CN115909050B - 一种结合线段方向和形态学差分的遥感图像机场提取方法 - Google Patents
一种结合线段方向和形态学差分的遥感图像机场提取方法 Download PDFInfo
- Publication number
- CN115909050B CN115909050B CN202211314640.0A CN202211314640A CN115909050B CN 115909050 B CN115909050 B CN 115909050B CN 202211314640 A CN202211314640 A CN 202211314640A CN 115909050 B CN115909050 B CN 115909050B
- Authority
- CN
- China
- Prior art keywords
- airport
- remote sensing
- map
- image
- line segment
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种结合线段方向和形态学差分的遥感图像机场提取方法,属于遥感图像处理领域。其包括以下步骤:获取亮度图;获取机场长边所处的方向,计算其垂直方向;构建多尺度线性结构元素集合;对亮度图进行形态学运算,得到顶帽运算图集合;计算差分形态学图;计算机场方向和其垂直方向的差分形态学图,获得机场强度图;利用机场强度图获取图像分割阈值,并获取机场二值图;对机场二值图进行后处理,得到最终的机场目标区域。本发明可利用机场的几何特征和目标与周围像素光谱差异性,识别遥感图像中的机场范围,为机场识别提供可靠的技术支撑。
Description
技术领域
本发明属于遥感图像处理技术领域,具体涉及一种结合线段方向和形态学差分的遥感图像机场提取方法。
背景技术
随着遥感卫星技术的快速发展,遥感影像的空间和时间分辨率越来越高,使得遥感的实效性和实用性大大提高,且民用遥感正在逐步走向大众视野。机场作为一种重要的国民经济交通枢纽和军事基础设施,其位置提取和边界划分具有重要意义。
机场在高分辨率遥感影像上具有较明显的光谱和几何特征,其光谱灰度值通常情况下比周围地物大,且大多机场呈矩形状分布,且由多条跑道组成。许多研究和专利均基于机场亮度特征和直线特征提取机场,取得一定可观的效果。但这些方法很少利用机场与周围地物之间光谱特征差异信息,且机场不同方向上的光谱信息差异一直未受到关注。因此,基于形态学方法,如何在高分辨率遥感影像上提取有效的机场成为现有技术中亟待解决的问题。
发明内容
本发明的目的在于提供一种结合线段方向和形态学差分的遥感图像机场提取方法,其可利用机场的几何特征和目标与周围像素光谱差异性,识别遥感图像中的机场范围,为机场识别提供可靠的技术支撑。
本发明采用的技术方案为:
一种结合线段方向和形态学差分的遥感图像机场提取方法,包括以下步骤:
步骤1,对多光谱遥感影像处理,取可见光三个波段最大值,获取亮度图bm;
步骤2,获取机场长边所处的方向d,并计算其垂直的方向d⊥;
步骤3,构建多尺度线性结构元素集合Langle;
步骤8,对机场二值图I进行后处理,得到最终的机场目标区域Ipost。
进一步地,步骤2中垂直方向d⊥的计算方式如下:
进一步地,步骤3中构建的多尺度线性结构元素集合Langle的方式如下:
进一步地,步骤5的具体方式为:
则差分形态学图Dangle的计算方法为:
其中,nor()表示对图像进行归一化。
进一步地,步骤7中机场二值图I的计算方法如下:
其中,mean()和std()分别表示对图像灰度值求均值和方差,a表示调节系数。
进一步地,步骤8中机场目标区域Ipost的计算方式如下:
Ipost=imopen(imclose(I))
其中,imopen()和imclose()分别表示对图进行开运算和闭运算。
本发明具有如下有益效果:
(1)本发明提出了结合线段方向和形态学差分的遥感图像机场提取方法,在不需要训练样本的情况下,可以有效提取遥感图像中的机场线段。
(2)应用本发明方法可以有效提取机场的轮廓范围,为遥感图像的机场检测提供技术支撑。
附图说明
图1为机场线段提取方法的原理示意图。
具体实施方式
下面结合附图及具体实施方式对本发明做进一步详细的说明。
一种结合线段方向和形态学差分的遥感图像机场提取方法,包括以下步骤:
步骤1,对多光谱遥感影像处理,取可见光三个波段最大值,获取亮度图bm,计算方式如下:
bm=max[R,G,B]
式中,R、G和B分别表示可见光的三波段,max[*]表示按照位置求各元素的灰度最大值。
步骤2,获取机场长边所处的方向d,则机场长边的垂直方向d⊥的计算方式如下:
步骤3,构建多尺度线性结构元素集合Langle的表达方式如下:
则差分形态学图Dangle的计算方法为:
其中,nor()表示对图像进行归一化。
其中,mean()和std()分别表示对图像灰度值求均值和方差,a表示调节系数。
步骤8,对机场二值图I进行后处理,得到最终的机场目标区域Ipost,其计算方式如下:
Ipost=imopen(imclose(I))
其中,imopen()和imclose()分别表示对图进行开运算和闭运算。
总之,本发明提出的机场检测算法,主要利用其几何形状及光谱对比特征,利用形态学处理方法提取机场强度,该方法无需选择训练样本,采用自动阈值选择方法,无需人工干预识别,为便捷、快速和精确的机场识别提供技术支撑。
Claims (7)
1.一种结合线段方向和形态学差分的遥感图像机场提取方法,其特征在于,包括以下步骤:
步骤1,对多光谱遥感影像处理,取可见光三个波段最大值,获取亮度图bm;
步骤2,获取机场长边所处的方向d,并计算其垂直的方向d⊥;
步骤3,构建多尺度线性结构元素集合Langle;
步骤8,对机场二值图I进行后处理,得到最终的机场目标区域Ipost。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211314640.0A CN115909050B (zh) | 2022-10-26 | 2022-10-26 | 一种结合线段方向和形态学差分的遥感图像机场提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211314640.0A CN115909050B (zh) | 2022-10-26 | 2022-10-26 | 一种结合线段方向和形态学差分的遥感图像机场提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115909050A CN115909050A (zh) | 2023-04-04 |
CN115909050B true CN115909050B (zh) | 2023-06-23 |
Family
