基于多特征提取的遥感图像机场目标自动检测_王彪
一种基于多光谱特征的空中目标识别方法
一种基于多光谱特征的空中目标识别方法随着无人机技术的飞速发展和应用范围的不断拓展，空中目标识别技术的需求也越来越强烈。
基于多光谱特征的空中目标识别方法因其准确性和实用性得到了广泛关注。
本文将介绍这种识别方法的基本原理、特征提取方法和应用场景。
一、基本原理基于多光谱特征的空中目标识别方法是利用多波段光谱数据获取目标的多维信息，从而实现对目标的高效准确识别。
这种方法通过获取不同波段的光学图像数据，将图像在不同频段上的特征分析、提取和综合处理，得到反映目标不同属性的特征谱。
然后，采用分类算法对特征谱进行分析和处理，最终实现对目标的识别和分类。
二、特征提取方法1. 基于颜色特征通过对目标的红、绿、蓝三种基本颜色进行分析和处理，提取目标在不同频段上的颜色分布信息，得到目标的颜色特征谱。
这种方法简单易行，并且能有效地识别出不同类型的目标，如车辆、人员等。
2. 基于形状特征该方法通过对目标的外形进行分析和处理，提取目标在不同频段上的形状信息，得到目标的形状特征谱。
这种方法适用于目标有单一、规则外形的情况，如飞机。
3. 基于纹理特征该方法通过对目标的纹理进行分析和处理，提取目标在不同频段上的纹理信息，得到目标的纹理特征谱。
这种方法适用于目标有纹理、明暗差异较大的情况，如建筑物。
三、应用场景1. 地貌分析通过多光谱图像的分析和处理，可以获取地面地貌的高分辨率信息，从而实现地面的三维建模。
该方法广泛应用于地理信息系统、测绘等领域。
2. 农业监测通过对多光谱图像的获取和处理，可以实现对农作物的生长状态、病虫害监测与预测。
该方法可有效提高农业生产的效率和质量。
3. 智能交通通过对多光谱图像的获取和处理，可以实现对交通流量、车辆类型等信息的实时监控和统计。
该方法可有效解决城市交通拥堵、车辆违法等问题。
综上所述，基于多光谱特征的空中目标识别方法在军事、民用等领域具有广泛的应用前景。
一种基于多光谱特征的空中目标识别方法
制导中把发动机作为首要 的热辐射 源 ， 而忽略 了飞机蒙皮 的 气动加热效应 ， 在现在 的探 测与 制导 手段 中 ， 皮是 长波 红 蒙 外的重要热源 ， 尤其是在飞机 的前 向和侧 向。 值得特别注意 的是 ， 即便 是对 同一 目标 ， 不 同的气 象 在 条件下 ， 同的探测距 离 、 同的角度 所探 测 到的信 号差 别 不 不
现代战争 中 ， 中 的威 胁 主要来 自于各种 飞 机和导 弹 。 空
根 据 来 袭 目标 的性 质 下 达 反 制 措 施 ， 先 就 要 发 现 并 识 别 目 首
行马赫数 。大体来 说 ， 从亚 音速 到 ３倍 音速 范 围内 ， 蒙皮 辐
射 的 波 段 主 要 在 ８—１ ｍ， 次 是 ３～ ｍ。在 早 期 的 红 外 ２ 其 ５Ｉ ． ｘ
刘金 龙 ， ： 等 一种基 于 多光谱 特征 的 空 中 目标识 别方 法
从
＝
‘
７ ９Βιβλιοθήκη （） ３ 在表示时将 目标 信 号 的数据 进 行标 准 化 ， 即去 除量纲 的影 响 。通过空 间几何距 离来 表述 待识 别 目标 与模 板 目标 的距 离 。距离越大说 明与模板 目标 越不匹配 ， 距离 最小 的与模 板 最匹配 。最后将 目标判别 为距 离最小的模板类型 － 。 。
２ｌ ／ ｍ ａ
的黑体 ， 能量辐射 主要 集 中在大气 窗 １ ３～５ Ｉ 其 ３的 ｍ波 段 。 ｘ 导弹的辐射情况与 飞机相 似 ， 但其 外形结构及 气动 布局相 比
２ 基本计算
根据红外辐射理论 ， 描述黑体辐射 光谱分 布的普 朗克公
式 为
ｒ １
—
飞机有其特殊性 ， 其光谱辐射也有 其独特 的特征 。图 １ 所示
基于粒计算的图像特征提取及其检索的研究
ｖ ｎ ｅ￣ ｄ ａｋ ｍｅｈ ｎｓ ｔ ａ ｔ ａｊ ｓ ｅ ｃ ｆ ｈ ｉｈ ． ｐ ａ ｔ ｅａｊｓ ｎ ｒ ｃ ｓ ｕ ｔ ｅｕ ｅ ｒ ｓ ｉ ｅ ， ｅ ｅ ｉ ｇ ａ ｃ ｅ ｂ ｃ ｃ ａｉ ｗｉ ｔ ｔ ｏ ｄ ｔ ａｈ ｏ ｅｗｅ ｔ Ｒｅ ｅｔ ｈ ｄｕｔ ｇ ｐｏ ｅ ｎｉ ｔ ｓ ａｅ ａ ｓ ｄ ｈ ｎ ｔ ｍ ｈ ｈ ｕ ｔ ｇｓ ｉ ｓ ｌｈ ｓ ｒ ｔｆ ｔ ｉ ｈ ｍａｅ
面向复杂遥感图像机场区域的飞机目标检测技术
面向复杂遥感图像机场区域的飞机目标检测技术
随着航空运输业的快速发展，机场区域的安全监控需求日益增加。
