第二主要边缘方向和预设第二调整方向的差值绝对值为第二置信方向，计算第二置信方向与第一调整方向的比值作为第二离散程度因子，计算预设调整系数和第二离散程度因子的和值作为调整置信度。

其中，边缘阈值方向，为预设的边缘方向的门限值，针对第二主要边缘方向小于预设边缘阈值方向与第二主要边缘方向大于等于预设边缘阈值方向两种不同情况进行分开讨论，使用不同的方式分别计算得到调整置信度，优选地，边缘阈值方向可以表示为与水平方向夹角为90°的方向，对此不做限制。

其中，第一调整方向与第二调整方向，分别为预设的调整方向，当第二主要边缘方向与第一调整方向或第二调整方向相同时，其所得到的调整置信度最低，优选地，第一调整方向可以表示为与水平方向夹角为45°的方向，第二调整方向可以表示为与水平方向夹角为135°的方向，对此不做限制。

本发明实施例中可以将预设调整系数设置为1，通过设置预设调整系数为1，以防止出现调整置信度为0的情况从而产生错误判断，预设调整系数可以根据实际情况进行设置，对此不做限制。

本发明实施例中，可以根据调整置信度公式获得调整置信度，其中，调整置信度公式如下式所示：

式中，

表示航拍灰度图像的调整置信度，

表示预设调整系数，

表示航拍灰度图 像的第二主要边缘方向，

表示第二调整方向，

表示第一调整方向，

表示边缘阈值方向， 可以理解的是，

、

、

均可以使用水平方向的夹角的角度来表示，且

、

、

均为预设值， 其大小可以根据实际情况进行调整，优选地，

，

，

。

如调整置信度公式所示，在航拍灰度图像的第二主要边缘方向与第一调整方向相 同，或者，在第二主要边缘方向与第二调整方向相同时，航拍灰度图像的调整置信度的最小 值为预设调整系数，可以理解的是，因梯度幅值分布差值为水平梯度幅值和垂直梯度幅值 的差值绝对值，则需通过调整置信度对梯度幅值分布差值进行进一步调整，以降低航拍灰 度图像的成像角度对像素点梯度产生的影响，在

时，水平梯度幅值与垂直梯度 幅值的差值的绝对值最低，其调整置信度最小，也即是说，图像成像角度的影响程度最小， 若第二主要边缘方向为第一调整方向或第二调整方向时，调整置信度最低，随着第二主要 边缘方向逐渐变化，对应的调整置信度逐渐增高，从而有效降低航拍灰度图像的成像角度 对像素点梯度产生的影响，保证后续离散程度调整系数计算的准确性。

本发明实施例中，在计算获得调整置信度之后，可以根据梯度幅值分布差值和调整置信度计算得到离散程度调整系数。

本发明实施例中，计算分割区域中所有像素点的梯度幅值分布差值的和值与调整置信度的乘积作为离散程度调整系数，其中，可以根据离散程度调整系数公式获得离散程度调整系数，离散程度调整系数公式如下式所示：

式中，

表示第

块分割区域的离散程度调整系数，

表示分割区域的索引，

表示第

块分割区域中像素点的索引，

表示第

块分割区域中像素点的总数量，

表示第

个像素 点的梯度幅值分布差值，

表示航拍灰度图像的调整置信度。

由离散程度调整系数公式可知，在调整置信度越高时，其离散程度调整系数越高，在分割区域中，像素点的梯度幅值分布差值的和值越大，其离散程度调整系数越高。对于梯度方向分布较为单一的场景，在Sobel算子的垂直和水平方向的分布中会存在较大差异，也即是说，其梯度幅值分布差值越大，则该分割区域内场景离散程度调整系数越高。

本发明实施例中，离散程度调整系数，是在后续根据梯度方向计算离散程度时，对离散程度的数值进行调整的系数，可以理解的是，直接根据分割区域中像素点的梯度方向确定离散程度的话，容易忽视图像成像角度与像素点梯度幅值变化的影响，通过设置离散程度调整系数，能够有效处理图像成像角度与像素点梯度幅值变化对离散程度的影响，从而有效提升离散程度计算的客观性与准确性。

