（信号与信息处理专业论文）光学遥感图像跑道提取与油罐目标识别技术研究.pdf

摘要 摘要 卫星遥感图像作为一类重要的空间信息源，以其时效性，实用性而被广泛应 用于资源勘探、军事侦查、环境灾害监测、土地利用、农作物估产、城市规划等 诸多领域，对国防、国民经济和社会发展有着重大的影响。 光学遥感图像通常表现为：灰度级多、对比度低、信息量大、边界模糊、目标 结构复杂、区域特征因不同的拍摄条件而产生较大变化等等，由于光学遥感图像 的这些特性，使得对光学遥感图像中目标的提取与识别没有完全可靠的模型进行 指导。本文依托“遥感影像的区域分割与毁伤信息提取研究项目，参考国内外 遥感图像处理、遥感图像目标识别的相关文献和商业软件，对高空间分辨率光学 遥感影像中跑道提取、港口油罐目标识别进行了深入的研究，相关工作与成果如 下： 1 详细研究了数字图像处理的一些基本算法，例如：形态学膨胀、腐蚀、高 帽和低帽变换，高斯模糊滤波，c a n n y 分割，o t s u 分割，边缘跟踪，连通域标记 算法。本文将这些算法用于光学遥感图像的预处理和目标的特征提取，去除了图 像背景带来的干扰特征，增强了跑道目标与油罐目标的特征，是后续提取与识别 工作的基础。 2 详细研究了跑道提取技术。针对跑道一般具有比较复杂的几何拓扑结构， 并与周围的非跑道区域有着明显的界限等特征，本文研究了基于h o u g h 变换直线 检测算法的跑道提取技术，对机场跑道进行提取。基于h o u g h 变换直线检测算法 的跑道提取技术能够很好地提取出机场的主要跑道，但无法提取出一些非直线型 的分支跑道。在前人的研究基础上，本文提出了基于水平集算法的跑道提取技术。 由于水平集算法有着应对复杂几何拓扑结构的优势，该方法不仅能够提取出机场 的主要跑道，还能提取出机场的非直线型分支跑道，从而改善了提取结果。 3 详细研究了港口油罐识别技术。本文研究了基于形态学的油罐识别技术， 基于形态学的油罐识别技术能够很好地识别出灰度值与背景相差比较大的油罐目 标，如果加上油罐区域的先验空间信息，能够在复杂场景中识别出目标油罐，但 其依赖于先验信息，并且当目标灰度值与背景相差不大时，识别效果并不理想。 本文在前人的研究基础上，提出了改进的基于h o u g h 变换圆检测算法的油罐识别 技术。该算法充分利用了油罐目标的圆形特征与不交叠特性，在目标边缘信息能 摘要 够被检测到的情况下，改进的基于h o u g h 变换圆检测算法的油罐识别技术能够识 别出灰度值与背景接近的油罐目标，对阴影不是很长的油罐目标也取得了很好的 识别结果。 4 利用研究提出的算法，完成了光学遥感图像跑道提取与油罐目标识别的软 件设计，通过测试，技术指标中目标的提取与识别准确率达到8 5 以上，处理时间 小于2 分钟。 关键词：跑道提取，油罐检测，h o u g h 变换，水平集算法 n a b s t r a c t a bs t r a c t a sas o r to fi m p o r t a n ts p a t i a li n f o r m a t i o nr e s o u r c e ，m er e m o t es e l l s m gi m a g e sa r e w i d e l yu s e df o rr e s o u r c ee x p l o r a t i o n ，m i l i t a r ys p y i n g ，i n s p e c t i o no fe n v i r o n m e n t a l d i s a s t e r , u t i l i z a t i o no fl a n d ，o u t p u ta s s e s s m e n to fc r o p sa n dc i t yp l a n n i n ge t c ，b e c a u s eo f i t se f f e c t i v e n e s sa n dp r a c t i c a b i l i t y i tp r o f o u n d l ya f f e c t st h en a t i o n a le c o n o m y , n a t i o n a l d e f e n s ea n dd e v e l o p m e n to ft h es o c i e t y t h eo p t i c a lr e m o t es e n s i n gi m a g ei sc h a r a c t e r i z e db yi t sl a r g en u m b e r so fg r a y l e v e l ，e n o r l i l o u sa m o u n ti n f o r m a t i o ni td e l i v e r s ，t h eb l u r r i n e s so fb o u n d a r i e s ，c o m p l e x s t r u c t u r eo ft h et a r g e t , v a r i a b l er e g i o n