基于直线空间分布关系和投影特征的群目标检测算法制造技术

基于直线空间分布关系和投影特征的群目标检测算法，属于电子信息技术领域，本发明专利技术为解决现有目标检测都是针对单目标检测，存在局限性的问题。本发明专利技术所述基于直线空间分布关系和投影特征的群目标检测算法的具体过程为：对群目标特性进行分析，获取目标的位置分布规律和几何参数特征；采用加入断线重连步骤的改进LSD直线检测算法和基于形状特征的直线空间分布关系检测算法对目标进行粗提取；从S2获取的粗提取结果中提取结合颜色信息的投影特征，采用投影特征对支持向量机模型进行训练，采用支持向量机模型将S2获取的粗提取结果中的虚警与目标进行分离，获得最终的群目标。本发明专利技术用于群目标检测。

Group Target Detection Based on Linear Spatial Distribution Relation and Projection Feature

【技术实现步骤摘要】
基于直线空间分布关系和投影特征的群目标检测算法
本专利技术涉及一种群目标检测算法，属于电子信息

技术介绍
遥感影像中出现的人工目标往往不是单一的，通常是人们为了满足协同机动、互相支援或统一行动而按照某种方式将各目标组织起来，以队列或者集群的形式出现，例如舰船编队、建筑群、油库、工厂、军事阵地等等。目前遥感图像目标检测算法多数集中在对单个目标的检测和识别，且主要依赖光谱信息，对数据要求较高，难以推广使用。群目标背景更为复杂，其检测算法的研究相对匮乏和滞后，而人工判读在海量大幅宽遥感图像的应用上效率低，成本高，远不能满足应用需求。
技术实现思路
本专利技术目的是为了解决现有目标检测都是针对单目标检测，存在局限性的问题，提供了一种基于直线空间分布关系和投影特征的群目标检测算法。本专利技术所述基于直线空间分布关系和投影特征的群目标检测算法，该群目标检测算法的具体过程为：S1、对群目标特性进行分析，获取目标的位置分布规律和几何参数特征；S2、采用加入断线重连步骤的改进LSD直线检测算法和基于形状特征的直线空间分布关系检测算法对目标进行粗提取；S3、从S2获取的粗提取结果中提取结合颜色信息的投影特征，采用投影特征对支持向量机模型进行训练，采用支持向量机模型将S2获取的粗提取结果中的虚警与目标进行分离，获得最终的群目标。优选的，S2所述加入断线重连步骤的改进LSD直线检测算法的具体过程为：S2-1、通过遍历的方法，获得同时满足三个判别条件的线段对Lj和Li，其中，i和j表示线段标号，i和j属于同一集合，且不相等；所述三个判别条件分别为：判别条件一、线段之间的锐角夹角的余弦值的绝对值小于T1；判别条件二、一条线段的两个端点到任一条其他线段的垂直距离均小于T2；判别条件三、两条线段的近端点距离小于T3且远端点的距离大于两条线段长度之和；所述T1设置为0.2，T2和T3的设置与图像分辨率相适应且不超过10个像素长度；S2-2、将S2-1获取的线段对的Lj的远端点坐标覆盖到Li的近端点，删除线段Li的信息，完成断线重连。优选的，S2所述基于形状特征的直线空间分布关系检测算法的具体过程为：S2-3、检测完成断线重连后的线段的空间关系，如果空间关系为R则执行S2-4，如果空间关系为G则执行S2-7，如果空间关系为B则执行S2-9；空间关系G为：“工”型结构；空间关系B为：“工”型结构的左右两侧呈半包围状的平行结构；空间关系R为：“工”型结构和半包围状平行结构之间的两个对称的矩形结构；S2-4、检索图像中构成直角的线段，标记线段的长边和短边；S2-5、检索所有的长边，获得平行且距离满足一定范围的长边对；所述一定范围是空间关系R中一个矩形结构的两条长边的距离的范围；S2-6、判断两个长边对应的短边长度是否相等，如果否则返回执行S2-5，如果是则判断两个长边和对应的两个短边的最小外接矩形的总长度是否满足一定参数范围，如果否则返回执行S2-5，如果是则执行S2-11；所述一定参数范围是空间关系R中一个矩形结构的两条长边考虑误差波动后的最大距离的范围；S2-7、检索图像中呈“T”型关