本发明实施例中，根据梯度方向、梯度幅值和离散程度调整系数，确定分割区域中像素点的梯度方向的离散程度，对应的计算公式为：

式中，

表示第

块分割区域的离散程度，

表示分割区域的索引，

表示分割区域 中像素点的总数量，

表示第

块分割区域中像素点的索引，

表示第

个像素点的梯度方向 与水平方向的锐角梯度方向夹角，

表示分割区域内所有像素点的梯度方向与水平方向的 锐角梯度方向夹角的均值，

表示第

块分割区域内梯度幅值的最大值，

表示第

块分割区域内梯度幅值的最小值，

表示第

块分割区域内第

个像素点的梯度幅值，

表示 第

块分割区域的离散程度调整系数。

由离散程度公式所示，

表示对梯度幅值进行归一化处理，可以理解的 是，在机场跑道上除较为明显的边缘纹理产生的梯度方向外，机场跑道上还会有飞行辅助 线等纹理区域产生的梯度方向，但飞行辅助线等纹理区域的梯度幅值对应的要小于机场跑 道的边缘纹理，因此，可以通过设定

作为归一化值，减小除机场跑道的边缘纹理 外的干扰信息对离散程度精确度的影响，使得机场跑道这类的边缘纹理在离散程度计算过 程中的占比更高。机场跑道上的边缘纹理方向都是相同的，因此，区域内像素点的梯度方向 越集中，越可能为机场跑道区域，对应的，其中出现的边缘纹理方向越单调，其离散程度就 会越小。由于梯度幅值分布差值越大，越可能为机场跑道区域，且该分割区域内场景离散程 度调整系数越高，则离散程度调整系数与离散程度呈负相关关系，由此，通过计算得到分割 区域中像素点的梯度方向的离散程度。

S104：根据凌乱程度和离散程度，确定分割区域的自适应微分阶数，根据自适应微分阶数对分割区域进行图像增强处理，得到增强区域，遍历所有的增强区域，提取机场跑道区域。

本发明实施例中，根据凌乱程度和离散程度，确定分割区域的自适应微分阶数，包括：对离散程度进行反向归一化处理，生成离散影响因子；计算凌乱影响因子与预设第一微分阶数权重值的乘积作为凌乱微分阶数，计算离散影响因子与预设第二微分阶数权重值的乘积作为离散微分阶数，将凌乱微分阶数和离散微分阶数的和值作为自适应微分阶数。

其中，第一微分阶数权重值和第二微分阶数权重值，均为预设的权重值，可以根据实际成像情况与计算误差预设第一微分阶数权重值和第二微分阶数权重值，优选地，第一微分阶数权重值为0.5，第二微分阶数权重值为0.5，对此不做限制。

可以理解的是，由于分割区域的凌乱程度越大，该分割区域越不可能为机场跑道区域，且由于分割区域中像素点的梯度方向的离散程度越大，该分割区域越不可能为机场跑道区域，也即是说，凌乱程度与离散程度均与机场跑道区域的可能性均呈负相关关系，则可以分别对凌乱程度与离散程度进行反向归一化处理，计算得到该分割区域的自适应微分阶数，自适应微分阶数的计算过程如下式微分阶数公式所示：

式中，

表示第

块分割区域的自适应微分阶数，

表示分割区域的索引，

表示第

块分割区域的凌乱程度，

表示第

块分割区域的离散程度，

表示第一微分阶数权重值，

表示第二微分阶数权重值，

表示归一化函数，

表示凌乱影响因子，

表示凌乱微分阶数，

表示离散影响因子，

表示离散微分阶数。

由微分阶数公式可知，凌乱程度与离散程度均与所得到的自适应微分阶数呈负相关关系，可以理解的是，因在分数阶微分算法中，纹理的增强程度随着微分阶数的增加而增加，而凌乱程度与离散程度的值越大，其对应的越不符合机场跑道的特征。

在确定微分阶数之后，可以使用该微分阶数对分割区域进行图像增强处理，得到增强区域，其中，增强区域的获取过程包括：将自适应微分阶数代入至分数阶微分算法中生成分数阶微分方程，基于分数阶微分方程对分割区域进行图像增强处理，得到增强区域。