f e a t u r ei nc o n d i t i o no fs h o o t i n ge n v i r o n m e n t b e c a u s eo ft h e s ec h a r a c t e r s ，t h e r ea r en or e l i a b l em o d e l st og u i l dt h es u b t r a c t i o na n dt h e r e c o g n i t i o no ft h et a r g e t si nt h eo p t i c a lr e m o t es e n s i n gi m a g e o nt h eb a s i so ft h e p r o j e e t r e g i o ns e g m e n t a t i o na n dd a m a g ei n f o r m a t i o ne x t r a c t i o ni n t h er e m o t es e n s i n g i m a g e ”，t h i st h e s i sc o n s u l t st h er e l a t e dl i t e r a t u r e sa n dc o m m e r c i a ls o f t w a r eh o m ea n d a b r o a d ，p e r f o r m sf u r t h e rr e s e a r c h e so nt h ee x t r a c t i o no ft h er u n w a y , r e c o g n i t i o no f t h e o i l c a ni nt h eh i g hs p a t i a lr e s o l u t i o no p t i c a lr e m o t es e n s i n gi m a g e ，r e l a t e dw o r ka n d a c h i e v e m e n ta r ea sf o l l o w ： 1 s t u d i e st h eb a s i ca l g o r i t h m so ft h ed i g i t a li m a g ep r o c e s s i n g ，f o re x a m p l e ： m o r p h o l o g i c a ld i l a t i o n ，e r o d e ，t o p - h a t a n dl o w - h a tt r a n s f o r m ，g a u s s i a nb l u rf i l t e r , c a n n ys e g m e n t a t i o n ，o t s us e g m e n t a t i o n ，t r a c t i o no f t h eb o u n d a r i e s ，m a r ko fc o n n e c t e d d o m a i n t h i st h e s i su s e st h e s em e n t i o n e da l g o r i t h m si nt h ep r e p r o c e s s i n go ft h ei m a g e s a n df e a t u r ee x t r a c t i o no ft h et a r g e t s ，e l i m i n a t e st h ed i s t u r b i n gf e a t u r e st h a t t h e b a c k g r o u n db r i n g s ，e n h a n c e st h ef e a t u r e so ft h ed e s i r e dt a r g e t s t h e s ea l g o r i t h m sa r e t h eb a s i so ft h ee x t r a c t i o na n dr e c o g n i t i o n 2 s t u d i e st h er u n w a ye x t r a c t i o nt e c h n o l o g y r u n w a yu s u a l l yp o s s e s sc o m p l e x t o p o l o g ys t r u c t u r e ；h a v ed i s t i n c tb o u n d a r i e sw i t ht h es u r r o u n d i n ga r e a t h i st h e s i s s t u d i e st h er u n w a ye x t r a c t i o nt e c h n o l o g yb a s e do nh o u g ht r a n s f o r ml i n ed e t e c t i o n ，a n d e x t r