遥感图像作为一种重要的监控手段，可以提供全面的机场区域信息，但由于机场区域的复杂性，飞机目标的检测成为一个具有挑战性的问题。
本文将介绍。
首先，复杂遥感图像通常包含多种干扰物，如建筑物、道路、树木等。
这些干扰物会对飞机目标的检测产生误判，因此需要首先对图像进行预处理。
预处理包括图像去噪、图像增强等步骤，以提高飞机目标的辨识度。
其次，对于机场区域的飞机目标，常常存在尺度变化和角度变化的情况。
针对这一问题，可以采用基于特征的方法进行目标检测。
常用的特征包括颜色特征、纹理特征和形状特征等。
通过提取这些特征，可以有效地识别出飞机目标。
此外，机场区域的复杂性还表现在飞机目标的遮挡问题上。
由于机场区域通常有大量建筑物和树木等遮挡物，飞机目标往往只能被部分遮挡。
因此，对于遮挡的飞机目标，可以采用多尺度目标检测算法。
该算法可以在不同尺度下对图像进行分析，从而提高飞机目标的检测率。
最后，为了提高飞机目标的检测准确性，可以采用机器学习的方法进行目标分类。
通过使用大量的训练样本，可以建立一个高效的分类器，从而提高飞机目标的识别率。
综上所述，面向复杂遥感图像机场区域的飞机目标检测技术是一个具有挑战性的问题。
通过对图像进行预处理、采用特征提取和多尺度目标检测算法、以及机器学习的方法进行目标分类，可以有效地提高飞机目标的检测准确性。
这将为机场区域的安全监控提供有力支持，为航空运输业的发展做出贡献。
基于多特征提取的遥感图像机场目标自动检测_王彪
中国体视学与图像分析 2009年 第14卷 第2期120CHI NES E J O URNA L O F STEREOLOGY AND I M AG E ANALYS I S V o.l 14No .2June 2009文章编号:1007-1482(2009)02-0120-05基于多特征提取的遥感图像机场目标自动检测王 彪, 姜志国, 赵丹培(北京航空航天大学宇航学院图像处理中心, 北京 100191)摘 要:传统的遥感图像机场跑道自动目标检测由于仅提取灰度特征常产生过分割现象,本文采用灰度特征和纹理特征相结合的方法进一步提高跑道的检测精度。
利用阈值对遥感图像进行初始分割,以定位感兴趣区域(RO I),再利用E M 算法估计RO I 区域训练样本,引入马尔可夫随机场(MRF)模型,分割机场跑道。
实验表明MRF 可以很好地描述空间连续性,可以达到精确检测机场跑道的目的。
关键词:灰度特征;纹理特征;阈值分割;E M 算法;马尔科夫随机场(MRF)中图分类号:TP391 2;TP75 文献标识码:AAuto m atic target detection of ai rfiel d runway i n re mote sensi ngi m age by m ult-i feature extracti onWANG B iao, JIANG Zh iguo, Z HAO Danpei(I m age Processing Center ,School ofA stronautics ,Beiji n g U niversity o fAeronautics&A str onau tics ,B eiji n g 100191,Ch i n a)Abst ract :T rad itional auto m atic m ethods for a irport r unw ay target detecti o n i n re m ote sensi n g i m age use on l y g ray fea t u re .This paper presents a m ethod wh ich co mb i n e texture feature w ith gray feature to i m pr ove the prec isi o n of runw ay target detection .To ex tract the reg ion of i n terest (RO I),the m ethod uses thresh -old to get the initial seg m entation and then esti m ate training sa m ples o fRO I by E M algor ithm .Follo w ed by th is ,theM arkov R ando m