本发明实施例中，可以使用分数阶微分算法，根据自适应微分阶数生成分数阶微分方程，其中，分数阶微分方程如下式所示：

式中，

表示分割区域中像素点在水平方向上的索引，

表示分割区域中像素点在 垂直方向上的索引，

表示像素点在

处的灰度值，

表示第

块分割区域的自适应 微分阶数，

表示分割区域的索引，

表示水平方向上的偏微分，

表示垂直方向 上的偏微分，

、

与

为自适应微分阶数生成的系数，其中，

，

，

。

由分数阶微分方程可知，输入分割区域中像素点的灰度值，而后，计算输出该像素点位置处经过增强后的灰度值，遍历分割区域中所有的像素点，根据增强后的灰度值获得增强区域，由于分数阶微分算法为本领域所熟知的技术，对此不做赘述。

本发明在得到增强区域之后，可以对增强区域进行边缘提取，以提取飞机跑道区域，可以理解的是，由于通过每一分割区域中的像素点的梯度方向与梯度幅值等特征对应的获得自适应微分阶数，基于自适应微分阶数对飞机跑道区域的边缘纹理、细节等信息实现图像增强的同时，避免了背景区域等干扰信息的同步增强，进而保证机场跑道区域更为突出，边缘提取效果更优，提升了机场跑道提取的准确度。

本发明实施例中，可以使用Sobel算子进行边缘检测提取感兴趣区域，并将感兴趣区域作为机场跑道区域，如图3所示，图3为本发明一个实施例所提供的边缘检测图像示意图，经由边缘检测，所提取机场跑道区域清晰度较高，而复杂的背景区域则被模糊化处理，当然，本发明还支持使用多种其他任意可能的实现方式从增强区域中提取机场跑道区域，对此不做限制。

本发明通过计算分割区域中像素点的梯度幅值与梯度方向，根据梯度幅值，确定分割区域的凌乱程度，能够准确计算不同分割区域的像素点凌乱程度情况，便于后续根据凌乱程度对机场跑道进行提取，由于是根据分割区域中像素点的梯度方向、梯度幅值及凌乱程度确定航拍灰度图像的第二主要边缘方向，能够提取第二主要边缘方向作为机场跑道的方向，从而能够有效结合机场跑道的特点准确识别机场跑道所对应的方向，根据第二主要边缘方向确定分割区域中像素点的梯度方向的离散程度，从而能够准确识别包含机场跑道边缘的区域，便于后续根据离散程度对机场跑道进行提取，由于是根据凌乱程度和离散程度得到自适应微分阶数，并根据自适应微分阶数对图像进行增强，能够结合图像中像素点的分布对机场跑道的边缘进行自适应增强，便于机场跑道的提取。综上，本方案通过计算自适应微分阶数，根据自适应微分阶数对图像进行增强，能够在复杂的环境下实现机场跑道区域的自适应增强，有效实现机场跑道的准确提取，提高机场跑道提取的准确性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (7)

1.一种基于图像处理的机场跑道提取方法，其特征在于，所述方法包括：

采集包含机场跑道的航拍灰度图像，对所述航拍灰度图像进行图像分割处理，生成至少两块分割区域，计算所述分割区域中像素点的梯度幅值与梯度方向，根据所述梯度幅值，确定所述分割区域的凌乱程度；

根据所述分割区域中像素点的所述梯度方向与所述梯度幅值确定所述分割区域的第一主要边缘方向，根据所有所述分割区域的所述第一主要边缘方向和所述凌乱程度，确定所述航拍灰度图像的第二主要边缘方向；

计算所述分割区域中像素点的水平梯度幅值与垂直梯度幅值，根据所述水平梯度幅值和所述垂直梯度幅值，计算像素点的梯度幅值分布差值，根据所述第二主要边缘方向和所述分割区域中所有像素点的所述梯度幅值分布差值，确定离散程度调整系数，根据所述梯度方向、所述梯度幅值和所述离散程度调整系数，确定所述分割区域中像素点的所述梯度方向的离散程度；

根据所述凌乱程度和所述离散程度，确定所述分割区域的自适应微分阶数，根据所述自适应微分阶数对所述分割区域进行图像增强处理，得到增强区域，遍历所有的所述增强区域，提取所述机场跑道区域；