a c tr u n - w a y si nt h ea i r p o r t t h en l n - w a ye x t r a c t i o nt e c h n o l o g yb a s e do nh o u g h t r a n s f o n nl i n ed e t e c t i o nc a ne x t r a c tt h el i n e a rn m w a y s ，b u tc a l l te x t r a c tn o n l i n e a r r u n w a y s o nt h eb a s i so fp r e v i o u sr e s e a r c h ，t h i st h e s i sp r o p o s e dar u n 。w a ye x t r a c t i o n i l l 型型盟 t e c h n o l o g yb a s e do nl e v e ls e ta l g o r i t h m l e v e ls e ta l g o r i t h mh a sm ea d v a n t a g e so f n a i l d l i n gt h ec o m p l e xt o p o l o g ys t r u c t u r e , s ot h ep r o p o s e dt e c h n o 】o g yn o to n l yc a n e x 仃a 耽t h el i n e a rr u n w a y s ，b u ta l s oc a l le x t r a c tt h en o n 1 i n e a r n 1 1 1 w a v s 3 s t u d i e st h eo i l c a nr e c o g n i t i o nt e c h n o l o g y t h i st h e s i ss t u d i e s o i l c a nr e c o g n i t i o n t e c h n o l o g yb a s e do i lm o r p h o l o g y t h eo i l c a n r e c o g n i t i o nt e c h l l o l o g yb a s e do n m o r p h o l o g yc a r lr e c o g n i z c $ t h eo i l e a nw h e nt h ed e s i r e dt a r g e t sa r ed i s 石n c t i v et o 也e b a c k g r o u n d ，a n dw i t ht h ep r i o ri n f o r m a t i o na b o u tt h es p a t i a ll o c a t i o no ft h ed e s 砌 t a r g 烈s ，t h et e c h n o l o g yc a l le v e ny i e l d sd e s i r a b l er e s u l ti nt h er e c o 盟i t i o no fo i l e 觚s l o c a t e do nt h ec o m p l e xb a c k g r o u n d ，b u tt h e t e c h n o l o g yi sd e p e n d e n to nt h ep r i o r m t b r m a t i o n ，a n dc a n tr e c o g n i z e st h ed e s i r e d t a r g e t st h a t 釉，td i s t i n c t i v et o也e b a c k g r o u n d o nt h eb a s i so fp r e v i o u sr e s e a r c h ，t h i st h e s i s 脚o s e daa m e n d e do i l c a n 代c o 鲫t i o nt e c h n o l o g yb a s e do nh o u g ht r a n s f o r m c i r c l e d e t e c t i o n ，t h ep r o p o s e d t e c h n o l o g ym a k e su s eo ft h ec i r c u l a rf e a t u r ea n dn o n - o v e r l a pp r o p e r t yo ft h eo i l c 锄 t a 增掷，c a l lr e c o g n i z e st h eo i l c a n st h a ta r en o td i s t i n c t i v et ot h eb a c k 舯u n d 姐d h a v c s m a 儿s h a d o wa r e aw h e nt h ee d g eo