Fie l d s (MRF)m odel is e m ployed to m ake the segm entati o n in the RO I to detect the r unw ay targe.t Exper i m ent resu lts show thatMRF has good perfor m ance i n descri b i n g spatial con ti n u-ity .It can w ell descri b e the airpo rt r unw ay and get accurate detecti o n resul.t K ey w ords :g ray feature ;tex ture feature ;thresho ld seg m entation ;E M A lgo rithm ;M ar kov rando m fields收稿日期:2009-05-11基金项目:国家自然基金项目(69776793)作者简介:王彪(1984-),男,硕士研究生。
基于多特征组的遥感图像中建筑物目标自动识别与标绘的方法
Ａｎ ｌｓ Ｐ ）ｍｅｈ ｄ ａｙｉ ＣＡ ｓ（ ｔｏ
１ 引言
随着 航 空 航 天 领域 的技 术越 来越 成 熟 ，利 用 卫星 图像 或 者 航 空 照 片来 对 地 物进 行 信 息 提 取 ，大 大 提 高 了 工作 效 率 ，
针对上述问题 ，本文提出了一种基于多特征方法 自动识 别与标绘遥感图像中建筑物 目标 的方法 。该方法首先利用灰 度和 多种纹理特征对 图像进行区域特征统计，接着通过主分
承德保
（ 北京航 空航 天大学经济管理学院 北京 １０ ９ ） ０ １ １
摘 要 ： 文 提 出 了一 种 新 的针 对 高 分 辨 率遥 感 图像 中建 筑物 目标 自动 识 别 与标 绘 的 方 法 。 方 法 首先 统 计 建筑 物 该 该
的 多类 特 征 ，然 后 利 用 Ｐ Ａ 方 法 分 析选 取 最 优 特 征 组 ，将 图 像 分割 为建 筑物 目标 区域 与 非 目标 区域 。最 后 ，提 出 Ｃ
2研究方法本文所提出的方法是首先计算图像的灰度纹理多种滤波器响应特征再通过主分量分析将图像分割为建筑物区域和非建筑物区域f二值图像然后逐个提取建筑物候选万方数据2868电子与信息学报第30期区域的边缘再进行hough变换找出该建筑物区域的主方向结合面积因子对该建筑物区域进行矢量标绘获得其几何外形
第 ３ 第 １ 期 ０卷 ２
２０ ０ ８年 １ ２月
电
子
与
信
息
学
报
Ｖ １ Ｏ ．２ ｂ ． Ｎｏ １ ３ Ｄｅ ． ０ ８ ｃ ２ ０
Ｊ ｕ ｎ ｌ ｆ ｅ ｔ ｏ ｉｓ＆ Ｉ ｆ ｔｏ ｃ ｎ ｌｇ ｏ ｒ ａ ｃｒ ｎｃ ｏ Ｅｌ ｎ ｏ ｍａ ｉ ｎ Ｔｅ ｈ ｏ ｏ ｙ
遥感图像中机场目标的识别方法
遥感图像中机场目标的识别方法陈旭光;林卉【摘要】机场识别作为模式识别领域的问题之一,在军事上有着重要的应用前景.它包括判断机场是否存在和机场定位两个方面.结合已有的方法,提出了一种新的机场识别的解决方案.该方案先使用阈值分割方法进行图像分割,然后利用像素标记法提取出最大连通区域,作为疑是机场区域(ROI)；用Canny算子进行图像的边缘提取,提出了一种改进的Hough变换,能够从边缘图像中准确地提取出直线段,并最终实现机场跑道的定位.%As one of the problems in the pattern recognition domain, the airport recognition has a significant application prospect in the military affairs. It contains two aspects: identification of airport and localization of runway. A new method to solve the problem of airport recognition is presented. The method of threshold value division is applied to the image, and the pixels marking method is used to extract the maximum cross-connection domain as possible airport area(ROl), then Canny operator is used to extract the edge of the image. By using an improved Hough transform method, straight line can be precisely extracted from the edge image and locate the airport runway.