基于图像处理的机场跑道提取方法技术

本发明专利技术涉及图像数据处理技术领域，具体涉及一种基于图像处理的机场跑道提取方法。该方法包括：采集航拍灰度图像，分割生成分割区域，计算分割区域中像素点的梯度幅值与梯度方向，根据梯度幅值，确定分割区域的凌乱程度；根据分割区域中像素点的梯度方向、梯度幅值与凌乱程度确定第一主要边缘方向和第二主要边缘方向；计算像素点的梯度幅值分布差值，根据第二主要边缘方向、梯度幅值分布差值和梯度方向，确定分割区域的离散程度；根据凌乱程度和离散程度确定分割区域的自适应微分阶数，对分割区域进行图像增强处理得到增强区域，提取机场跑道区域。本方案能够在复杂的环境下实现机场跑道区域的自适应增强，提高机场跑道提取的准确性。性。性。

【技术实现步骤摘要】
基于图像处理的机场跑道提取方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于图像处理的机场跑道提取方法。

技术介绍

[0002]跑道作为飞机起降的重要设施，对于跑道的提取与识别具有重要的应用价值。飞机在实施迫降或手动降落等复杂情况下时，需要准确判断机场跑道的具体位置，这种方式下，对采集得到的图像进行机场跑道的有效提取，能够辅助飞行员迅速进行形势处理，以提升飞机降落的安全性与可靠性。
[0003]相关技术中，是通过显著性信息和区域生长的方式实现机场跑道边缘的检测与提取，这种方式下，由于将图像分为嘈杂背景区及机场跑道的候选区，仅考虑对嘈杂背景区的去除，而忽视了不同机场跑道周围复杂的环境因素，无法在复杂的环境下实现机场跑道提取的自适应调整，从而有可能产生错误提取，对机场跑道区域提取的准确性较低。