ft h et a r g e t sc a l lb e d e t e c t e db yc a n n yo p e r a t o l 4 f ”n i s h e st h es o f t w a r ed e s i g na n dt h ec o d ec o m p i l a t i o n o f r u n w a ye x 仃a c t i o n 趾d 0 1 l c 觚r e c o g n i t i o n t h ea c c u r a c yr a t e so ft h ee x t r a c t i o na n dr e c o g n i t i o n 黜a b o v e8 5 t i m es p e n to ft h ee x t r a c t i o no r r e c o g n i t i o ni s1 e s sm 锄2m i n l l t 船 k e y w o r d s ：r u n 。w a ye x t r a c t i o n ，o i l c a nd e t e c t i o n ，h o u g ht r a n s f o m ，l e v e ls e t i v 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 签名：趑造日期：弘l o 年f 月巧日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：丝达造导师签名：立垦釜 。 日期：】o f o 年r 月】r 日 第一章绪论 第一章绪论 1 1遥感影像信息提取与目标识别任务与意义 卫星遥感影像作为一类重要的空间信息源，以其时效性，实用性而被广泛应 用于资源勘探、军事侦查、环境灾害监测、土地利用、农作物估产、城市规划等 诸多领域，对国防、国民经济和社会发展有着重大的影响【1 - 3 。展望2 1 世纪，遥感 技术的发展将使其以更快的速度、更高的空间分辨率、更大的信息量为我们提供 对地观测影像【4 巧】。面对如此海量的数据，遥感影像分析处理、信息提取与识别的 能力和效率将成为未来遥感影像处理与应用面临的突出问题之一。 纵观过去的二三十年，卫星遥感影像应用的水平常滞后于空间遥感技术的发 展，其突出表现在：卫星发回的遥感影像数据未能得到充分利用，据统计，目前 卫星发回的遥感数据得到应用的不到其总量的1 0 ；对遥感影像信息认识的不 足和对遥感影像专题信息分析水平的滞后，造成了遥感信息资源的巨大浪费及其 应用价值的降低【5 】。正如美国前副总统戈尔所说，尽管人们对遥感影像信息的需求 很大，但其中绝大部分影像数据从未被使用过，面对这些海量数据，研究人员能 及时获得的有效信息相当的匮乏 6 】。分析原因，这主要在于缺少完善的遥感影像分 析处理的方法和模型，难以从遥感影像中直接获得大量的高精度空间信息。因此 挖掘卫星遥感影像的应用潜力，提高遥感影像分析识别的精度，是目前遥感影像 应用的迫切要求。遥感影像分析处理的目的就是将遥感信息转换成相关应用领域 的专题信息，转变成数字地球和专题信息系统可以直接使用的信息，最终转化为 巨大生产力。完善遥感影像分析识别的方法和模型，从而高精度地提取遥感影像 专题信息，对满足经济和社会发展的各项需要，都具有非常重要的意义。 随着专题信息系统的广泛应用，国防军事和国民经济的诸多应用领域都迫切 需要遥感影像数据这一宏观、快速、动态的信息源，而遥感影像分析识别的精度 和效率又直接影响到其实用价值和更新这些专题信息系统空间数据库的潜力。现 有的遥感影像分析识别精度和效率仍远远不能满足实际应用的需要，提高遥感影 像分析识别精度和效率一直是遥感技术与应用的研究核心【7 1 。目前，各种学科、各 种知识、各种技术的交叉渗透越来越增加了遥感影像分析识别的精度与可靠性， 并向普适性、高效性的方向发展【8 1 。但仍需指出，时至今日，成功的遥感影像分析 电子科技大学硕士学位论文 方法仍是目视解译例。 综观各种类型的地物提取，虽然近几年来国内外学者们在遥感影像地物提取 与识别技术的研究上取得了很多成果，但还有如下问题需要解决：大多研究中 采用的数据都是一小块包含目标的遥感影像，即其研究前提是已经存在目标，而 缺少在大尺度影像上搜索和查找可能存在目标的能力，或者说缺少这样一种多尺 度信息提取的策略。研究基本是针对某特定类型的目标而设计和实施，缺乏 一个总体性的技术模型作为指导，与具体提取与识别的目标联系太紧密，造成技 术的不通用性、过度的参数依赖性与不确定性、处理目标的单一性，因此造成方 法普适性较差。当然不同目标其特征和可利用的先验知识不同，其提取技术也不 可能完全一致。许多研究在特征提取后即认为实现了目标的提取，缺少高层的 匹配和推理过程，不可避免地具有一定的主观性。在先验知识的处理与运用上， 关于地物空间语义关系知识的运用程度还不够，此外，目前的推理技术大多采用 简单的符号规则推理，而对于带有不确定性的模糊推理和证据理论推理等的研究 和利用还不深入，这些问题也正是遥感影像高层处理与分析所应首要解决的问题。 