【期刊名称】《计算机工程与应用》【年(卷),期】2012(048)025【总页数】5页(P194-197,216)【关键词】边缘检测;Hough变换;机场识别【作者】陈旭光;林卉【作者单位】徐州师范大学现代教育技术中心,江苏徐州221116;徐州师范大学测绘学院,江苏徐州221116【正文语种】中文【中图分类】TP391CHEN Xuguang,LIN Hui.Method of airport recognition in remote sensing puter Engineering andApplications,2012,48（25）：194-197. 机场跑道识别作为模式识别领域的问题之一，在军事上有着重要的应用前景。
一种基于学习的机场遥感图像检测方法[发明专利]
![一种基于学习的机场遥感图像检测方法[发明专利]](https://img.taocdn.com/s3/m/a8ba8b0b102de2bd97058872.png)
专利名称：一种基于学习的机场遥感图像检测方法专利类型：发明专利
发明人：杨晶晶,张强,徐涛金
申请号：CN201910305556.4
申请日：20190416
公开号：CN110188601A
公开日：
20190830
专利内容由知识产权出版社提供
摘要：本发明提供一种基于学习的机场遥感图像检测方法，首先对遥感图像进行Canny边缘检测，去除遥感图像中的噪声干扰，得到遥感图像具体的边缘信息；然后利用霍夫变换提取遥感图像边缘检测后的最长直线段的起始坐标值，并计算得出该最长直线的长度；最后应用支持向量机进行学习分类预测，将最长直线段起始点坐标值和最长长度值进行级联得到一个增强特征量，输入支持向量机中进行充分的学习；由此可见，本发明将复杂的遥感图像分类问题简单化，排除了机场遥感图像检测中的大量干扰信息，并利用支持向量机强大的二分类能力，不需要过多修改参数，同等条件下，使得本发明方法简易，且具有96.5％的检测准确率。
申请人：昆明理工大学
地址：650093 云南省昆明市一二一大街文昌路68号
国籍：CN
代理机构：北京理工大学专利中心
更多信息请下载全文后查看。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中国体视学与图像分析 2009年 第14卷 第2期120CHI NES E J O URNA L O F STEREOLOGY AND I M AG E ANALYS I S V o.l 14No .2June 2009文章编号:1007-1482(2009)02-0120-05基于多特征提取的遥感图像机场目标自动检测王 彪, 姜志国, 赵丹培(北京航空航天大学宇航学院图像处理中心, 北京 100191)摘 要:传统的遥感图像机场跑道自动目标检测由于仅提取灰度特征常产生过分割现象,本文采用灰度特征和纹理特征相结合的方法进一步提高跑道的检测精度。
利用阈值对遥感图像进行初始分割,以定位感兴趣区域(RO I),再利用E M 算法估计RO I 区域训练样本,引入马尔可夫随机场(MRF)模型,分割机场跑道。
实验表明MRF 可以很好地描述空间连续性,可以达到精确检测机场跑道的目的。
关键词:灰度特征;纹理特征;阈值分割;E M 算法;马尔科夫随机场(MRF)中图分类号:TP391 2;TP75 文献标识码:AAuto m atic target detection of ai rfiel d runway i n re mote sensi ngi m age by m ult-i feature extracti onWANG B iao, JIANG Zh iguo, Z HAO Danpei(I m age Processing Center ,School ofA stronautics ,Beiji n g U niversity o fAeronautics&A