论文部分内容阅读
机场检测在军事和民用上都有着重要的意义，受到越来越多的关注。随着SAR成像技术的快速发展，图像覆盖范围越来越广，分辨率越来越高，人们迫切需要从大量的大场景SAR图像中快速、准确地检测出机场目标，以减轻图像解译人员繁重的工作负担。然而，现有大场景图像机场检测方法所采用的图像分割方法效果欠佳、鲁棒性不强，直线特征提取方法耗时长且易产生断裂。针对这些问题，本文重点研究了SAR图像的分割、线基元的提取以及线基元的连接，并结合这些方法研究并实现了大场景SAR图像中的机场检测问题，论文主要工作和成果如下： 1.针对SAR图像乘性噪声特点，以及非迭代PPB(Probabilistic Patch-Based)算法运行速度慢的缺点，提出了结合非迭代PPB的快速模糊C均值(Fast Fuzzy C-means Method with Non-iterative PPB，NPPB_FFCM)图像分割算法。该算法以非迭代PPB的滤波权值系数作为像素点间的相似度测量，生成对相干斑噪声敏感度低的加权和图像；为加速图像的重建，采用积分图的思想，解决非迭代PPB算法运行速度慢的问题；为保持图像边缘，利用统计方向的方法修正非线性加权和图像。实验结果表明，本文方法将相干斑噪声抑制融入分割处理中，运行速度较快，并且边缘保持能力较强，适用于SAR图像分割。 2.针对现有启发式搜索算法适用于光学图像的直线特征提取，但对SAR图像效果并不理想的问题，提出一种SAR图像直线特征提取的启发式搜索算法。首先对SAR图像进行Frost滤波，然后利用指数加权均值比(ROEWA)算子进行边缘检测，再利用非极值抑制得到边缘二值图，最后采用二次搜索策略及“直线走原则”，充分考虑局部信息，设计启发式搜索的代价函数及搜索规则，实现直线特征提取。实验结果表明，该方法具有较好的抗噪性和抗断裂能力，能够有效地提取出SAR图像中的直线特征。 3.针对现有线基元间距离测量不准确的问题，提出了一种新的线基元间距离测度方法。该方法以线基元上每个点到基准线基元的带符号距离的均值作为两条线基元间的距离。实验结果表明，相较于以截距差作为线基元间距离的方法，新的共线性测度方法具有更高的准确性，大大减少了线基元的误连接和欠连接。 4.结合NPPB_FFCM算法和启发式搜索算法，提出大场景SAR图像机场自动检测方法。首先，对图像降采样，以减少运算量；然后，采用NPPB_FFCM算法对图像进行分割，以提取出感兴趣区域(Region of Interest,ROI)，根据机场的面积及长宽比等先验知识剔除部分虚假目标；其次基于原始分辨率的ROI，利用启发式搜索提取线基元，并进行线基元的连接；最后，利用平行线特征和灰度特征实现机场的检测。实验结果表明，本文方法能够有效地检测出大场景SAR图像中线特征明显的机场目标，具有较强的适用性和较好的处理效果。 5.在检测出机场目标的基础上，实现了机场各要素的提取。首先，采用NPPB_FFCM算法对机场切片图像进行多类分割，利用平行线对提取出机场整体区域；该方法与传统的区域生长方法相比，效果更佳，抗噪声性能较高；然后，分别利用平行线对与跑道、与联络道之间的关系，在机场整体区域中提取出跑道和联络道；最后，机场整体区域去除跑道和联络道区域，再剔除小面积区域即为机场停机坪。实验结果验证了本文方法的有效性。 6.基于大场景SAR图像机场检测方法，利用C#语言开发了一套SAR图像机场检测软件。从整体角度出发，将NPPB_FFCM图像分割功能模块、直线特征提取功能模块以及机场检测功能模块有机地整合到软件中，并在软件中增加了图像数据的输入输出接口，实现了数据输入、处理、输出的完整流程。该软件提供了友好界面和可扩展接口，为下一步软件功能扩展和提升建立了良好的基础。