本发明专利技术公开了一种基于角点与边缘信息融合的遥感图像飞机检测方法。该方法包括以下步骤：对遥感图像进行边缘检测；对边缘检测后的遥感图像进行二值化处理；对二值化后的遥感图像进行Harris角点检测；选取角点数在预先设定的范围内的区域作为候选飞机区域；并根据每一候选飞机区域中亮像素点的个数去除伪目标区域；对得到的图像进行聚类并对目标飞机位置进行标注，最终得到的类的数目即为检测到的飞机数，每类的类心位置即为目标飞机的中心位置。本发明专利技术还公开了一种遥感图像飞机检测系统，包括顺次连接的边缘检测单元、二值化处理单元、角点检测单元、候选飞机区域选取单元、聚类单元。相比现有技术，本发明专利技术具有更好的检测效果和更高的检测效率。
【技术实现步骤摘要】
本专利技术一种图像检测方法，尤其涉及一种利用遥感图像进行飞机检测的方法，属于图像识别
技术介绍
随着遥感技术的迅猛发展，对遥感图像中感兴趣的目标进行定位和辨识已经成为一个重要的研究方向。利用遥感图像来检测目标，在军事和民用领域都有着广泛的应用前景。尤其是在军事方面，利用遥感图像来检测重要军事目标，已经应用于国防建设中。作为重要的军事目标，飞机的检测和识别一直是研究的热点。目标检测策略一般分为两类一种称为由下而上数据驱动型策略，另一种称为由上而下知识驱动型策略。对于前者，不管目标属于何种类型，一律先对图像进行分割、标记和特征提取等低层处理，然后再将带标记的已分割区域的特征集和目标模型匹配。这种策略的优点是适用面广，对单个目标检测及复杂景物分析均适用；缺点是低层处理时缺乏知识指导，盲目性比较大，工作量大，匹配算法复杂。而后者，需要对目标有一定了解，必须先对目标在图像中可能存在的特征提出假设，再有目的的进行分割、标记和特征提取，在此基础上与目标模型精匹配。由于底层处理有知识指导的粗匹配，提高了算法的效率，精匹配过程也简单和有针对性。缺点是兼容性差，即检测目标改变，相应的知识、假设和模型也需要改变。目前，基于遥感图像的飞机目标检测技术，大多采用由下而上的数据驱动型策略， 通常采用先分割或先边缘提取，然后采用模板匹配的方法，例如，文献.光学技术，第32卷，第6 期，2006，11:855-862]、.东北师大学报，第41卷，第2期，2009，6:79-83]、.地理与地理信息科学，第22卷，第1期，2006，1:48-50]中所采用的方法。但是由于遥感图像质量和飞机阴影的影响，通常分割后飞机目标会断开成几个区域，很难完整地提取出飞机目标边缘轮廓，所以通常做法是再进行区域合并或者边缘的连接。这种方法不仅实现起来很复杂而且抗干扰能力很弱，同时由于飞机的类型很多，很难用一个统一的模板来检测所有的飞机目标，因此往往检测结果不令人满意。一篇文献(.信号处理，第23卷，第4期，2007，8:539-543])提出了一种采用由上而下知识驱动型策略的飞机检测方法，但是该方法对图像灰度值有很强的依赖性，因此对于有伪装的飞机目标或者飞机与背景区分程度较弱的图像，存在很多漏检的情况。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术所存在的计算量大、漏检率高的不足，提供一种，该方法充分利用飞机目标的边缘信息和角点信息进行检测，具有较好的检测效果，且计算量较小。本专利技术方法包括以下步骤 步骤A、对遥感图像进行边缘检测；步骤B、对边缘检测后的遥感图像进行二值化处理； 步骤C、对二值化后的遥感图像进行Harris角点检测；步骤D、选取角点数在预先设定的范围内的区域作为候选飞机区域；并根据每一候选飞机区域中亮像素点的个数去除伪目标区域；步骤E、对步骤D得到的图像进行聚类并对目标飞机位置进行标注，最终得到的类的数目即为检测到的飞机数，每类的类心位置即为目标飞机的中心位置。优选地，步骤A中采用Candy算子进行边缘检测。优选地，步骤B中使用OTSU算法对遥感图像进行二值化处理。优选地，步骤E中使用区域生长式聚类方法对步骤D得到的图像进行聚类，具体按照以下方法将一个种子样本点^作为生长的起点，然后将以种子样本点^为中心、Q为半径的邻域样本点集&合并到一类Q，将Ct中的所有样本点当作新的种子样本点，寻找所有样本点CsM的r。半径的邻域，将这些邻域点合并到Q类，即权利要求1.