1 2 高分辨率光学遥感影像跑道提取与油罐目标识别技术研究现状 遥感影像处理的根本目标是为了提取信息，获取知识。一般来说，遥感影像 信息提取包括识别和分类。遥感影像目标识别一般针对人工地物而进行，不仅依 据其光谱特征、还很大程度上依据目标形状、空间语义关系等。一般其数据源为 高空间分辨率的航空影像和卫星影像，因为，影像空间分辨率的提高更能反映人 工行为的影响和干预。人工地物是空间地理信息库中的重要元素，人工地物主要 包括建筑物、桥梁、跑道、油罐和大型工程构筑物( 如机场、码头等) 。 1 2 1遥感影像跑道提取技术研究现状 从遥感影像中自动提取跑道之类的线性地物信息，是人们多年的愿望。虽然 在跑道提取的研究【l o 】【l l 】中，己经取得了一些成果，但目前仍处在研究阶段。主要 研究的是半自动线性特征提取方法和一些特征较为简单的自动提取方法，提取出 来的结果主要是一些线性特征，而较完整的跑道目标如跑道网络还很难提取，至 今还没有一套功能完善的系统能实现此功能。根据跑道提取的自动化程度，一般 将其分为半自动跑道提取与自动跑道提取。 2 第一章绪论 1 - 2 - 1 1 跑道提取的半自动化方法 由于目前计算机的自动识别能力仍然不强，对人类视觉来说很容易的从遥感 影像中判别跑道的任务，对于计算机却是很困难的任务，但计算机具有超强的计 算能力，因此结合二者优点的半自动化提取方法取得了很好的效果，是目前现实 中比较实用的方法之一。半自动化方法一般指通过人机交互提供给计算机一些先 验信息，如初始的种子点和初始方向，再由计算机自动完成剩余的步骤，一般可 以分为以下几类： 1 基于边缘跟踪的提取方法【1 2 】【1 3 】。 给定初始的种子点和初始方向开始边缘跟踪，直到边缘终止处作为新的跟踪 种子点，基于边缘跟踪方法得到的路径就是一条候选跑道段。 2 最d x - - 乘模板匹配方法【1 4 】【1 5 1 。 该方法在给定特征点初始值的条件下，以最小二乘法估计模板与图像之间的 几何变形参数，进而确定遥感影像上曲线的具体参数得到跑道的数学表示，该方 法可以获得较高的提取精度。 3 动态规划方法【1 6 1 。 该方法首先沿跑道给出一系列种子点，假设跑道的一般参数模型，将其表达 成种子点之间的“代价 函数，然后用动态规划确定种子点之间的最优路径，也 即候选跑道段。 1 2 1 2 跑道提取的自动化方法 跑道的自动化提取包括跑道的识别和定位。与半自动化方法相比，缺少了人 工辅助识别，由于计算机识别能力有限，所以目前还没有提出很成熟完善的自动 化提取算法。目前的算法主要针对某种特定类型的跑道如机场主要跑道，一般可 以作如下划分： 1 基于平行线对的跑道提取【l 弧1 8 1 。 跑道的本质特征从边缘上看是一组平行线，由此特征，产生许多相关的跑道 的提取算法。对于高空间分辨率遥感图像和航空图像，t r i n d e r j c 研究了基于人工 智能的自动识别跑道的方法。其方法在如下三个层次上进行研究：基于低层次的 边缘检测和连接；基于中层次的特征信息处理；基于高层次的特征识别处理。其 思想源于m a r t 的视觉理论，其关键在于在链接好的边缘中产生表示跑道的平行线 对这一特征，以及识别平行线对是否为跑道的识别策略。研究表明，这种方法具 有较好的效果。 3 电子科技大学硕士学位论文 2 多分辨率提取算法【1 9 】f 2 0 】。 不同空间分辨率的遥感影像侧重于表现跑道信息的不同方面。低空间分辨率 遥感影像能够较好地表现跑道的骨架和拓扑信息，而且受噪声影响较小；高空间 分辨率遥感影像则侧重于表现跑道的细节，如跑道的宽度、跑道的具体连接方式， 但往往容易受到背景嗓声的影响，如阴影的遮挡模糊了跑道边缘。所以充分利用 各自的优点将二者结合起来提取跑道是个自然的选择，具体做法是先在低空间分 辨率遥感影像中提取跑道的中心线信息，接着在高空间分辨率遥感影像中提取跑 道的平行边缘，再将两步结果根据一定的规则融合。 3 s n a k e s 方法【2 l 】瞄】或a c t i v ec o n t o u r 模型算法。 该算法源于计算机视觉，将影像的各种特征( 包括影像强度和梯度) 及连续 性和平滑性约束在一个能量函数中表示出来，通过求解能量函数的极值点来达到 提取影像中目标的目的。 4 利用其它数据源作为对比或匹配的对象【2 3 】【2 4 1 。 可以将已有的地图数据或者g i s 数据2 4 与遥感影像先进行配准，这样可以 得到跑道的粗略信息作为初始输入，再依据影像特征进行精确识别和定位，而且 跑道提取的结果可以直接反馈给其它数据源，从而完成数据源的更新和提高精确 度。另外可以利用数字地表模型，对遥感影像中的阴影进行预测和分析，将提取 结果中的跑道间断连接起来。 5 数学形态学方法【2 5 】【2 6 1 。 利用数学形态学变换将灰度图像转换成二值图像，从而降低了图像复杂度， 图像中的像素被分成了跑道目标与环境背景两类。对边缘进行跟踪得到线性特征， 利用知识规则对线性特征进行跑道识别，最后再对结果进行细节处理，如连接或 优化。这种方法的优点是能很好地提取出跑道的骨架，但是提取出的跑道边缘易 受噪声影响而不够平滑和平行。 6 网状模型的方法【2 7 】【2 8 1 。 