str onau tics ,B eiji n g 100191,Ch i n a)Abst ract :T rad itional auto m atic m ethods for a irport r unw ay target detecti o n i n re m ote sensi n g i m age use on l y g ray fea t u re .This paper presents a m ethod wh ich co mb i n e texture feature w ith gray feature to i m pr ove the prec isi o n of runw ay target detection .To ex tract the reg ion of i n terest (RO I),the m ethod uses thresh -old to get the initial seg m entation and then esti m ate training sa m ples o fRO I by E M algor ithm .Follo w ed by th is ,theM arkov R ando m Fie l d s (MRF)m odel is e m ployed to m ake the segm entati o n in the RO I to detect the r unw ay targe.t Exper i m ent resu lts show thatMRF has good perfor m ance i n descri b i n g spatial con ti n u-ity .It can w ell descri b e the airpo rt r unw ay and get accurate detecti o n resul.t K ey w ords :g ray feature ;tex ture feature ;thresho ld seg m entation ;E M A lgo rithm ;M ar kov rando m fields收稿日期:2009-05-11基金项目:国家自然基金项目(69776793)作者简介:王彪(1984-),男,硕士研究生。
研究方向:遥感图像处理与识别。
通讯作者:姜志国,男,1965年出生,教授,博士生导师。
E-m a i:l ji ang zg @buaa .edu .cn1 引言准确快速的机场定位是目标检测与识别的重要应用领域之一,目前针对机场跑道的自动目标检测存在以下两方面的困难: 从复杂背景中精确分割机场跑道存在一定的困难; 遥感图像上的公路与机场跑道非常相似,影响机场的检测精度。
随着遥感技术的发展针对雷达图像、红外图像和质量非常好的遥感图像提出了相应的检测方法。
如罗军、杨卫平等提出的红外图像中机场跑道自动检测方法[1],鲍复民等提出的雷达图像中机场跑道2009年 第14卷 第2期王 彪等:基于多特征提取的遥感图像机场目标自动检测121的自动检测[2]等。
但现有的方法仅仅考虑机场的灰度特征,检测手段也主要是阈值分割、边缘提取、直线段搜索、直线拟合与修正等,对于实际拍摄的背景复杂的遥感图像来说,这些研究方法存在不可靠因素。
因此本文提出一种采用灰度特征和纹理特征相结合的机场跑道检测算法,针对传统的边沿提取存在过分割的不足通过多次的特征提取,以中高分辨率(分辨率小于10m )的SPOT 卫星遥感图像为例,该方法能进一步滤除复杂背景的干扰,从而提高机场跑道的检测效率。
2 机场跑道目标检测流程2 1 机场跑道通用模型本文机场跑道的自动检测算法针对的遥感数据源有如下特点:(1)中高分辨率图像;(2)可见光图像;(3)1K 1K 幅度以上的大尺度;(4)边沿纹理信息明显。
一个完整的机场包含着非常丰富的信息,但机场的主要特征是以两条平行的主辅跑道为边缘的(或仅为一条主跑道),通过提取平行直线可以达到检测机场跑道的目的,根据对大量机场图像分析可以建立跑道的通用模型作为知识准则指导后续的分割与识别过程,其通用特征主要有:(1)跑道区域灰度值较背景高;(2)跑道区域内灰度均匀具有纹理连续性;(3)跑道长宽有一定范围,为长条矩形;(4)有明显的两端。
模型中前两者为跑道的灰度特征和纹理特征,本文即以这些特征作为判定准则来进行遥感图像机场目标的自动检测。