ID=86476871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211314640.0A Active CN115909050B (zh) | 2022-10-26 | 2022-10-26 | 一种结合线段方向和形态学差分的遥感图像机场提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115909050B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984947A (zh) * | 2014-05-30 | 2014-08-13 | 武汉大学 | 基于形态学房屋指数的高分辨率遥感影像房屋提取方法 |
CN111340761A (zh) * | 2020-02-18 | 2020-06-26 | 南京信息工程大学 | 基于分形属性和决策融合的遥感影像变化检测方法 |
CN113658129A (zh) * | 2021-08-16 | 2021-11-16 | 中国电子科技集团公司第五十四研究所 | 一种结合视觉显著性和线段强度的阵地提取方法 |
CN114627104A (zh) * | 2022-03-31 | 2022-06-14 | 天津滨海国际机场有限公司 | 一种机场净空保护区建筑变化的遥感影像检测方法 |
WO2022141145A1 (zh) * | 2020-12-30 | 2022-07-07 | 深圳技术大学 | 面向对象的高分辨率遥感影像多尺度分割方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007207009A (ja) * | 2006-02-02 | 2007-08-16 | Fujitsu Ltd | 画像処理方法及び画像処理装置 |
-
2022
- 2022-10-26 CN CN202211314640.0A patent/CN115909050B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984947A (zh) * | 2014-05-30 | 2014-08-13 | 武汉大学 | 基于形态学房屋指数的高分辨率遥感影像房屋提取方法 |
CN111340761A (zh) * | 2020-02-18 | 2020-06-26 | 南京信息工程大学 | 基于分形属性和决策融合的遥感影像变化检测方法 |
WO2022141145A1 (zh) * | 2020-12-30 | 2022-07-07 | 深圳技术大学 | 面向对象的高分辨率遥感影像多尺度分割方法及系统 |
CN113658129A (zh) * | 2021-08-16 | 2021-11-16 | 中国电子科技集团公司第五十四研究所 | 一种结合视觉显著性和线段强度的阵地提取方法 |
CN114627104A (zh) * | 2022-03-31 | 2022-06-14 | 天津滨海国际机场有限公司 | 一种机场净空保护区建筑变化的遥感影像检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115909050A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018024030A1 (zh) | 一种夜视红外图像中的基于显著性的道路目标提取方法 | |
CN107066933B (zh) | 一种道路标牌识别方法及系统 | |
CN103020605B (zh) | 基于决策层融合的桥梁识别方法 | |
CN110334692B (zh) | 一种基于图像处理的盲道识别方法 | |
WO2018076138A1 (zh) | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 | |
CN102842044B (zh) | 高分辨率可见光遥感图像变化检测方法 | |
CN110070545B (zh) | 一种城镇纹理特征密度自动提取城镇建成区的方法 | |
CN104361589A (zh) | 一种基于尺度间映射的高分辨率遥感影像分割方法 | |
CN115049834B (zh) | 基于夜间灯光数据与高分辨率影像的城市建成区提取方法 | |
CN106875407B (zh) | 一种结合形态学和标记控制的无人机影像林冠分割方法 | |
CN107992856A (zh) | 城市场景下的高分遥感建筑物阴影检测方法 | |
CN110889840A (zh) | 面向地物目标的高分6号遥感卫星数据的有效性检测方法 | |
Huang et al. | Text detection and recognition in natural scene images | |
Wang et al. | Building extraction in multitemporal high-resolution remote sensing imagery using a multifeature LSTM network | |
CN113744191A (zh) | 一种卫星遥感影像自动云检测方法 | |
Djerriri et al. | Improving hyperspectral image classification by combining spectral and multiband compact texture features | |
Lu et al. | Incorporating texture into SLIC super-pixels method for high spatial resolution remote sensing image segmentation | |
CN115909050B (zh) | 一种结合线段方向和形态学差分的遥感图像机场提取方法 | |
CN113033363A (zh) | 一种基于深度学习的车辆稠密目标检测方法 | |
CN110276270B (zh) | 一种高分辨率遥感影像建筑区提取方法 | |
CN110310263B (zh) | 一种基于显著性分析和背景先验的sar图像居民区检测方法 | |
Usha et al. | Significance of texture features in the segmentation of remotely sensed images | |
CN113592770B (zh) | 一种去除水草影响的藻华遥感识别方法 | |
CN115578629A (zh) | 一种公路护栏提取方法 | |
CN104268836A (zh) | 一种基于局域均质指标的分水岭分割标记点提取方法 |
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 |