高分辨率遥感影像中机场提取方法探究.docVIP

高分辨率遥感影像中机场提取方法探究 　　【摘 要】 针对传统高分辨率遥感影像中机场提取存在的缺陷，提出了一种高分辨率遥感影像机场自动提取流程。通过直方图滤波、基于模糊学和知识的影像分割、区域标记、拓扑关系等底层和高层处理，提取出机场。实验证明，本文的机场提取方法，相对于传统方法，具有鲁棒性高，提取的准确度高的特点。 　　【关键词】 机场提取 模糊分割 拓扑关系 　　1 引言 　　目前，国内外的研究者对机场的自动提取方法做了大量的研究，并针对某些遥感数据提出了一些识别方法。主要分为底层处理和高层处理两部分。底层处理中，一般采用两种方法，一种是基于边缘检测的方法[1]，即提取出地物的边缘，将飞机场和其它一些边缘明显的地物从背景中分离出来。然而由于高分辨率影像地物的细节信息特别丰富，边缘提取时候，会提取出很多无关的边缘信息，从这些复杂的边缘信息中，很难获得机场的信息。另一种是基于区域分割的方法[2]，该方法主要利用了水泥混凝土机场的高亮度特点。采用阈值分割算法将机场和其它高亮度地物从背景中分割出来。然而由于机场的亮度值不能确定，传统阈值分割方法鲁棒性很低，很容易造成过度分割，而且针对沥青跑道，其亮度值很低，传统方法无法分割出机场。高层处理中，一般是根据机场跑道具有平行直线边缘的几何特性，提取出跑道[3]，进行定位，从而提取出机场。但是不同分辨率的影像，跑道提取的阈值不同，这样就大大减少了机场提取的自动性。 　　因此本文根据传统机场提取方法中存在的弊端，提出了新的处理方法。以解决传统方法中根据跑道的长度和宽度特征进行提取时鲁棒性差的问题。 　　2 机场提取算法描述 　　2.1 机场提取算法基本思想和流程 　　机场提取的基本思想如下：首先在底层处理中采用直方图滤波进行图像的预处理，去除图像中存在的比较小的亮斑噪声。采用模糊分割方法分割出高亮度目标，基于色调和纹理知识分割出沥青跑道。然后在中层处理中、根据机场的面积特征，采用形态学腐蚀和区域标记方法得到机场感兴区的区域以进一步进行高层分析。最后，在高层处理中运用机场各个部分之间的拓扑关系，在感兴区目标中提取出机场。流程图如图2-1。 　　2.2 基于直方图滤波的图像处理 　　有些遥感影像中存在一些很小的高亮点或亮斑，这些小的高亮地物在后续图像分割处理中会造成很大的不利影响，必须将其去除。传统根据中值滤波去除噪声的方法中，由于是对空间域的处理，受分辨率的影像很大。因此，本文提出了一种直方图滤波的方法，去除图像中存在的噪声。该方法与传统空间域滤波处理的思想不同，而是对图像的灰度直方图进行处理，滤除灰度值出现的频率比较小的灰度值。直方图滤波的计算步骤如下。 　　（1）计算整个图像的灰度直方图，统计每个像素出现的个数Count。（2）将直方图按每个像素值的个数进行升序排序，得到排序后的直方图Order。（3）计算要滤除的灰度值个数T。在排序后的灰度直方图中，计算前T个灰度值的个数和num，直到num大于或等于直方图中灰度值个数的最大值。得到要滤除的灰度值个数T。（4）计算被滤除像素的新灰度值。对于排序后的前T个像素值，在原直方图中，计算与前T个像素值距离最近的像素值，作为被滤除像素值的新值。（5）图像重新赋值。对图像进行灰度重采样，对图像进行扫描，遇到等于直方图排序后前T个像素值的像素，赋给它距离最近的新像素值。由于直方图滤波是在灰度值的频率域内的滤波。与传统空间域滤波的方法相比，具有速度较快、不受影像分辨率的影响、不易造成边界模糊等优点。 　　2.2 基于模糊学的混凝土机场分割 　　将模糊学用于图像分割的原理如下，灰度值可以定义为一个集合体，每个像元隶属于目标的程度可以用隶属度函数定义，该隶属函数用来描述每个像元属于目标或背景的程度。将模糊学的思想应用于图像的分割中，隶属度函数的选取最为关键。传统将模糊学应用到图像处理中的隶属度函数为式子2-1。但是在模糊集中当把0.5作为分割阈值时候，会分割出大量灰度值比较高的地物，会造成过度的分割。因此，本文将对隶属度函数进行了改进，改进后的隶属度函数为式子2-2。由式子可知采用0.5为分割阈值，会分割出较少的比较亮的部分，不易造成过分割。 　　式子（2-1） 　　式子（2-2） 　　式子（2-1）和（2-2）中m，n表示该像素点在图像中的行列号。Pmn表示行列号为mn的像素点隶属度，Xmn表示行列号为mn的像素的灰度值，L表示图像中最大的灰度值。 　　为了说明本文提出的模糊分割在机场分割中，相对于传统分割方法的优势，对一副影像分别采用了模糊分割和Otsu分割，效果图如图2-2，可见Otsu不免会分割出过多的背景。而模糊分割都能分割出较好的效果。 　　2.3 基于纹理与色调知识的沥青跑道分割 　　沥青跑道具有三个