一種遙感成像中人造目標(biāo)的檢測方法
【專利摘要】一種遙感成像中人造目標(biāo)的檢測方法涉及圖像中目標(biāo)的檢測領(lǐng)域，該方法是：采用改進(jìn)的相位編組算法對源圖像進(jìn)行直線段檢測，計(jì)算各像素點(diǎn)的梯度后，在區(qū)域生長過程中不斷更新區(qū)域的方向角，將區(qū)域周圍梯度方向角與該區(qū)域方向角相同的像素點(diǎn)納入該區(qū)域，然后計(jì)算區(qū)域的最小外接矩形，以矩形的主軸方向計(jì)算直線段的端點(diǎn)、中心點(diǎn)和方向；采用改進(jìn)的k-means聚類算法，依據(jù)線段中心點(diǎn)的距離信息，將距離較近的直線段聚為一類，進(jìn)而自動將直線段進(jìn)行分類；依據(jù)每個類內(nèi)的直線段數(shù)目和幾何基元情況進(jìn)行判定，滿足條件的類即為人造目標(biāo)。本發(fā)明采用k-means聚類和幾何特征判定技術(shù)，可以實(shí)現(xiàn)對各種類型的人造目標(biāo)的快速有效檢測、準(zhǔn)確的定位。
【專利說明】一種遙感成像中人造目標(biāo)的檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像中目標(biāo)的檢測【技術(shù)領(lǐng)域】，具體涉及一種遙感成像中人造目標(biāo)的檢測方法。
【背景技術(shù)】
[0002]目前，從遙感圖像中檢測人造目標(biāo)的方法，往往只是針對建筑物、汽車或者艦船等某種具體目標(biāo)類別的檢測，不具有普遍性，而且需要針對多種感興趣的人造目標(biāo)進(jìn)行統(tǒng)一處理，計(jì)算復(fù)雜度較高，實(shí)時(shí)性差，不能夠快速準(zhǔn)確地從遙感圖像中提取出各種類型的人造目標(biāo)。
[0003]傳統(tǒng)的相位編組算法抗噪性能差，且受固定分區(qū)的限制；K-meanS聚類算法中K值需要事先給定，而實(shí)際應(yīng)用中K值卻很難估計(jì)，另外，該方法容易受到聚類個數(shù)以及初始聚類中心的限制，選擇不同的初始聚類中心會產(chǎn)生不同的聚類結(jié)果。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是提供一種遙感成像中人造目標(biāo)的檢測方法，該方法能夠從遙感圖像中快速準(zhǔn)確地提取出各種類型的人造目標(biāo)的目的。
[0005]為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案如下:
[0006]一種遙感成像中人造目標(biāo)的檢測方法包括如下步驟:
[0007]第一步、采用改進(jìn)的相位編組算法對遙感成像的源圖像進(jìn)行直線段檢測:在計(jì)算各像素點(diǎn)的梯度后，在區(qū)域生長過程中不斷更新區(qū)域的方向角，將區(qū)域周圍梯度方向角與該區(qū)域方向角相同的像素點(diǎn)納入該區(qū)域，然后計(jì)算區(qū)域的最小外接矩形，以矩形的主軸方向計(jì)算直線段的端點(diǎn)、中心點(diǎn)和方向；
[0008]第二步、采用改進(jìn)的k-means聚類算法，將第一步獲取的直線段進(jìn)行分類，過程如下:
[0009]步驟2.1、聚類處理的對象為第一步獲取的直線段的中心點(diǎn)，按照下述過程確定聚類數(shù)目K以及初始聚類中心:
[0010]步驟2.1.1、設(shè)定直線段中心點(diǎn)的類間距離閾值為dl和類內(nèi)距離閾值為d2，逐個計(jì)算每個中心點(diǎn)與其它中心點(diǎn)的距離，并記錄與每個中心點(diǎn)距離小于dl的點(diǎn)的數(shù)目，即計(jì)算每個中心點(diǎn)在dl鄰域內(nèi)的密度，初始聚類數(shù)目K=O ；
[0011]步驟2.1.2、掃描對象，記錄密度最大的中心點(diǎn)作為第一個聚類中心，更新聚類數(shù)目K=K+1，并將該點(diǎn)密度設(shè)為O ;
