论文部分内容阅读
随着遥感技术的发展,获取高质量遥感图像的途径越来越多。遥感图像中典型目标的自动检测与识别引起了人们的广泛关注,无论在军事领域还是民用领域都有重要的应用价值。桥梁和机场作为重要的战略目标成为研究的重点,许多专家学者针对特定的图像背景提出了各种有效的检测与识别方法。但是,由于遥感图像的复杂性,到目前为止,还没有一种通用性较强的方法。本文深入分析了遥感图像中无水桥梁和机场目标的基本特点,针对同一遥感图像中可能存在多个机场的情况,研究和实现了基于SVM的机场目标检测与识别方法,给出了边缘密度和线段复杂度的定义,并提出了一种基于边缘密度和线段复杂度的无水桥梁识别算法。1.基于SVM的机场目标的检测与识别算法：首先使用基于一维直方图的加权模糊C均值(Weighted Fuzzy c-Means, WFCM)聚类算法对源图像进行二值分割,再对分割后的图像进行骨架提取,接着利用Canny算子进行边缘提取,再采用Hough变换提取直线,最后,对所有符合基本条件要求的直线段进行跑道延伸、联络道提取以确定疑似机场区域。根据所获取的疑似机场区域,提取每一个区域然的长度、宽度、联络道数、Zernike矩等15个特征量,构成一组特征矢量并送入SVM进行分类判决。2.无水桥梁的检测算法：首先采用Canny算子对源图像进行边缘提取,根据给出的定义计算逐像素的边缘密度,利用边缘密度对源图像进行二值分割。接着用二值图像对源图像进行掩膜,再采用Canny算子对掩膜图像进行边缘提取,并用Hough变换提取直线,并根据给出的定义计算线段复杂度,最终确定出疑似桥梁区域。针对每一个疑似桥梁区域,计算熵、能量、相关性、局部平稳性、惯性矩等10个纹理特征量,构成纹理特征矢量,并送入BPNN进行分类判决。实验结果表明,两种算法都能准确地检测出图像中的目标。对机场的检测算法很好地解决了一幅图像中存在多个机场或多个机场跑道的检测问题,基于边缘密度和线段复杂度的无水桥梁检测方法则为解决无水桥梁目标的检测问题提供了一种新思路。