图1 机场跑道自动检测算法流程2 2 算法主要流程介绍机场跑道自动检测算法的主要流程为:(1)针对机场跑道的灰度特征,利用基于灰度的初始分割方法,获取机场区域;(2)根据初始分割的结果,定位机场的感兴趣区域RO I 的坐标;(3)在原始图像的RO I 区域内,利用基于纹理的MRF 分割方法提高检测效率。
3 机场跑道目标检测步骤3 1 基于灰度的特征提取机场跑道在遥感图像上具有明显的灰度信息,可采用阈值分割算法对遥感图像进行初步分割,本文处理遥感图像幅值比较大,初始分割可以确定机场区域大致位置,定位感兴趣区域(RO I)这样使图像幅值大为降低,同时也滤除了背景的干扰提高算法的时间效率。
3 1 1 自适应阈值分割与区域连通阈值分割的过程就是通过选择合适的阈值将灰度图像转化为黑白二值图,从而快速地将机场区域与背景分开,本文以白色区域(像素值255)表示机场目标,黑色区域(像素值0)表示背景,二值化过程为:g (i ,j )=255 f (i ,j)<T0 f (i ,j)T式(1)中f (i ,j)表示原始图像,g (i ,j )表示二值化后的图像,T 为阈值。
自适应阈值分割根据灰度直方图自动确定阈值,但对于复杂图像难以得到满意效果。
由于机场跑道与背景存在明显的灰度特征差异,把图像看成由不同灰度级组成的两类区域的组合,在比较多种分割方法之后,选择基于目标和背景之间类间方差最大的O tsu 分割方法[3,4],其算法简单,速度快效率较高,实验证明是一种可行分割方法。
O tsu 分割以后机场跑道就存在于白色的块状区域内,要定位机场跑道需要快速而准确地搜索面积最大的白块区域,本文采用基于队列的区域连通算法获得二值化后目标像素的最大连通区域,考虑像素点周围8连通分量的相关性,具体方法为:扫描的方向是从左到右,从上到下,假如当前像素值为255,检查它的8个相邻的像素,若含有像素值为255的点,然后以8邻域内的像素为生长点继续向外扩展,直到8个相邻像素值都为0,则此为一连通域赋予该连通域标记值。
通过第一遍扫描,把所有目标像素点进行了标记,提取出连通区域面积最大的作为疑似机场区域,经过区域合并小的噪声颗粒也会被消除,仅留下大结构的目标区域,为后续处理带来了极大的方便。
122 中国体视学与图像分析2009年 第14卷 第2期3 1 2 基于连通关系的RO I 定位RO I 定位是指确定疑似机场区域的外边框矩形在原始图像中坐标位置的过程。
邓湘金提出了通过区域扫描[5]实现定位过程的方法,把图像的左上顶点为坐标原点,但该算法由于未考虑像素间连通关系,因此实现较为复杂,本文借鉴其区域扫描思想与区域连通算法相结合提出了一种改进的RO I 算法,由于考虑区域连通相对原始算法减少一层循环,提高了运行效率。
设x 轴正方向水平向右,y 轴正方向竖直向下,其思路如图2所示:设定偏移量s 1=s 2=s 3=0。
(1)从原点开始扫描顺序为先沿x 正向再沿y 正向,扫描到第一个灰度为255的点A,记录该目标点的坐标(m,n)和区域标记a;(2)从m 位置沿x 负向扫描,若有目标点(像素值和区域标记一致)则s 1++转入(2),否则转入(3);(3)从m 位置沿x 正向扫描,若有目标点则s 2++转入(3),否则转入(4);(4)从n 位置沿y 正向扫描,若n 小于图像高度h,s 3++转入(2),否则终止程序。
当程序运行结束时坐标点(m -s 1,n )和(m +s 2,n +s 3)即为所求RO I 矩形框的左上和右下两个顶点的坐标。
图2 RO I 定位算法示意图3 2 基于纹理的特征提取基于灰度特征的分割算法原理简单,实时性好,但是特征简单适用范围有限,在背景比较复杂的情况下很难到达精确分割的要求,因此采用将灰度特征和纹理特征相结合的算法,根据阈值分割的结果在原始图像的RO I 内利用马尔科夫随机场(MRF )进行二次分割,提高分割效率。
将二维图像表示为一个MRF ,图像中每个像素点对应MRF 中随机变量的一种实现。
MRF 表征图像的局部特征,采用MAP(最大后验概率)的优化算法对MRF 模型进行求解,即已知当前像素点是机场跑道的条件下其领域系统C 内属于机场跑道的最大条件概率。
在此可将邻域系统简单理解为每个像素周围的4连通域,H a mm ersley -G liffo r d 定理证明了MRF 和G ibbs 随机场等价性的关系,由使用G ibbs 随机场来求解MRF 中的条件概率分布。