这种方法首先利用各种线性或曲线特征提取算法得到候选跑道段，但是这些 候选跑道段通常都太离散，而实际中的跑道往往相互交叉连接，形成网状。所以 这种方法充分利用跑道网络的拓扑特性，设定跑道连接的评价函数，将候选跑道 段连接成网。 4 第一章绪论 1 2 2 遥感影像油罐识别技术研究现状 油罐目标一直以来都是军事打击的重要目标之一，在机场和港口军事遥感影 像的毁伤信息提取和分析中，油罐目标的识别是油罐目标毁伤信息提取和分析的 前提，其识别的准确度直接影响到毁伤信息提取和分析的效果。因此，研究遥感 影像中油罐目标识别技术具有重要的意义。 遥感影像中的油罐识别问题，国内外学者们利用油罐目标的影像特征，提出 了一系列的油罐目标识别的解决方案，一般来说分为三类： 1 基于h o u g h 变换( h o u g ht r a n s f o r m ) 或者是改进的h o u g h 变换的油罐识别 技术，是一种利用油罐目标呈圆形或类圆形的几何特征的方法。标准的h o u g h 变 换【2 9 j 是目前应用最广泛的圆检测方法，该方法可靠性高，在噪声，变形，甚至部 分区域丢失的状态下仍能取得理想的效果。但其缺点是计算复杂，内存需求大。 算法的实时性很差，不能满足实时性的要求。为了加快算法速度，l x u 提出了随 机h o u g h 变换( r a n d o mh o u g ht r a n s f o r m ) 【3 0 1 ，随机h o u g h 变换虽然在算法速度 上有所改进，但其检测准确度却不如标准的h o u g h 变换。 2 模板匹配方法，基于小波纹理特征匹配的方法。单纯采用模板匹配的方法 来识别油罐目标计算量大且模板选择易受尺度、旋转变化等因素影响，而采用整 体匹配，识别率低且模板难以统一和确定。中国科学院遥感应用研究所遥感科学 国家重点实验室的张维胜等人利用图形检测中获得的油罐信息，形成匹配模板， 对遥感影像中一定区域进行模板匹配【3 1 1 。在匹配中采用基于图像灰度值的匹配方 法，以相关系数作为匹配度，对遥感影像感兴趣区采用金字塔算法，将影像分为 不同像素分辨率的图层，在低像素分辨率的图层上进行快速匹配，得到相关系数 局部极大值的初始位置，接着在高像素分辨率图层上，在相关系数局部极大值初 始位置附近逐像素匹配处理，获得相关系数最大值的精确坐标，作为相似油罐的 位置，该算法提高了模板匹配的速度。 3 利用油罐目标内部灰度值都比较均匀，与其相邻区域灰度值反差较大的影 像辐射特征的油罐识别方法。哈尔滨工业大学图像信息技术与工程研究所的陈爱 军提出了基于二值分割和的油罐识别技术【3 2 1 ，该算法利用k a p u r 熵法对图像进行 阂值分割，得n - - 值图像，然后对二值图像中的灰度值为2 5 5 的像素进行最近邻 聚类形成团块，并计算其面积以及体态比和矩形度等形状参数，最后利用油罐近 似圆形和成群分布的特点对油罐群进行识别和定位。 电子科技大学硕士学位论文 1 3 本论文的选题和研究内容 本文依托“遥感影像的区域分割与毁伤信息提取”研究项目，参考国内外遥 感图像处理、遥感图像目标识别的相关文献和商业遥感图像处理软件，对高空间 分辨率光学遥感影像中跑道提取、港口油罐目标识别进行了深入的研究，相关工 作与成果如下： 1 详细研究了数字图像处理的一些基本算法，例如：形态学膨胀、腐蚀、高 帽和低帽变换，高斯模糊滤波，c a n n y 分割，o t s u 分割，边缘跟踪，连通域标记 算法。本文将这些算法用于图像的预处理和目标的特征提取，去除了图像背景带 来的干扰特征，增强了跑道目标与油罐目标的特征，是后续提取与识别工作的基 础。 2 详细研究了跑道提取技术。针对跑道一般具有比较复杂的几何拓扑结构， 并与周围的非跑道区域有着明显的界限等特征，本文研究了基于h o u g h 变换直线 检测算法的跑道提取技术，对机场跑道进行提取。基于h o u g h 变换直线检测算法 的跑道提取技术能够很好地提取出机场的主要跑道，但无法提取出一些非直线型 的分支跑道。在前人的研究基础上，本文提出了基于水平集算法的跑道提取技术， 由于水平集算法有着应对复杂几何拓扑结构的优势，该方法不仅能够提取出机场 的主要跑道，还能提取出机场的非直线型分支跑道，从而改善了提取结果。 3 详细研究了港口油罐识别技术。本文研究了基于形态学的油罐识别技术， 基于形态学的油罐识别技术能够很好地识别出灰度值与背景相差比较大的油罐目 标，如果加上油罐区域的先验空间信息，能够在复杂场景中识别出目标油罐，但 其依赖于先验信息，并且当目标灰度值与背景相差不大时，识别效果并不理想。 本文在前人的研究基础上，提出了改进的基于h o u g h 变换圆检测算法的油罐识别 技术。该算法充分利用了油罐目标的圆形特征与不交叠特性，在目标边缘信息能 够被检测到的情况下，改进的基于h o u g h 变换圆检测算法的油罐识别技术能够识 别出灰度值与背景接近的油罐目标，对阴影不是很长的油罐目标取得了很好的识 别效果。 4 利用研究提出的算法，完成了遥感图像跑道提取与油罐目标识别的软件设 计，通过测试，技术指标中目标提取与识别准确率达到8 5 以上，处理时间小于2 分钟。 