專利名稱：一種高分辨率遙感圖像中民航飛機自動檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及基于圓周頻率濾波與梯度方向直方圖(Histograms of OrientedGradients，HOG)特征的一種高分辨率遙感圖像中民航飛機自動檢測方法，屬于高分辨率遙感圖像目標檢測技術(shù)領(lǐng)域。
背景技術(shù)：
一直以來，對圖像中感興趣目標的檢測與識別都是一項的重要研究課題。近年來，隨著遙感技術(shù)的不斷發(fā)展和圖像分辨率的不斷提高，從高分辨率遙感圖像中自動地檢測與識別各種目標不僅具有重要的軍事應(yīng)用價值，也越來越成為民航遙感領(lǐng)域關(guān)注的熱點。其中高分辨率遙感圖像中的民航飛機自動檢測，作為目標檢測的重要組成部分，由于其在城 市規(guī)劃、機場管理等方面的重要指導(dǎo)作用，也一直在研究和探索中。但通常情況下，由于高分辨率遙感圖像的復(fù)雜性以及飛機機身的大小、對比度等因素的影響，想要在虛警較少的前提下保證較高的檢測率并不容易。目前存在的飛機檢測方法有很多，大多數(shù)方法都是根據(jù)飛機機身的某些單一的特征進行檢測的。比如利用飛機的角點或直線特征，還有仿射尺度不變特征或仿射不變矩描述子特征。除此之外，也有利用模板匹配技術(shù)，完成飛機目標的檢測。但是這些特征所攜帶的信息比較單一，僅用其中一、兩種往往會產(chǎn)生大量的虛警，難以應(yīng)對高分辨率遙感圖像復(fù)雜的背景；而把多種特征結(jié)合起來又毫無疑問會大大增加算法的復(fù)雜性和實現(xiàn)難度。本發(fā)明針對上述情況，提出一種基于圓周頻率濾波與梯度方向直方圖特征相結(jié)合的方法，首先通過多尺度圓周頻率濾波，進行粗檢測，得到民航飛機目標的候選點集；再利用訓(xùn)練得到的Adaboost分類器，進行精檢測，取得了良好的檢測效果。

發(fā)明內(nèi)容
I、目的本發(fā)明的目的是提供基于圓周頻率濾波與梯度方向直方圖特征相結(jié)合的一種高分辨率遙感圖像中民航飛機自動檢測方法。該方法利用圓周頻率濾波與基于梯度方向直方圖特征的Adaboost分類器，來進行民航飛機目標檢測。2、技術(shù)方案本發(fā)明是通過以下技術(shù)方案實現(xiàn)的本發(fā)明一種高分辨率遙感圖像中民航飛機自動檢測方法，它包括如下步驟步驟一讀入圖像，并對輸入圖像進行圓周頻率濾波，本發(fā)明讀入的遙感圖像分辨率約為I米。所謂圓周頻率濾波就是計算圖像中每一個像素點的圓周頻率響應(yīng)，并把響應(yīng)值大于某一閾值的像素點作為飛機目標的候選點集保留下來；小于該閾值的點則認為是非飛機區(qū)域而排除掉。其計算過程如下假設(shè)圖像上有一坐標為(i, j)的點，fk(k=0, I, . . . , N-1)表示以(i, j)為中心以r為半徑的圓周上逆時針方向像素的灰度值所組成的一維數(shù)列，其中r為這個圓周的半徑，N為這個圓周序列的點數(shù)。求這個一維數(shù)列的傅立葉變換的幅值f(i，j)，如下所示
權(quán)利要求
1.一種高分辨率遙感圖像中民航飛機自動檢測方法，其特征在于它包括如下步驟步驟一讀入圖像，并對輸入圖像進行圓周頻率濾波，讀入的遙感圖像分辨率為I米；所述圓周頻率濾波就是計算圖像中每一個像素點的圓周頻率響應(yīng)，并把響應(yīng)值大于某一閾值的像素點作為飛機目標的候選點集保留下來；小于該閾值的點則認為是非飛機區(qū)域而排除掉；其計算過程如下 設(shè)圖像上有一坐標為(i，j)的點，fk(k=0, 1，. . .，N-1)表示以(i, j)為中心以r為半徑的圓周上逆時針方向像素的灰度值所組成的一維數(shù)列，其中r為這個圓周的半徑，N為這個圓周序列的點數(shù)，求這個一維數(shù)列的傅立葉變換的幅值f(i，j)，如下所示
2.根據(jù)權(quán)利要求I所述的一種高分辨率遙感圖像中民航飛機自動檢測方法，其特征在于步驟二中所述的提取訓(xùn)練樣本的梯度方向直方圖特征，其具體實現(xiàn)過程為 (1)對40*40的輸入圖像計算圖像的梯度，得到40*40的梯度圖像； (2)選擇梯度圖像左上角16*16的部分作為第一個塊區(qū)，該塊區(qū)包含大小為8*8的胞元cel I共2*2個；對于每個胞元cell，都統(tǒng)計出一個9維的梯度方向直方圖，其中的方向間隔采用無符號梯度，采樣間隔為180° /9=20° ;把2*2個胞元cell的梯度方向直方圖組合起來，再用該塊區(qū)的能量密度進行歸一化，就得到該塊區(qū)的2*2*9=36維的特征描述符，記為F0; (3)讓塊區(qū)以8為步長在圖像中遍歷，每一步都會得到36維的特征描述符Fi，其中O ^ i ^ 15為移動的步數(shù)；最后把Fi (O ^ i ^ 15)組合起來，即求得到該樣本圖像的16*36=576維的特征描述符。
3.根據(jù)權(quán)利要求I所述的一種高分辨率遙感圖像中民航飛機自動檢測方法，其特征在于步驟三中所述的訓(xùn)練Adaboost分類器，其具體實現(xiàn)過程為給定樣本(X1, Yi),, (xm, ym)，(Xi e χ, Yi e Y= {-I, +1})， (O初始化Dji)=l/m(l ^ i ^ m), m為訓(xùn)練樣本總數(shù)； (2)t=l，開始迭代，共迭代T次； (3)利用Dt(i)，(I彡i彡m)訓(xùn)練弱分類器，并利用之進行較弱判定即weakhypothesis ht:X — {-1，+1} 計算其分類誤差為
全文摘要
本發(fā)明是基于圓周頻率濾波與梯度方向直方圖相結(jié)合的一種高分辨率遙感圖像中民航飛機自動檢測方法，該方法共有五大步驟。步驟一讀取高分辨率遙感圖像數(shù)據(jù)，并進行多尺度圓周頻率濾波；步驟二提取訓(xùn)練正、負樣本的梯度方向直方圖特征；步驟三訓(xùn)練基于梯度方向直方圖特征的Adaboost分類器；步驟四利用Adaboost分類器進行精檢測；步驟五通過區(qū)域生長聚類，定位飛機目標。本發(fā)明克服了高分辨率遙感圖像背景復(fù)雜、偽目標繁多的問題，可以在虛警率較低的前提下保證較高的檢測率，在高分辨率遙感圖像目標檢測技術(shù)領(lǐng)域里具有廣闊的應(yīng)用前景。
文檔編號G06K9/62GK102945374SQ20121040926
公開日2013年2月27日 申請日期2012年10月24日 優(yōu)先權(quán)日2012年10月24日
發(fā)明者史振威, 于新然, 安振宇, 湯唯 申請人:北京航空航天大學(xué)