一种基于骨架线关系的飞机目标确认方法技术

本发明专利技术公开了一种基于骨架线关系的飞机目标确认方法，主要包括以下步骤：S1.获取实时遥感图像，对所述实时遥感图像进行自适应二值化，以二值图表示边缘提取结果，其中白色像素点为边缘点，黑色像素点为非边缘点；S2.飞机目标骨架线关系提取；S3.对飞机关键点进行检测；S4.目标检测结果置信度矫正。本发明专利技术提高了目标检测结果的可解释性和确定性，并具有较高的计算效率。计算效率。计算效率。

【技术实现步骤摘要】
一种基于骨架线关系的飞机目标确认方法


[0001]本专利技术涉及数字图像处理
，更具体的说是涉及一种基于骨架线关系的飞机目标确认方法。

技术介绍

[0002]近年来，深度学习方法快速发展，并被大量应用于目标检测中。基于深度学习的目标检测方法主要依靠大量训练数据。通过多个卷积核对图像进行多层的特征提取，最终获得目标的位置和类别。通过大量训练数据调整网络的参数，使得网络模型对某些像素分布更为敏感，这些分布对应于目标的某些几何特征，如直线、弧线等。但当前基于深度学习的目标检测方法的检测过程难以清晰解释，从而使得检测结果具有不确定性。当实际应用中存在干扰、遮挡等情况时，目标的表观特征受到一定程度的破坏，与训练数据中的存在一定差异时，往往导致目标的漏检，或检出的目标的置信度较低。
[0003]随着航天事业的发展，遥感技术得到了越来越广泛的应用，从遥感图像中检测和识别目标的需求也日益增长。遥感图像一般以垂直向下的俯视角度拍摄。相较于日常的水平视角图像，遥感图像中的目标具有多方向、多尺度的特点。遥感图像通常面临着多种干扰。首先，由于拍摄位置通常在高空，因此视野中容易出现云雾遮挡；其次，由于视角为俯视，视野中主要为地面或海面，因此地面上的条纹、杂物，海面上的波浪等都会干扰目标的检测；最后，不同时间段光照环境不同，图像的对比度也会有所差异，较低的对比度也会影响目标的检测。
[0004]因此，如何提出一种能够有效输出飞机关键点的基于骨架线关系的飞机目标确认方法是本领域技术人员亟需解决的问题。