其中，所述根据所有所述分割区域的所述第一主要边缘方向和所述凌乱程度，确定所述航拍灰度图像的第二主要边缘方向，包括：

对所述凌乱程度进行反向归一化处理，得到凌乱影响因子，计算所述第一主要边缘方向与所述凌乱影响因子的乘积作为所述分割区域的区域分布方向；

遍历所述航拍灰度图像中所有的所述分割区域，确定所有所述分割区域的所述区域分布方向的均值为所述第二主要边缘方向；

其中，所述根据所述凌乱程度和所述离散程度，确定所述分割区域的自适应微分阶数，包括：

对所述离散程度进行反向归一化处理，生成离散影响因子；

计算所述凌乱影响因子与预设第一微分阶数权重值的乘积作为凌乱微分阶数，计算所述离散影响因子与预设第二微分阶数权重值的乘积作为离散微分阶数，将所述凌乱微分阶数和所述离散微分阶数的和值作为所述自适应微分阶数；

其中，所述根据所述自适应微分阶数对所述分割区域进行图像增强处理，得到增强区域，包括：

将所述自适应微分阶数代入至分数阶微分算法中生成分数阶微分方程，基于所述分数阶微分方程对所述分割区域进行图像增强处理，得到增强区域。

2.如权利要求1所述的方法，其特征在于，所述根据所述梯度幅值，确定所述分割区域的凌乱程度，包括：

计算所述分割区域中所有像素点的梯度幅值分布概率，根据所述梯度幅值分布概率，计算所述分割区域的信息熵作为所述分割区域的凌乱程度。

3.如权利要求1所述的方法，其特征在于，所述根据所述分割区域中像素点的所述梯度方向与所述梯度幅值确定所述分割区域的第一主要边缘方向，包括：

遍历所述分割区域中所有像素点的梯度方向，将所述梯度方向相同的像素点组合作为所述分割区域中的边缘纹理；

计算所述边缘纹理中像素点的所述梯度幅值的均值的归一化值作为幅值归一化值，计算所述梯度方向与所述幅值归一化值的乘积作为所述边缘纹理的边缘分布方向；

在所述分割区域中，确定所有所述边缘纹理的所述边缘分布方向的均值为所述第一主要边缘方向。

4.如权利要求1所述的方法，其特征在于，所述根据所述水平梯度幅值和所述垂直梯度幅值，计算像素点的梯度幅值分布差值，包括：

计算所述水平梯度幅值和所述垂直梯度幅值的差值绝对值作为所述梯度幅值分布差值。

5.如权利要求1所述的方法，其特征在于，所述根据所述第二主要边缘方向和所述分割区域中所有像素点的所述梯度幅值分布差值，确定离散程度调整系数，包括：

根据所述第二主要边缘方向，确定调整置信度；

计算所述分割区域中所有像素点的所述梯度幅值分布差值的和值与所述调整置信度的乘积作为所述离散程度调整系数。

6.如权利要求5所述的方法，其特征在于，所述根据所述第二主要边缘方向，确定调整置信度，包括：

在所述第二主要边缘方向小于预设边缘阈值方向时，确定所述第二主要边缘方向和预设第一调整方向的差值绝对值为第一置信方向，计算所述第一置信方向与所述第一调整方向的比值作为第一离散程度因子，计算预设调整系数和所述第一离散程度因子的和值作为调整置信度；

在所述第二主要边缘方向大于等于预设边缘阈值方向时，确定所述第二主要边缘方向和预设第二调整方向的差值绝对值为第二置信方向，计算所述第二置信方向与所述第一调整方向的比值作为第二离散程度因子，计算所述预设调整系数和所述第二离散程度因子的和值作为调整置信度。

7.如权利要求1所述的方法，其特征在于，所述根据所述梯度方向、所述梯度幅值和所述离散程度调整系数，确定所述分割区域中像素点的所述梯度方向的离散程度，包括：

根据离散程度公式获得所述分割区域中像素点的所述梯度方向的所述离散程度，对应的计算公式为：

式中，

表示第

块分割区域的离散程度，

表示分割区域的索引，

表示分割区域中像素点的总数量，

表示分割区域中像素点的索引，

表示第

个像素点的梯度方向与水平方向的锐角梯度方向夹角，

表示分割区域内所有像素点的梯度方向与水平方向的锐角梯度方向夹角的均值，

表示第

块分割区域内梯度幅值的最大值，

表示第

块分割区域内梯度幅值的最小值，

表示第

块分割区域内第

个像素点的梯度幅值，

表示第

块分割区域的离散程度调整系数。

Images