[0012]步驟2.1.3、掃描對象，找到密度最大的中心點(diǎn)，計(jì)算該點(diǎn)到聚類中心的距離，若距離小于d2，則直接將該點(diǎn)密度賦為0，否則，記錄該點(diǎn)為新的聚類中心，并更新聚類數(shù)目K=K+1后將該點(diǎn)密度賦為O ;
[0013]步驟2.1.4、重復(fù)步驟2.1.3，直到所有點(diǎn)的密度都為0，此時(shí)的K值和聚類中心即為最后確定的聚類數(shù)目K和初始聚類中心；[0014]步驟2.2、根據(jù)各個對象與初始聚類中心的距離，將其添加到最近的類中；
[0015]步驟2.3、更新質(zhì)心為類內(nèi)所有對象的平均值，并按照下式計(jì)算誤差平方和E的值:
【權(quán)利要求】
1.一種遙感成像中人造目標(biāo)的檢測方法，其特征在于，該方法包括如下步驟: 第一步、采用改進(jìn)的相位編組算法對遙感成像的源圖像進(jìn)行直線段檢測:在計(jì)算各像素點(diǎn)的梯度后，在區(qū)域生長過程中不斷更新區(qū)域的方向角，將區(qū)域周圍梯度方向角與該區(qū)域方向角相同的像素點(diǎn)納入該區(qū)域，然后計(jì)算區(qū)域的最小外接矩形，以矩形的主軸方向計(jì)算直線段的端點(diǎn)、中心點(diǎn)和方向； 第二步、采用改進(jìn)的k-means聚類算法，將第一步獲取的直線段進(jìn)行分類，過程如下:步驟2.1、聚類處理的對象為第一步獲取的直線段的中心點(diǎn)，按照下述過程確定聚類數(shù)目K以及初始聚類中心: 步驟2.1.1、設(shè)定直線段中心點(diǎn)的類間距離閾值為dl和類內(nèi)距離閾值為d2，逐個計(jì)算每個中心點(diǎn)與其它中心點(diǎn)的距離，并記錄與每個中心點(diǎn)距離小于dl的點(diǎn)的數(shù)目，即計(jì)算每個中心點(diǎn)在dl鄰域內(nèi)的密度，初始聚類數(shù)目K=O ； 步驟2.1.2、掃描對象，記錄密度最大的中心點(diǎn)作為第一個聚類中心，更新聚類數(shù)目K=K+1，并將該點(diǎn)密度設(shè)為O ; 步驟2.1.3、掃描對象，找到密度最大的中心點(diǎn)，計(jì)算該點(diǎn)到聚類中心的距離，若距離小于d2，則直接將該點(diǎn)密度賦為0，否則，記錄該點(diǎn)為新的聚類中心，并更新聚類數(shù)目K=K+1后將該點(diǎn)密度賦為O ; 步驟2.1.4、重復(fù)步驟2.1.3，直到所有點(diǎn)的密度都為0，此時(shí)的K值和聚類中心即為最后確定的聚類數(shù)目K和初始聚類中心； 步驟2.2、根據(jù)各個對象與初始聚類中心的距離，將其添加到最近的類中； 步驟2.3、更新質(zhì)心為類內(nèi)所有對象的平均值，并按照下式計(jì)算誤差平方和E的值:
2.根據(jù)權(quán)利要求1所述的遙感成像中人造目標(biāo)的檢測方法，其特征在于，所述依據(jù)每個類內(nèi)的直線段數(shù)目以及平行線、45°角、90°角、135°角四種幾何基元情況進(jìn)行有效線段判定的過程如下: 步驟3.1、設(shè)定直線段之間的角度容限和距離容限，計(jì)算兩直線段端點(diǎn)之間的距離，若在上述距離容限內(nèi)，則進(jìn)入步驟3.2進(jìn)行角度幾何基元的構(gòu)建，否則進(jìn)入步驟3.3進(jìn)行平行線基元的構(gòu)建； 步驟3.2、若兩直線段的角度差在上述角度容限內(nèi)成45°或90°或135°角，則認(rèn)為兩直線段構(gòu)成45°或90°或135°角基元； 步驟3.3、若兩直線段在上述角度容限內(nèi)平行，則計(jì)算兩直線段之間的距離，如果計(jì)算得到的距離在上述距離容限內(nèi)，則認(rèn)為兩直線段構(gòu)成平行線基元；步驟3.4、經(jīng)過步驟3.1至步驟3.3能夠構(gòu)成幾何基元的直線段為有效線段，沒有構(gòu)成任何基元的直線段為無效的直線段。
【文檔編號】G06T7/00GK103927743SQ201410119790
【公開日】2014年7月16日 申請日期:2014年3月27日 優(yōu)先權(quán)日:2014年3月27日
【發(fā)明者】朱明 , 王慧利 申請人:中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所