一种，其特征在于，包括以下步骤步骤A、对遥感图像进行边缘检测；步骤B、对边缘检测后的遥感图像进行二值化处理；步骤C、对二值化后的遥感图像进行Harris角点检测；步骤D、选取角点数在预先设定的范围内的区域作为候选飞机区域；并根据每一候选飞机区域中亮像素点的个数去除伪目标区域；步骤E、对步骤D得到的图像进行聚类并对目标飞机位置进行标注，最终得到的类的数目即为检测到的飞机数，每类的类心位置即为目标飞机的中心位置。2.如权利要求1所述，其特征在于，步骤A中采用Carmy算子进行边缘检测。3.如权利要求1所述，其特征在于，步骤B中使用OTSU算法对遥感图像进行二值化处理。4.如权利要求1所述，其特征在于，步骤D具体包括步骤D1、逐个像素扫描图像，以该像素点为中心，以一定的半径开始增长，直至该区域内的角点数在预先设定的范围内，并且再次增加半径后角点数目不会增加，则把这个区域作为候选飞机区域；步骤D2、判断各候选飞机区域中亮像素点的个数是否大于预先设定的阈值，如是，则保留；如否，则将区域作为伪目标区域去除。5.如权利要求4所述，其特征在于，所述预先设定的范围为6.如权利要求4所述，其特征在于，步骤D2中所述预先设定的阈值按照以下方法确定对于每一候选飞机区域，其所对应的阈值为该候选飞机区域半径的10倍。7.如权利要求1所述，其特征在于，步骤E中具体使用区域生长式聚类方法对步骤D得到的图像进行聚类，具体按照以下方法将一个种子样本点^作为生长的起点，然后将以种子样本点^为中心、/ 为半径的邻域样本点集I合并到一类q，将Q中的所有样本点当作新的种子样本点，寻找所有样本点C办.、的半径的邻域，将这些邻域点合并到Ck类，即Ck = Ck υ Σ Neighbor ρ = OJ,... num (Ck) — i其中，■ (￡))表示集合￡3中样本点个数，ifcgM^f]表示元素d的邻域样本点集；通过循环进行此过程，直到再没有满足条件的样本点归入该类；在还未聚类的样本点集多中寻找一个新的种子样本点重复上面的步骤，直到所有的样本点都被归入某类为止。8.如权利要求1所述，其特征在于，步骤E中聚类后每类类心位置按照下式计算得到9. 一种基于角点与边缘信息融合的遥感图像飞机检测系统，其特征在于，该系统包括顺次连接的边缘检测单元、二值化处理单元、角点检测单元、候选飞机区域选取单元、聚类单元；所述边缘检测单元用于对输入的遥感图像进行边缘检测；所述二值化处理单元用于对边缘检测后的遥感图像进行二值化处理；所述角点检测单元用于对二值化后的遥感图像进行Harris角点检测；所述候选飞机区域选取单元选取角点数在预先设定的范围内的区域作为候选飞机区域，并根据每一候选飞机区域中亮像素点的个数去除伪目标区域；所述聚类单元对去除伪目标区域后的候选飞机区域进行聚类并对目标飞机位置进行标注，输出最终检测结果。全文摘要本专利技术公开了一种。该方法包括以下步骤对遥感图像进行边缘检测；对边缘检测后的遥感图像进行二值化处理；对二值化后的遥感图像进行Harris角点检测；选取角点数在预先设定的范围内的区域作为候选飞机区域；并根据每一候选飞机区域中亮像素点的个数去除伪目标区域；对得到的图像进行聚类并对目标飞机位置进行标注，最终得到的类的数目即为检测到的飞机数，每类的类心位置即为目标飞机的中心位置。本专利技术还公开了一种遥感图像飞机检测系统，包括顺次连接的边缘检测单元、二值化处理单元、角点检测单元、候选飞机区域选取单元、聚类单元。相比现有技术，本专利技术具有更好的检测效果和更高的检测效率。文档编号G06T7/00GK102298698SQ20111014160公开日2011年12月28日 申请日期2011年5月30日 优先权日2011本文档来自技高网...
【技术保护点】
１．一种基于角点与边缘信息融合的遥感图像飞机检测方法，其特征在于，包括以下步骤：步骤Ａ、对遥感图像进行边缘检测；步骤Ｂ、对边缘检测后的遥感图像进行二值化处理；步骤Ｃ、对二值化后的遥感图像进行Ｈａｒｒｉｓ角点检测；步骤Ｄ、选取角点数在预先设定的范围内的区域作为候选飞机区域；并根据每一候选飞机区域中亮像素点的个数去除伪目标区域；步骤Ｅ、对步骤Ｄ得到的图像进行聚类并对目标飞机位置进行标注，最终得到的类的数目即为检测到的飞机数，每类的类心位置即为目标飞机的中心位置。
【技术特征摘要】
【专利技术属性】
技术研发人员：李士进，仇建斌，王玮，朱跃龙，万定生，冯钧，
申请(专利权)人：河海大学，
类型：发明
国别省市：84
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。