基于卫星影像的机场目标识别方法和装置制造方法及图纸

本公开提供了基于卫星影像的机场目标识别方法和装置。所述方法包括：获取待识别的卫星影像；对所述待识别的卫星影像进行预处理，生成标准卫星影像，其中，预处理的过程包括建立直方图查找表，确定相对辐射标定系数，根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正；对相对辐射校正后的卫星影像进行丢线处理；对丢线处理后的卫星影像进行局部条带处理，补充丢失的影像；对局部条带处理后的卫星影像进行去重叠和去色差；将所述标准卫星影像输入到预先训练的机场目标识别模型，输出识别结果。以此方式，能够对卫星影像中的机场目标进行准确识别。目标进行准确识别。目标进行准确识别。

【技术实现步骤摘要】
基于卫星影像的机场目标识别方法和装置


[0001]本公开的实施例一般涉及图像处理
，并且更具体地，涉及基于卫星影像的机场目标识别方法和装置。

技术介绍

[0002]机场作为一种重要的交通工具和军用设施，在各个领域尤其是基础信息、航空安全、国防建设领域具有非常重要的作用，因此快速准确的从海量遥感影像中对机场进行识别定位具有非常重要的意义。传统的遥感图像目标检测方法一般分为三个步骤：一是区域搜索，二是特征提取，三是分类器判定。方法上主要有两大类，一种是基于图像的灰度特征，通过图像分割或视觉显著机制等确定机场的疑似区域，然后通过提取疑似区域的某种特征，用分类器进行类别判定，得到该区域的最终判定结果；另一种是基于机场跑道的结构特征，通过Hough变换等直线检测手段提取出机场的边缘信息，然后再通过直线拟合、区域增长等方法得到机场最终的位置和轮廓。
[0003]现有技术中，由于用于机场目标识别的卫星影像本身在成像过程中易受到相机光学空间响应不均匀、各像素响应不同等因素的影响，导致获取的卫星影像经常具有明显的条纹或带状辐射差异现象，使得根据卫星影像识别出的机场目标的轮廓不精确。