论文的章节安排如下： 第一章绪论，介绍了研究遥感影像信息提取与目标识别的任务和意义和国内 6 第一章绪论 外光学遥感图像信息提取与目标识别的研究现状。 第二章遥感影像处理基本理论与算法，介绍了第三章和第四章用到的一些数 字图像处理的基本算法，如：高斯模糊滤波理论、o t s u 阈值分割理论、c a n n y 分 割理论和数学形态学处理理论。 第三章遥感影像跑道提取技术分析与研究，研究了两种跑道提取技术，阐明 了技术所用到的相关理论和算法，并将两种跑道提取技术进行比较和分析。 第四章遥感影像油罐目标识别技术分析与研究，研究了两种油罐识别技术， 阐明了技术所用到的相关理论和算法，并对两种油罐目标识别技术进行比较和分 析。 第五章总结与展望，对文章所研究技术进行总结，并对相应技术未来的发展 进行展望。 7 电子科技大学硕士学位论文 第二章遥感影像处理基本理论与算法 2 1 高斯模糊滤波理论 高斯模糊是一种图像模糊滤波器，它用高斯正态分布计算图像中每个像素的 变换。其n 维空间正态分布方程为： 1一 g ( r ) = _ 与e 一，( 2 矿 ( 2 1 ) 2 刀仃2 “ 高斯分布参数o r 决定了高斯函数的宽度。对于图像处理来说，常用二维零均 值离散高斯函数作为平滑滤波器。 g m ，) = 二弋p ( 铲) ，( 2 9 2 ) 。2 舾 ( 2 2 ) 其中r 是模糊半径厂2 = “2 + v 2 ，仃是正态分布的标准偏差。在二维空间中，这 个公式生成的曲面的等高线是从中心开始呈正态分布的同心圆。分布不为零的像 素组成的卷积矩阵与原始图像做变换。每个像素的值都是周围相邻像素值的加权 平均。原始像素的值有最大的高斯分布值，所以有最大的权重，相邻像素随着距 离原始像素越来越远，其权重也越来越小。这样进行模糊处理比其它的均衡模糊 滤波器更好地保留了边缘效果。 理论上来说，高斯正态分布中每点的分布都不为零，这也就是说每个像素的 计算都需要包含整幅图像。在实际应用中，在计算高斯函数的离散近似时，在大 概3 仃距离之外的像素都可以看作不起作用，这些像素的计算也就可以忽略。通常， 图像处理只需要计算( 6 矿+ 1 ) x ( 6 仃+ 1 ) 的矩阵就可以保证相关像素的加权影响。 除了圆形对称之外，高斯模糊也可以在二维图像上对两个独立的一维空间分 别进行计算，这叫作线性可分。这也就是说，使用二维矩阵变换得到的效果也可 以通过在水平方向进行一维高斯矩阵变换加上竖直方向的一维高斯矩阵变换得 到。从计算的角度来看，这是一项有用的特性，因为这样只需要 o ( n m x ) + d ( 珑x m x n ) 次计算，而不可分的矩阵则需要o ( m n m ) 次计 算，其中m ，n 是需要进行滤波的图像的维数，m ，n 是滤波器的维数。 对一幅图像进行多次连续高斯模糊的效果与一次更大的高斯模糊可以产生同 第二章遥感影像处理基本理论与算法 样的效果，大的高斯模糊的半径是所用多个高斯模糊半径平方和的平方根。例如， 使用半径分别为6 和8 的两次高斯模糊变换得到的效果等同于一次半径为1 0 的高 斯模糊效果，6 6 + 8 x 8 = 1 0 。根据这个关系，连续使用多个较小半径的高斯模 糊处理不会比单个较大半径的高斯模糊处理时间要少。 在减小图像尺寸的场合经常使用到高斯模糊，例如高斯金字塔技术。在进行 欠采样的时候，通常在采样之前对图像进行低通滤波处理，这样就可以保证在采 样图像中不会出现虚假的高频信息。高斯模糊有很好的特性，如没有明显的边界， 这样就不会在滤波图像中形成震荡。 高斯矩阵示例 这是_ 个计算仃= o 8 4 0 8 9 6 4 2 的高斯分布生成的示例矩阵。注意中心元素【4 ，4 】 处有最大值，随着距离中心越远数值对称地减小。 表2 - 1 高斯矩阵示例仃= 0 8 4 0 8 9 6 4 2 0 0 0 0 0 0 0 6 70 0 0 0 0 2 2 9 20 0 0 0 1 9 1 1 70 0 0 0 3 8 7 7 l0 0 0 0 1 9 1 1 70 0 0 0 0 2 2 9 20 0 0 0 0 0 0 6 7 0 0 0 0 0 2 2 9 2o 0 0 0 7 8 6 3 30 0 0 6 5 5 9 6 5o 0 13 3 0 3 7 30 0 0 6 5 5 9 6 50 0 0 0 7 8 6 3 30 0 0 0 0 2 2 9 2 0 0 0 0 1 9 1 1 7o 0 0 6 5 5 9 6 50 0 5 4 7 2 1 5 7o 1 1 0 9 8 1 6 40 0 5 4 7 2 1 5 7o 0 0 6 5 5 9 6 50 0 0 0 1 9 1 1 7 0 0 0 0 3 8 7 7 10 0 13 3 0 3 7 3o 1 1 0 9 8 1 6 4o 2 2 5 0 8 3 5 20 1 1 0 9 8 1 6 4o 0 13 3 0 3 7 30 0 0 0 3 8 7 7 1 0 0 0 0 1 9 1 1 70 0 0 6 5 5 9 6 50 0 5 4 7 2 1 5 7o 1 1 0 9 8 1 6 40 0 5 4 7 2 