模式识别课程作业.ppt

实现原理：飞机跑道的存在意味着机场的存在,本论文就是通过检测飞机跑道来发现机场。根据飞机跑道在SPOT图像中的特征(几何性质、灰度性质等)可以建立机场跑道通用模型,并通过机场跑道的通用模型来检测机场存在与否,再使用ROI算法可以初步地确定机场存在的区域,也就是ROI,最后通过人机交互方式修正不精确区域、剔除误检区域和增加漏检区域。本检测方法的最终输出结果是机场存在的区域。 三.基于目标检测的变化检测 工作流程:从输入SPOT图像数据到输出机场区域需要经过三个模块的处理。在第一个模块中输入图像数据和相关参数，利用机场跑道通用模型在图像中进行搜索，得到机场跑道的检测结果。利用第二个模块:ROI算法可以在机场跑道图像中初步确定机场存在的区域。由于在实际的算法研究中，机场跑道通用模型难于完全精确地描述，初检结果中可能有一些不精确区域甚至误检或漏检机场跑道区域。为此在程序中插入第三个模块，以人机交互操作方式来得到有效的机场区域输出结果。 三.基于目标检测的变化检测 3.2 机场跑道通用模型 SPOT图像中机场跑道通用模型可以用6个特性来描述，其中4个描述跑道的几何特性，2个描述跑道的图像灰度。在机场跑道通用模型数学表达式中，G(x,y)表示SPOT数字图像中点(x,y)的灰度值。 特性1:跑道部分在图像中的灰度值较高，其数学表达式为: ∑G(xi，yi)-------Maximum 式中，(xi，yi)是跑道上的点。 特性2:跑道表面具有相近的灰度值，也就是说沿着跑道方向( 有多个跑道时具有多个方向)在一定的距离内，图像灰度值基本保持恒定。 三.基于目标检测的变化检测 特性3:跑道的长度在一定范围内。 特性4:跑道的宽度在一定范围内。 特性5:跑道的长度远远大于跑道的宽度。 特性6:当机场跑道数大于一个时，可能相交或平行。 基于SPOT图像的机场跑道通用模型是对上述6个特性进行综合后形成的。但这6个特性并不是一种并列关系。特性1描述的是机场跑道的单点图像表现特性;特性2描述的是跑道点集的统计特性;特性4一6描述的是跑道的几何表现特性。 三.基于目标检测的变化检测 跑道通用模型中6个特性的层次如右图所示。该跑道通用模型的工作原理如下:首先对整个图像中符合特性1的点不做任何改变，而对不符合特性1的点的灰度值赋为零;第二步是对满足特性2的非零值点不做任何改变，而对不符合特性2的非零值点的灰度值赋为零;最后是对非零值区域的几何表现特性做出判断，如果某个非零值区域中的几何表现符合特性3、4、5和特性6，则不对该区域做任何改变，否则，把该区域内的非零值点的灰度值赋为零。上述处理时，每一步的输入数据都是上一步处理后的结果。最后，得到的非零值区域就是机场跑道。 三.基于目标检测的变化检测 3.3 机场区域的定位 机场区域的定位是指确定用上述方法检测到的机场在图像中位置的过程。本文使用ROI算法实现这个定位过程。ROI算法是在机场跑道图像中确定机场存在区域的一种计算方法。在机场跑道图像中，跑道部分的像素值为非零，而其他像素值为零。在机场区域定位过程中，我们把图像的左上顶点作为坐标原点，x轴方向水平向右，y轴方向竖直向下，刻度单位为像素。 ROI算法示意图 三.基于目标检测的变化检测 3.4 机场检测实验结果 三.基于目标检测的变化检测 三.基于目标检测的变化检测 三.基于目标检测的变化检测 3.4 基于目标检测的变化检测 基于目标检测的变化检测的实现原理是:多时相图像配准;检测待检测图像中特定目标的位置;比较检测图像与参考图像(或数据库)中的特定类目标的位置,并根据判决方式报告检测结果。 三.基于目标检测的变化检测 1，多时相图像配准 我们假定在不同时间和使用不同传感器和在不同观察条件下获得的两幅遥感图像含有相同目标的地区。我们先对图像进行粗配准和精配准。 2，检测特定类目标的位置 使用特定类目标的通用模型检测特定类目标的存在,再使用特定类目标区域的定位算法确定其位置。 3，比较检测图像与参考图像中特定类目标的位置 计算检测图像与参考图像中特定类目标的位置向量之间的欧氏距离,再依据一定的判决方式对检测目标是否发生变化,并报告检测结果。 三.基于目标检测的变化检测 3.5 基于目标检测的变化检测 试验结果 本试验使用的试验数据为某地区的两幅POT-XS1图像,它们的拍摄时间分别是1998年12月23日和2000年8月23日。我们使用第一幅图像作为参考图像,第二幅图像为检测图像。实际上,这两幅图像中的机场没有明显变化,为了验证本章提出的变化检测方法的有效性,