系的线段，标记线段横边和竖边；S2-8、判断竖边的另一个端点处是否有对应的长边，如果否则重复执行S2-8，如果是则判断两个对应的横边是否等长，如果否则重复执行S2-8，如果是则执行S2-11；S2-9、检索图像中的平行的长边对；S2-10、判断一条长边的端点附近是否有一条与该长边夹角为110°-150°的短边，如果否则重复执行S2-10，如果是则判断短边的远端是否靠近另一条平行的长边，如果否则重复执行S2-10，如果是则执行S2-11；S2-11、获得线段选定目标的最小外接矩形；S2-12、根据线段的方向将目标旋转至水平方向，完成S2的目标粗提取。优选的，S3所述提取结合颜色信息的投影特征的具体过程为：S3-1、对检索图像边缘的0灰度区域进行几何畸变的校正；S3-2、对检索图像进行缩放，保证投影特征的维度一致；S3-3、分别利用图像的三个通道的灰度值对x轴或y轴进行投影，然后分别归一化，获得三个通道的归一化投影值；所述图像的三个通道分别与三个空间关系对应，空间关系G对应G通道，空间关系B对应B通道，空间关系R对应R通道；S3-4、将三个通道的归一化投影值做和，和的值作为投影值和特征；将三个通道的归一化投影值两两做差，差值的均值作为投影值差特征。优选的，S3所述采用投影特征对支持向量机模型进行训练的具体过程为：S3-5、从S2获取的粗提取结果中选取一部分作为训练样本，对训练样本进行正样本和负样本标注；S3-6、分别采用各类训练样本的投影特征对支持向量机模型进行训练：由满足空间关系R的训练样本对x轴的投影和特征训练获得支持向量机模型RSX；由满足空间关系R的训练样本对x轴的投影差特征训练获得支持向量机模型RDX；由满足空间关系G的训练样本对x轴的投影和特征训练获得支持向量机模型GSX；由满足空间关系G的训练样本对x轴的投影差特征训练获得支持向量机模型GDX；由满足空间关系B的训练样本对y轴的投影和特征训练获得支持向量机模型BSY；由满足空间关系B的训练样本对x轴的投影和特征训练获得支持向量机模型BSX。优选的，S3所述采用支持向量机模型将S2获取的粗提取结果中的虚警与目标进行分离的具体过程为：S3-7、采用支持向量机模型将S2获取的粗提取结果进行分类预测；S3-8、采用投票法对同一类型样本的支持向量机模型的预测结果进行投票，判断票数是否为2，如果是则将被测样本视为目标，否则将被测样本视为虚警。本专利技术的优点：本专利技术提出基于直线空间分布关系和投影特征的群目标检测算法以群目标作为一个整体，实现目标的精确检测，避免了传统的单目标识别方法的局限性。结合直线空间分布关系和投影特征，提高了目标的正确检测率，实现了对群目标的广域快速检测算法。附图说明图1是本专利技术所述对目标进行粗提取的流程框图；图2是群目标的特定结构示意图；图3是具体实施方式四中未进行几何畸变校正的图像；图4是具体实施方式四中进行几何畸变校正后的图像；图5是具体实施方式四中三个通道的灰度值对x轴进行投影的投影值；图6是对投影特征提取获得的投影值和特征；图7是对投影特征提取获得的投影值差特征。具体实施方式具体实施方式一：本实施方式所述基于直线空间分布关系和投影特征的群目标检测算法，该群目标检测算法的具体过程为：S1、对群目标特性进行分析，获取目标的位置分布规律和几何参数特征；S2、采用加入断线重连步骤的改进LSD直线检测算法和基于形状特征的直线空间分布关系检测算法对目标进行粗提取；S3、从S2获取的粗提取结果中提取结合颜色信息的投影特征，采用投影特征对支持向量机模型进行训练，采用支持向量机模型将S2获取的粗提取结果中的虚警与目标进行分离，获得最终的群目标。本实施方式中，S1中，群目标是在空间上统一行动，按照一定的规则进行排列并相互协同配合地执行特定任务的单目标集合，其作为一个复杂的整体，各部分彼此独立而又互相关联，充分利用子目标与子目标、子目标与阵群之间的关系，是实现群目标检测的关键所在。目标的特性可作为进一步检测的依据和先验信息，是目标检测的基础，该步骤针对具有规则形状、规律性分布的人造群目标特性进行分析本文档来自技高网...