技术实现思路
<br/>[0005]有鉴于此，本专利技术提供了一种基于骨架线关系的飞机目标确认方法，针对遥感图像中的飞机目标检测这一具体任务，为了提高检测结果的确定性，通过对飞机本身几何特征的分析，本专利技术能够对检测到的飞机目标进行确认，修改检测结果的置信度，并为目标跟踪提供有效的关键点。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于骨架线关系的飞机目标确认方法，包括以下步骤：
[0008]S1.获取实时遥感图像，对所述实时遥感图像进行自适应二值化，以二值图表示边缘提取结果，其中白色像素点为边缘点，黑色像素点为非边缘点；
[0009]S2.飞机目标骨架线关系提取；具体内容包括：
[0010](1)对图像的像素点进行逐行扫描，并统计每一行的最长连续白色像素点数量，所有行中连续白色像素点数量最多的行为机身中轴线所在行；
[0011](2)所述机身中轴线所在行将图像划分为两个部分，针对每个部分，以机身中轴线上的点为起点，取一条倾斜线，按位置顺序依次扫描，统计倾斜线上的连续白色像素点数
量，数量最多的一条倾斜线则作为当前部分机翼的中轴线；对另一个部分进行相同操作获得另一部分机翼的中轴线；
[0012]S3.对飞机关键点进行检测；定义关键点为机翼后侧与机身交界处的锐角点，对于机翼中轴线上的每一个像素点，统计每个像素点所在行上的连续白色像素点数量，当相邻两行的白色像素点数量存在突变时，则判断当前行为机翼与机身的交界处，当前行上的连续白色像素点的连线为机翼与机身的交接线；在交接线上，向机尾一侧寻找首次由白点变为黑点的位置作为所寻找的关键点位置；
[0013]S4.目标检测结果置信度矫正；利用模板中已知的关键点信息对检测到的关键点进行验证，排除偏差大于阈值的关键点，否则保留；针对关键点保留的每种情况均赋予置信度，将所赋予的置信度与目标检测的置信度进行加权平均，作为最终的矫正置信度。
[0014]优选的，S1的具体步骤为：将所获取到的所述实时检测图像转化为灰度图，根据所述灰度图转化为二值图，即飞机目标对应的像素点为白色，背景对应的像素点为黑色；其中，将灰度图转化为二值图的步骤包括：自适应Canny 边缘提取、自适应膨胀、快速孔洞填充。
[0015]优选的，自适应Canny边缘提取的具体步骤包括：
[0016](1)对图像进行高斯平滑滤波后，对每个像素点的3*3邻域点乘Sobel 算子，获得水平和垂直方向的梯度G
x
和G
y
；所述Sobel算子包括：
[0017][0018](2)计算梯度幅值G和方向θ：
[0019][0020][0021](3)进行非极大值抑制，将局部最大值之外的所有梯度抑制为0；将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较，若当前像素的梯度强度与另外两个像素相比最大，则当前像素点保留为边缘点，否则当前像素点将被抑制；
[0022](4)自适应选取高阈值和低阈值；求出梯度幅值的直方图，选取占直方图总数预设百分比的梯度幅值为高阈值，高阈值的一半为低阈值；若边缘像素的梯度值高于高阈值，则标记为强边缘像素；若边缘像素的梯度值小于高阈值并且大于低阈值，则标记为弱边缘像素；若边缘像素的梯度值小于低阈值，则被抑制。
[0023]优选的，自适应膨胀的具体步骤包括：
[0024]遍历边缘提取结果二值图，对每个白色像素点进行膨胀；
[0025]检测每个白色像素点上下左右预设像素距离内是否存在其他白色像素点，若存在，则将当前白色像素点与所检测到的白色像素点之间的点均置为白色；
[0026]优选的，快速孔洞填充采用快速孔洞填充方法，具体步骤包括：
[0027](1)将经过膨胀的二值图中的所有黑色像素点均被标记为“未检查”状态；
[0028](2)进行第一次遍历，判断每个“未检查”点为“背景点”或是“疑似孔洞点”；其中，
首先检查其上下左右邻点是否存在“背景点”，若存在，则当前像素点直接置为“背景点”，并跳转至下一个黑色像素点进行判断；若不存在，则检查从当前像素点开始，直到图像的上下左右边界，是否存在白色像素点，若当前像素点的四个方向上均存在白色像素点，则当前像素点置为“疑似孔洞点”；经过第一次遍历，所有黑色像素点均被标记为“背景点”或者“疑似孔洞点”；
[0029](3)进行第二次遍历，针对每一个“疑似孔洞点”，检查上下左右邻点是否存在“背景点”，若存在，则该“疑似孔洞点”置为“背景点”；若不存在，则继续保持“疑似孔洞点”；
[0030](4)若(3)的遍历过程中，存在从“疑似孔洞点”变为“背景点”的变化情况，则进行再次遍历，重复步骤(3)；直至(3)的遍历过程中没有任何“疑似孔洞点”变为“背景点”，则第二次遍历结束；经过第二次遍历，所有剩余的“疑似孔洞点”实际上就是真实的孔洞点；
[0031](5)进行第三次遍历，遍历每一个“疑似孔洞点”，直接将“疑似孔洞点”改为白色像素点。
[0032]优选的，在进行S2前，先判断出飞机的竖直、水平朝向，然后对具体的两个朝向进行骨架线提取；其中两个方向为上下或左右；具体的朝向判断方法为：
[0033]对比图像的上下对称性和左右对称性：将图像分别上下“对折”和左右“对折”，计算重叠的白点数量，数量多的一方为图像的对称轴方向。
[0034]优选的，S4本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于骨架线关系的飞机目标确认方法，其特征在于，包括以下步骤：S1.获取实时遥感图像，对所述实时遥感图像进行自适应二值化，以二值图表示边缘提取结果，其中白色像素点为边缘点，黑色像素点为非边缘点；S2.飞机目标骨架线关系提取；具体内容包括：(1)对图像的像素点进行逐行扫描，并统计每一行的最长连续白色像素点数量，所有行中连续白色像素点数量最多的行为机身中轴线所在行；(2)所述机身中轴线所在行将图像划分为两个部分，针对每个部分，以机身中轴线上的点为起点，取一条倾斜线，按位置顺序依次扫描，统计倾斜线上的连续白色像素点数量，数量最多的一条倾斜线则作为当前部分机翼的中轴线；对另一个部分进行相同操作获得另一部分机翼的中轴线；S3.对飞机关键点进行检测；定义关键点为机翼后侧与机身交界处的锐角点，对于机翼中轴线上的每一个像素点，统计每个像素点所在行上的连续白色像素点数量，当相邻两行的白色像素点数量存在突变时，则判断当前行为机翼与机身的交界处，当前行上的连续白色像素点的连线为机翼与机身的交接线；在交接线上，向机尾一侧寻找首次由白点变为黑点的位置作为所寻找的关键点位置；S4.目标检测结果置信度矫正；利用模板中已知的关键点信息对检测到的关键点进行验证，排除偏差大于阈值的关键点，否则保留；针对关键点保留的每种情况均赋予置信度，将所赋予的置信度与目标检测的置信度进行加权平均，作为最终的矫正置信度。2.根据权利要求1所述的一种基于骨架线关系的飞机目标确认方法，其特征在于，S1的具体步骤为：将所获取到的所述实时检测图像转化为灰度图，根据所述灰度图转化为二值图，即飞机目标对应的像素点为白色，背景对应的像素点为黑色；其中，将灰度图转化为二值图的步骤包括：自适应Canny边缘提取、自适应膨胀、快速孔洞填充。3.根据权利要求2所述的一种基于骨架线关系的飞机目标确认方法，其特征在于，自适应Canny边缘提取的具体步骤包括：(1)对图像进行高斯平滑滤波后，对每个像素点的3*3邻域点乘Sobel算子，获得水平和垂直方向的梯度G
x
和G
y
；所述Sobel算子包括：(2)计算梯度幅值G和方向θ：(2)计算梯度幅值G和方向θ：(3)进行非极大值抑制，将局部最大值之外的所有梯度抑制为0；将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较，若当前像素的梯度强度与另外两个像素相比最大，则当前像素点保留为边缘点，否则当前像素点将被抑制；(4)自适应选取高阈值和低阈值；求出梯度幅值的直方图，选取占直方图总数预设百分
比的梯度幅值为高阈值，高阈值的一半为低阈值；若边缘像素的梯度值高于高阈值，则标记为强边缘像素；若边缘像素的梯度值小于高阈值并且大于低阈值，则标记为弱边缘像素；若边缘像素的梯度值小于低阈值，则被抑制。4.根据权利要求2所述的一种基于骨架线关系的飞机目标确认方法，其特征在于，自适应膨胀的具体步骤包括：遍历边缘提取结果二值图，对每个白色像素点进行膨胀；检测每个白色像素点上下左右预设像素距离内是否存在其他白色像素点，若存...

【专利技术属性】
技术研发人员：蒲养林，刘偲，袁茂洵，章黎明，李波，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：