技术实现思路

[0004]为了解决无法在复杂环境下实现机场跑道的自适应提取，机场跑道提取的准确性较低的技术问题，本专利技术提供一种基于图像处理的机场跑道提取方法，所采用的技术方案具体如下：本专利技术提出了一种基于图像处理的机场跑道提取方法，方法包括：采集包含机场跑道的航拍灰度图像，对所述航拍灰度图像进行图像分割处理，生成至少两块分割区域，计算所述分割区域中像素点的梯度幅值与梯度方向，根据所述梯度幅值，确定所述分割区域的凌乱程度；根据所述分割区域中像素点的所述梯度方向与所述梯度幅值确定所述分割区域的第一主要边缘方向，根据所有所述分割区域的所述第一主要边缘方向和所述凌乱程度，确定所述航拍灰度图像的第二主要边缘方向；计算所述分割区域中像素点的水平梯度幅值与垂直梯度幅值，根据所述水平梯度幅值和所述垂直梯度幅值，计算像素点的梯度幅值分布差值，根据所述第二主要边缘方向和所述分割区域中所有像素点的所述梯度幅值分布差值，确定离散程度调整系数，根据所述梯度方向、所述梯度幅值和所述离散程度调整系数，确定所述分割区域中像素点的所述梯度方向的离散程度；根据所述凌乱程度和所述离散程度，确定所述分割区域的自适应微分阶数，根据所述自适应微分阶数对所述分割区域进行图像增强处理，得到增强区域，遍历所有的所述增强区域，提取所述机场跑道区域。
[0005]进一步地，所述根据所述梯度幅值，确定所述分割区域的凌乱程度，包括：计算所述分割区域中所有像素点的梯度幅值分布概率，根据所述梯度幅值分布概率，计算所述分割区域的信息熵作为所述分割区域的凌乱程度。
[0006]进一步地，所述根据所述分割区域中像素点的所述梯度方向与所述梯度幅值确定所述分割区域的第一主要边缘方向，包括：遍历所述分割区域中所有像素点的梯度方向，将所述梯度方向相同的像素点组合作为所述分割区域中的边缘纹理；计算所述边缘纹理中像素点的所述梯度幅值的均值的归一化值作为幅值归一化值，计算所述梯度方向与所述幅值归一化值的乘积作为所述边缘纹理的边缘分布方向；在所述分割区域中，确定所有所述边缘纹理的所述边缘分布方向的均值为所述第一主要边缘方向。
[0007]进一步地，所述根据所有所述分割区域的所述第一主要边缘方向和所述凌乱程度，确定所述航拍灰度图像的第二主要边缘方向，包括：对所述凌乱程度进行反向归一化处理，得到凌乱影响因子，计算所述第一主要边缘方向与所述凌乱影响因子的乘积作为所述分割区域的区域分布方向；遍历所述航拍灰度图像中所有的所述分割区域，确定所有所述分割区域的所述区域分布方向的均值为所述第二主要边缘方向。
[0008]进一步地，所述根据所述水平梯度幅值和所述垂直梯度幅值，计算像素点的梯度幅值分布差值，包括：计算所述水平梯度幅值和所述垂直梯度幅值的差值绝对值作为所述梯度幅值分布差值。
[0009]进一步地，所述根据所述第二主要边缘方向和所述分割区域中所有像素点的所述梯度幅值分布差值，确定离散程度调整系数，包括：根据所述第二主要边缘方向，确定调整置信度；计算所述分割区域中所有像素点的所述梯度幅值分布差值的和值与所述调整置信度的乘积作为所述离散程度调整系数。
[0010]进一步地，所述根据所述第二主要边缘方向，确定调整置信度，包括：在所述第二主要边缘方向小于预设边缘阈值方向时，确定所述第二主要边缘方向和预设第一调整方向的差值绝对值为第一置信方向，计算所述第一置信方向与所述第一调整方向的比值作为第一离散程度因子，计算预设调整系数和所述第一离散程度因子的和值作为调整置信度；在所述第二主要边缘方向大于等于预设边缘阈值方向时，确定所述第二主要边缘方向和预设第二调整方向的差值绝对值为第二置信方向，计算所述第二置信方向与所述第一调整方向的比值作为第二离散程度因子，计算所述预设调整系数和所述第二离散程度因子的和值作为调整置信度。
[0011]进一步地，所述根据所述梯度方向、所述梯度幅值和所述离散程度调整系数，确定所述分割区域中像素点的所述梯度方向的离散程度，包括：根据离散程度公式获得所述分割区域中像素点的所述梯度方向的所述离散程度，对应的计算公式为：
式中，表示第块分割区域的离散程度，表示分割区域的索引，表示分割区域中像素点的总数量，表示分割区域中像素点的索引，表示第个像素点的梯度方向与水平方向的锐角梯度方向夹角，表示分割区域内所有像素点的梯度方向与水平方向的锐角梯度方向夹角的均值，表示第块分割区域内梯度幅值的最大值，表示第块分割区域内梯度幅值的最小值，表示第块分割区域内第个像素点的梯度幅值，表示第块分割区域的离散程度调整系数。