【技术保护点】
1.基于直线空间分布关系和投影特征的群目标检测算法，其特征在于，该群目标检测算法的具体过程为：S1、对群目标特性进行分析，获取目标的位置分布规律和几何参数特征；S2、采用加入断线重连步骤的改进LSD直线检测算法和基于形状特征的直线空间分布关系检测算法对目标进行粗提取；S3、从S2获取的粗提取结果中提取结合颜色信息的投影特征，采用投影特征对支持向量机模型进行训练，采用支持向量机模型将S2获取的粗提取结果中的虚警与目标进行分离，获得最终的群目标。

【技术特征摘要】
1.基于直线空间分布关系和投影特征的群目标检测算法，其特征在于，该群目标检测算法的具体过程为：S1、对群目标特性进行分析，获取目标的位置分布规律和几何参数特征；S2、采用加入断线重连步骤的改进LSD直线检测算法和基于形状特征的直线空间分布关系检测算法对目标进行粗提取；S3、从S2获取的粗提取结果中提取结合颜色信息的投影特征，采用投影特征对支持向量机模型进行训练，采用支持向量机模型将S2获取的粗提取结果中的虚警与目标进行分离，获得最终的群目标。2.根据权利要求1所述的基于直线空间分布关系和投影特征的群目标检测算法，其特征在于，S2所述加入断线重连步骤的改进LSD直线检测算法具体过程为：S2-1、通过遍历的方法，获得同时满足三个判别条件的线段对Lj和Li，其中，i和j表示线段标号，i和j属于同一集合，且不相等；所述三个判别条件分别为：判别条件一、线段之间的锐角夹角的余弦值的绝对值小于T1；判别条件二、一条线段的两个端点到任一条其他线段的垂直距离均小于T2；判别条件三、两条线段的近端点距离小于T3且远端点的距离大于两条线段长度之和；所述T1设置为0.2，T2和T3的设置与图像分辨率相适应且不超过10个像素长度；S2-2、将S2-1获取的线段对的Lj的远端点坐标覆盖到Li的近端点，删除线段Li的信息，完成断线重连。3.根据权利要求2所述的基于直线空间分布关系和投影特征的群目标检测算法，其特征在于，S2所述基于形状特征的直线空间分布关系检测算法的具体过程为：S2-3、检测完成断线重连后的线段的空间关系，如果空间关系为R则执行S2-4，如果空间关系为G则执行S2-7，如果空间关系为B则执行S2-9；空间关系G为：“工”型结构；空间关系B为：“工”型结构的左右两侧呈半包围状的平行结构；空间关系R为：“工”型结构和半包围状平行结构之间的两个对称的矩形结构；S2-4、检索图像中构成直角的线段，标记线段的长边和短边；S2-5、检索所有的长边，获得平行且距离满足一定范围的长边对；所述一定范围是空间关系R中一个矩形结构的两条长边的距离的范围；S2-6、判断两个长边对应的短边长度是否相等，如果否则返回执行S2-5，如果是则判断两个长边和对应的两个短边的最小外接矩形的总长度是否满足一定参数范围，如果否则返回执行S2-5，如果是则执行S2-11；所述一定参数范围是空间关系R中一个矩形结构的两条长边考虑误差波动后的最大距离的范围；S2-7、检索图像中呈“T”型关系的线段，标记线段横边和竖边；S2-8、判断竖边的另一个端点处是否有对应的长边，如果否则重复...

【专利技术属性】
技术研发人员：张钧萍，冯振远，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江,23