基于遥感图像分块直线特征检测的机场跑道检测方法

基于遥感图像分块直线特征检测的机场跑道检测方法

ID:46632883

大小:3.23 MB

页数:9页

时间:2019-11-26

基于遥感图像分块直线特征检测的机场跑道检测方法_第1页
基于遥感图像分块直线特征检测的机场跑道检测方法_第2页
基于遥感图像分块直线特征检测的机场跑道检测方法_第3页
基于遥感图像分块直线特征检测的机场跑道检测方法_第4页
基于遥感图像分块直线特征检测的机场跑道检测方法_第5页
资源描述:

《基于遥感图像分块直线特征检测的机场跑道检测方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、航空学报ActaAeronauticaetAstronauticaSinicaJul252014Vol35No71957—1965ISSN1000—6893ON11—1929/Vhttp://hkxb.buaaeducnhkxb@buaaeducn基于遥感图像分块直线特征检测的机场跑道检测方法孟钢+,贺杰,鲍莉,王建涛,颜孙震,许金萍北京市遥感信息研究所,北京100192摘要:针对遥感图像机场跑道检测问题,提出了一种基于图像分块直线特征检测的机场跑道检测方法。首先,针对遥感图像数据量大带来的计算处理问题,设计了基于直线分割检

2、测子(LSD)的遥感图像分块直线特征检测环节;然后,在总结归纳机场跑道数学特性的基础上,对提取的直线特征进行平行线分组、直线生长、平行线合并,并以Radon变换为基础,找出候选机场跑道区域;最后,使用灰度统计信息并结合梯度方向直方图对候选区域进行处理,筛选出最终的机场道路区域。实验结果表明,在能够提取出有效直线特征的情况下,该方法可以对多类机场跑道进行有效定位。关键词:遥感图像;机场跑道;检测;分块LSD;Radon变换;梯度方向直方图中图分类号:V19;TP391文献标识码:A文章编号:10006893(2014)0719

3、5709机场目标的检测与识别是遥感图像处理的一个重要分支,在民用和军用领域都具有重要的意义。由于机场跑道具有明显的直线和纹理特征,所以,目前的机场检测方法大多以跑道检测为基础。常见的机场跑道检测方法大致可分为以下几类:第1类方法基于机场跑道的形状特征对跑道进行定位,这也是最常采用的方法。例如,Tripathi和Swarup_10首先利用机场跑道的长管状特征对图像进行粗分割,然后使用颜色特征进行修正,得到跑道区域;应龙等‘21使用嵌入置信度的边缘检测和基于线基元的直线提取方法直接对机场跑道进行检测;曹世翔等口1首先利用跑道的对

4、比度信息和长直线特征提取潜在跑道中心线,并使用Hough变换检测平行直线对,然后根据跑道在平行线对法向投影的结果搜索出机场跑道两端;邸男等阻1对链码跟踪算法进行了改进,结合分层Hough变换进行直线提取,并将算法嵌入了TMS320C6416硬件平台。这类方法的相关文献往往聚焦于Hough变换、链码跟踪、边缘检测等直线提取算法,对于直线提取后的跑道定位处理讨论较少。第2类方法以机场跑道区域的灰度和纹理特征为基础进行检测。该类方法又可大致分为2种。一种直接利用各种特征进行目标检测。例如,Zongur等。50使用Adaboost方

5、法对机场跑道的多种纹理特征(不仅包括颜色、灰度均值、方差、矩等基本统计特征,还包括傅里叶能量谱、小波等特征)进行学习,利用提升后的分类器对跑道目标进行提取,类似的方法也出现在Aytekin等E61的文献中。这类方法需要对多种纹理特征的大量样收稿日期:2013—09—14;退修日期:2013—11—01;录用日期:2013—11—26;网络出版时间:2013—12—0411:25网络出版地址:WWWcnkinet/kcms/detail/111929V201312041125008html基金项目:部级项目*通讯作者Tel:0

6、10-66349426E-mail:menggangmark@126com争惩格式MengG,HeJ,BaoL,etalAirportrunwaydetectionbasedonlinefeaturedetectionofpartitionedremotesensingimages!JjA三怕j瞥rcn拍tjca2t,str。naut

7、casmica,2014,35(7):1957_1965孟锅,赍杰,鲍莉,等基于遥感旨像分块直线特征检溅的祝场跑道检溅方法L以航空学报,2014,35(7):1957-1965航空学报本进行学

8、习,学习过程较复杂,另外,纹理特征的选择倾向于多种特征的罗列,对于具体特征的选择缺少有效的理论依据。另一种方法以求取全局最优解为目标。例如,耿振伟等口1提出的基于MeanShift特征空问对遥感图像进行分块并行聚类分析定位机场的方法;王彪等口1引入马尔可夫随机场,提出了结合纹理信息和期望最大化(EM)算法的机场跑道区域分割方法。此类方法的结果受图像背景环境影响较大,计算过程常常涉及迭代收敛,对于大幅遥感图像,往往无法满足实时性要求。第3类方法对机场跑道进行建模,利用先验知识对跑道进行查找。例如,邓湘金和彭海良凹1针对SPOT

9、卫星图像采用6个特性对机场跑道进行描述,其中4个描述几何特性,2个描述灰度特性,之后采用逐点寻找的方式定位机场区域;因倩等口叩通过对机场影像特征的分析,建立了机场知识库,采用自上而下的知识驱动策略提取遥感图像中的机场跑道感兴趣区域。这类方法充分利用了机场跑道的各种特征,且处理过程有一定的理

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。