[0012]进一步地，所述根据所述凌乱程度和所述离散程度，确定所述分割区域的自适应微分阶数，包括：对所述离散程度进行反向归一化处理，生成离散影响因子；计算所述凌乱影响因子与预设第一微分阶数权重值的乘积作为凌乱微分阶数，计算所述离散影响因子与预设第二微分阶数权重值的乘积作为离散微分阶数，将所述凌乱微分阶数和所述离散微分阶数的和值作为所述自适应微分阶数。
[0013]进一步地，所述根据所述自适应微分阶数对所述分割区域进行图像增强处理，得到增强区域，包括：将所述自适应微分阶数代入至分数阶微分算法中生成分数阶微分方程，基于所述分数阶微分方程对所述分割区域进行图像增强处理，得到增强区域。
[0014]本专利技术具有如下有益效果：本专利技术通过计算分割区域中像素点的梯度幅值与梯度方向，根据梯度幅值，确定分割区域的凌乱程度，能够准确计算不同分割区域的像素点凌乱程度情况，便于后续根据凌乱程度对机场跑道进行提取，由于是根据分割区域中像素点的梯度方向、梯度幅值及凌乱程度确定航拍灰度图像的第二主要边缘方向，能够提取第二主要边缘方向作为机场跑道的方向，从而能够有效结合机场跑道的特点准确识别机场跑道所对应的方向，根据第二主要边缘方向确定分割区域中像素点的梯度方向的离散程度，从而能够准确识别包含机场跑道边缘的区域，便于后续根据离散程度对机场跑道进行提取，由于是根据凌乱程度和离散程度得到自适应微分阶数，并根据自适应微分阶数对图像进行增强，能够结合图像中像素点的分布对机场跑道的边缘进行自适应增强，便于机场跑道的提取。综上，本方案通过计算自适应微分阶数，根据自适应微分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的机场跑道提取方法，其特征在于，所述方法包括：采集包含机场跑道的航拍灰度图像，对所述航拍灰度图像进行图像分割处理，生成至少两块分割区域，计算所述分割区域中像素点的梯度幅值与梯度方向，根据所述梯度幅值，确定所述分割区域的凌乱程度；根据所述分割区域中像素点的所述梯度方向与所述梯度幅值确定所述分割区域的第一主要边缘方向，根据所有所述分割区域的所述第一主要边缘方向和所述凌乱程度，确定所述航拍灰度图像的第二主要边缘方向；计算所述分割区域中像素点的水平梯度幅值与垂直梯度幅值，根据所述水平梯度幅值和所述垂直梯度幅值，计算像素点的梯度幅值分布差值，根据所述第二主要边缘方向和所述分割区域中所有像素点的所述梯度幅值分布差值，确定离散程度调整系数，根据所述梯度方向、所述梯度幅值和所述离散程度调整系数，确定所述分割区域中像素点的所述梯度方向的离散程度；根据所述凌乱程度和所述离散程度，确定所述分割区域的自适应微分阶数，根据所述自适应微分阶数对所述分割区域进行图像增强处理，得到增强区域，遍历所有的所述增强区域，提取所述机场跑道区域。2.如权利要求1所述的方法，其特征在于，所述根据所述梯度幅值，确定所述分割区域的凌乱程度，包括：计算所述分割区域中所有像素点的梯度幅值分布概率，根据所述梯度幅值分布概率，计算所述分割区域的信息熵作为所述分割区域的凌乱程度。3.如权利要求1所述的方法，其特征在于，所述根据所述分割区域中像素点的所述梯度方向与所述梯度幅值确定所述分割区域的第一主要边缘方向，包括：遍历所述分割区域中所有像素点的梯度方向，将所述梯度方向相同的像素点组合作为所述分割区域中的边缘纹理；计算所述边缘纹理中像素点的所述梯度幅值的均值的归一化值作为幅值归一化值，计算所述梯度方向与所述幅值归一化值的乘积作为所述边缘纹理的边缘分布方向；在所述分割区域中，确定所有所述边缘纹理的所述边缘分布方向的均值为所述第一主要边缘方向。4.如权利要求1所述的方法，其特征在于，所述根据所有所述分割区域的所述第一主要边缘方向和所述凌乱程度，确定所述航拍灰度图像的第二主要边缘方向，包括：对所述凌乱程度进行反向归一化处理，得到凌乱影响因子，计算所述第一主要边缘方向与所述凌乱影响因子的乘积作为所述分割区域的区域分布方向；遍历所述航拍灰度图像中所有的所述分割区域，确定所有所述分割区域的所述区域分布方向的均值为所述第二主要边缘方向。5.如权利要求1所述的方法，其特征在于，所述根据所述水平梯度幅值和所述垂直梯度幅值，计算像素点的梯度幅值分布差值，包括：计算所述水平梯度幅值和所述垂直梯度幅值的差值...

【专利技术属性】
技术研发人员：胡奇，翟朗，段锦，陈广秋，黄丹丹，田嘉政，耿辉，吴涛，高美玲，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：