15 70 0 0 6 5 5 9 6 50 0 0 0 1 9 1 1 7 o 0 0 0 0 2 2 9 20 0 0 0 7 8 6 3 30 0 0 6 5 5 9 6 50 0 1 3 3 0 3 7 30 0 0 6 5 5 9 6 50 0 0 0 7 8 6 3 30 0 0 0 0 2 2 9 2 0 0 0 0 0 0 0 6 70 0 0 0 0 2 2 9 20 0 0 0 1 9 1 1 70 0 0 0 3 8 7 7 10 0 0 0 1 9 1 1 70 0 0 0 0 2 2 9 20 0 0 0 0 0 0 6 7 注意中心处的0 2 2 5 0 8 3 5 2 比3 0 外的0 0 0 0 1 9 1 1 7 大1 1 7 7 倍。 高斯函数具有五个重要的性质，这些性质使得它在图像预处理中特别有用。 这些性质表明，高斯平滑滤波器无论在空间域还是在频率域都是十分有效的低通 滤波器，并且在实际图像处理中得到了有效使用。高斯函数具有五个十分重要的 性质，它们是： ( 1 ) 二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相 同的。一般来说，一幅图像的边缘方向是事先不知道的，因此，在滤波前是无法 确定一个方向上比另一方向上需要更多的平滑。旋转对称性意味着高斯平滑滤波 器在后续边缘检测中不会偏向任一方向。 ( 2 ) 高斯函数是单值函数。这表明，高斯滤波器用像素邻域的加权均值来代 替该点的像素值，而每一邻域像素点权值是随该点与中心点的距离单调增减的。 9 电子科技人学硕士学位论文 这一性质很重要，因为边缘是一种图像局部特征，如果平滑运算对离算子中心很 远的像素点仍然有很大的加权系数，则平滑运算会使图像失真。 ( 3 ) 高斯函数的傅立叶变换频谱是单瓣的。这一性质是高斯函数傅立叶变换 等于高斯函数本身这一事实的直接推论。图像常被一些不希望的高频信号所污染 ( 噪声和细纹理1 。而所希望的图像特征( 如边缘) ，既含有低频分量，又含有高频 分量。高斯函数傅立叶变换的单瓣意味着平滑图像不会被不需要的高频信号所污 染，同时保留了大部分所需信号。 ( 4 ) 高斯滤波器的宽度( 决定着平滑程度) 是由参数d 决定的而且f 和平滑 程度的关系非常简单。口越大，高斯滤波器的频带就越宽，平滑程度就越好。通 过调节平滑程度参数口，可在图像特征过分模糊( 过平滑) 与平滑图像中由于噪声和 细纹理所引起的过多的不希望突变量f 欠平滑1 之间取得折衷。 ( 5 ) 由于高斯函数的可分离性，较大尺寸的高斯滤波器可以得以有效地实现。 二维高斯函数卷积可以分两步来进行，首先将图像与一维高斯函数进行卷积，然 后将卷积结果与方向垂直的相同一维高斯函数卷积。因此，二维高斯滤波的计算 量随滤波模板宽度成线性增长而不是成平方增长。 高斯模糊处理例子 下面的例子展示了高斯模糊的效果；图2 - 2 是图2 一l 经过高斯模糊滤波器 ( 口= 2 ) 处理之后的结果。 z 如 1 以乞22 ， 图2 - 1 商斯模糊示例原图圈2 - 2 高斯模糊后的结果( 口= 2 ) 22 o t s u 阈值分割理论 o t s u 阈值化方法是一种全局的自动非参数无监督的阈值选取算法，它是基于 类间方差最大的测度准则。该分割技术发展极其成熟，它是基于一维灰度直方图， 一如阻一删以一如么一1 一( z 0 0 rk。，k，；， 第二章遥感影像处理基本理论与算法 且计算简单的一种阈值分割方法，因而应用广泛。然而由于噪声等因素的干扰， 使得图像灰度直方图分布不一定出现明显的波峰和波谷，此时仅利用直方图得到 的阈值进行分割不一定得到满意的结果，往往还会产生严重的分割错误。这是因 为像素灰度值仅反映了像素灰度级幅值大小，而没有反映像素与邻域的空间相关 信息。基于这一点，人们提出了基于二维直方图的o t s u 阈值分割方法，在原来的 基础上引入了像素领域平均灰度信息，使得o t s u 算法抗噪声能力有了显著增强。 设f ( x ，y ) 表示大小为m 、n 的图像在( x ，处像素的灰度。图像的灰度级和像 素的领域平均灰度都分为l 级。在( x ，y ) 处像素的领域平均灰度甙x ，y ) 可以表示为： 1 畦2 h 引2 g ( x ，y ) = 吉f ( x + m ，y + 刀) ( 2 3 ) 一协一目 其中通常情况下k = 3 ，且0 x = m ，o y l n 。 上式中的f ( x ，y ) 和g ( x ，y ) 共同构成一个二维单元( f ，j f ) 用来表示图像，其出现 ， 的频率为z ，可以定义相依的联合概率弓2 砀簧万( 待1 ，2 ，l ；j = 1 ，2 ，上) 。m n 表示图像像素总和，有弓= l 。 i = 1j = l 设图像由目标和背景两部分组成，这两个部分的概率密度函数分布是不同的， 当阈值取为( s ，t ) 时，二维直方图被划分成为四个部分，如图2 3 所示。 f ( x 们 ( k y ) 图2 - 3o t s u 算法二维直方图示意 第o 部分和第1 部分的像素出现概率分布为： = 弓= c o o ( s ，f ) i = 1