技术实现思路

[0004]根据本公开的实施例，提供了一种能够准确识别机场目标的地面轮廓的基于卫星影像的机场目标识别方案。在本公开的第一方面，提供了一种基于卫星影像的机场目标识别方法，包括：获取待识别的卫星影像，所述待识别的卫星影像中包括多个影像区域，每个影像区域中的一个像素对应一个卫星探元；对所述待识别的卫星影像进行预处理，生成标准卫星影像；其中，预处理的过程包括建立直方图查找表，确定相对辐射标定系数，根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正；对相对辐射校正后的卫星影像进行丢线处理；对丢线处理后的卫星影像进行局部条带处理，补充丢失的影像；对局部条带处理后的卫星影像进行去重叠和去色差；将所述标准卫星影像输入到预先训练的机场目标识别模型，输出识别结果。
[0005]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述机场目标识别模型通过以下方式训练得到：以预先标注好的标准卫星影像作为训练样本，输入到神经网络模型中对神经网络模型的参数进行训练，输出标准卫星影像中的机场目标的地面轮廓；将模型输出的机场目标的地面轮廓与标注的地面轮廓进行对比，判断模型输出的机场目标的地面轮廓相对于标注的地面轮廓的损失函数是否小于预设阈值；响应于损失函数不小于预设阈值，对神经网络模型的参数进行调整，并利用标注好的标准卫星影像对神经网络模型进行重复训练，直到损失函数小于预设阈值，完成对机场目
标识别模型的训练。
[0006]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：根据输出的识别结果确定机场目标的轮廓的特征点对应的大地坐标。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述建立直方图查找表，确定相对辐射标定系数，包括：确定多个影像区域的统计直方图，所述统计直方图为所述影像区域内的像素的灰度值的统计直方图；选取一个统计直方图为基准探元期望直方图，将其他统计直方图与所述基准探元期望直方图进行匹配，使其他统计直方图的像素灰度值的概率密度函数与所述基准探元期望直方图的概率密度函数相同；计算每个统计直方图中像素灰度值的累计概率密度函数和所述基准探元期望直方图的累计概率密度函数；根据每个统计直方图中的累计概率密度函数进行最小二乘线性拟合，计算增益系数和偏置系数，所述增益系数和偏置系数即为相对辐射标定系数。
[0007]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正，包括：采用公式对所述卫星影像的每个影像区域进行相对辐射校正，其中，L
p
为相对辐射校正后第p个像素的灰度值，DN
p
为原始第p个像素的灰度值，a
p
为第p个像素的增益系数，b
p
为第p个像素的偏置系数。
[0008]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对相对辐射校正后的卫星影像进行丢线处理，包括：对于丢失一行的影像数据，利用丢失行的上下行的影像数据，通过插值的方法予以弥补，实现丢线处理，对于丢失的多行影像数据，利用多项式拟合的方法，对丢失的影像数据进行弥补。
[0009]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：采用公式判断相对辐射校正后的卫星影像是否存在丢线，G
ij
表示相对辐射校正后的第i行第j列像素的灰度值，g
ij
表示为某一像素被计算前的输入灰度值，M表示整个影像所有像素灰度值的平均值，D表示整个影像所有像素灰度值的标准偏差，m
i
表示每条扫描线上像素灰度平均值，d
i
表示每条扫描线上像素灰度的标准偏差，i表示像素的横坐标，j表示像素的纵坐标；若G
ij
的值等于整个像幅灰度值得平均值M，则第i行存在丢线。
[0010]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对丢线处理后的卫星影像进行局部条带处理，补充丢失的影像，包括：对于条带的左边界的第k列像素和右边界的第l列像素，分别向左右扩展h列，确定对应的第m列像素和第n列像素，作为参考列；计算参考列像素值的标准差、和均值、；
计算参考列之间的标准差和均值，其中：，；计算每个局部条带列的标准差和均值的理想统计量和，其中，，，x为k和l之间的数；由理想统计量计算局部条带列的增益系数和偏置系数a
x
和b
x
，其中，其中，；利用公式对局部条带列中的每个像素列进行校正，实现地物的均匀变化。
[0011]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对局部条带处理后的卫星影像进行去重叠和去色差，包括：利用特征区域匹配算法对卫星影像的子影像进行配准，并对配准后的子影像进行去色差，具体包括：在相邻子影像上选取相同数量的影像块，分别统计这些影像块的标准差σ
r
、σ
f
和均值u
r
、u
f
，其中，r和f表示子影像的编号；然后计算相邻子影像的增益系数a
l
和偏置系数b
l
，其中，，，最后通过公式实现子影像间的校正处理，其中，a
l
和b
l
分
别为第l+1个子影像相对于第l个子影像的增益系数和偏置系数，I
l
和I
l+1
分别为第l个和第l+1个子影像的灰度值。
[0012]在本公开的第二方面，提供了一种基于卫星影像的机场目标识别装置，包括：卫星影像获取模块，用于获取待识别的卫星影像，所述待识别的卫星影像中包括多个影像区域，每个影像区域中的一个像素对应一个卫星探元；卫星影像预处理模块，用于对所述待识别的卫星影像进行预处理，生成标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卫星影像的机场目标识别方法，其特征在于，包括：获取待识别的卫星影像，所述待识别的卫星影像中包括多个影像区域，每个影像区域中的一个像素对应一个卫星探元；对所述待识别的卫星影像进行预处理，生成标准卫星影像；其中，预处理的过程包括建立直方图查找表，确定相对辐射标定系数，根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正；对相对辐射校正后的卫星影像进行丢线处理；对丢线处理后的卫星影像进行局部条带处理，补充丢失的影像；对局部条带处理后的卫星影像进行去重叠和去色差；将所述标准卫星影像输入到预先训练的机场目标识别模型，输出识别结果。2.根据权利要求1所述的基于卫星影像的机场目标识别方法，其特征在于，所述机场目标识别模型通过以下方式训练得到：以预先标注好的标准卫星影像作为训练样本，输入到神经网络模型中对神经网络模型的参数进行训练，输出标准卫星影像中的机场目标的地面轮廓；将模型输出的机场目标的地面轮廓与标注的地面轮廓进行对比，判断模型输出的机场目标的地面轮廓相对于标注的地面轮廓的损失函数是否小于预设阈值；响应于损失函数不小于预设阈值，对神经网络模型的参数进行调整，并利用标注好的标准卫星影像对神经网络模型进行重复训练，直到损失函数小于预设阈值，完成对机场目标识别模型的训练。3.根据权利要求1所述的基于卫星影像的机场目标识别方法，其特征在于，还包括：根据输出的识别结果确定机场目标的轮廓的特征点对应的大地坐标。4.根据权利要求1所述的基于卫星影像的机场目标识别方法，其特征在于，所述建立直方图查找表，确定相对辐射标定系数，包括：确定多个影像区域的统计直方图，所述统计直方图为所述影像区域内的像素的灰度值的统计直方图；选取一个统计直方图为基准探元期望直方图，将其他统计直方图与所述基准探元期望直方图进行匹配，使其他统计直方图的像素灰度值的概率密度函数与所述基准探元期望直方图的概率密度函数相同；计算每个统计直方图中像素灰度值的累计概率密度函数和所述基准探元期望直方图的累计概率密度函数；根据每个统计直方图中的累计概率密度函数进行最小二乘线性拟合，计算增益系数和偏置系数，所述增益系数和偏置系数即为相对辐射标定系数。5.根据权利要求4所述的基于卫星影像的机场目标识别方法，其特征在于，所述根据所述相对辐射标定系数对所述卫星影像进行相对辐射校正，包括：采用公式对所述卫星影像的每个影像区域进行相对辐射校正，其中， L
p 为相对辐射校正后第p个像素的灰度值，DN
p
为原始第p个像素的灰度值，a
p
为第p个像素的增益系数，b
p
为第p个像素的偏置系数。6.根据权利要求5所述的基于卫星影像的机场目标识别方法，其特征在于，所述对相对辐射校正后的卫星影像进行丢线处理，包括：对于丢失一行的影像数据，利用丢失行的上下行的影像数据，通过插值的方法予以弥
补，实现丢线处理，对于丢失的多行影像数据，利用多项式拟合的方法，对丢失的影像数据进行弥补。7.根据权利要求6所述的基于卫星影像的机场目标识别方法，其特征在于，还包...

【专利技术属性】
技术研发人员：严华，王慧静，杨晓冬，杨斌，张丽莎，
申请(专利权)人：北京道达天际科技有限公司，
类型：发明
国别省市：