目標識別方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明設及圖像處理技術，具體而言，設及一種線性目標識別方法及裝置。
【背景技術】
[0002] 遙感圖像中包括豐富的地表線性特征，比如道路、鐵路、河流、海岸線等。從遙感圖 像中識別線性特征是一個廣受研究者關注的問題?？紤]到道路信息的重要性及更新地球信 息系統(tǒng)的需要，過去的研究多側(cè)重道路信息提取。過去幾十年間，眾多研究者針對該問題提 出了各種各樣的解決辦法，W從高分辨率航拍圖像、綜合孔徑雷達（SAR)圖像W及高分辨 率的衛(wèi)星圖像中識別并提取道路信息。
[0003] 遙感圖像中另一重要目標是電力線。傳統(tǒng)研究多側(cè)重從LiDAR圖像、直升機航拍 圖像、無人機光學圖像中提取電力線信息，W實現(xiàn)電力線檢測，從而保障電力線與輸變電設 備的安全。迄今為止，少有研究設及衛(wèi)星遙感圖像中的電力線識別與提取。
[0004] 空間技術在過去十年間快速發(fā)展，由此可拍攝分辨率很高的衛(wèi)星圖像。衛(wèi)星 圖像的分辨率可達亞米級，重訪周期縮短到一天。目前常用的高分辨率商業(yè)衛(wèi)星包括 QuickBird、GeoEyeW及Worldview,其最高分辨率已經(jīng)達到0. 31米，相信更高分辨率不久 也會問世，該使得用遙感技術來進行電力線巡檢成為可能。為此目的，需要從遙感圖像提取 線性特征。
[0005] 但是，電力線是遙感圖像中非常弱的線性目標，具有維度?。ㄌ幱趤喯袼丶墑e）、 背景復雜等特征。用上述傳統(tǒng)技術識別該類弱線性目標時，由于存在與待識別目標相比較 強的環(huán)境噪聲與系統(tǒng)噪聲，往往會出現(xiàn)誤判等各種問題。此外，現(xiàn)有的線性目標識別方法在 處理短線段時往往能力不足。因此，亟需一種能從背景復雜的高分辨率遙感圖像識別出弱 線性目標的方法及相關裝置，并希望該方法與裝置能識別短線段。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明目的在于克服現(xiàn)有技術的不足，提供一種基于高分辨率遙感圖像的線性目 標識別方法及裝置，W實現(xiàn)亞像素、弱目標、背景復雜的圖像中對弱線性目標的識別。
[0007] 根據(jù)本發(fā)明的一方面，提供一種目標識別方法，包括如下步驟：
[0008] 利用線性特征檢測方法對待識別圖像進行線性特征檢測，得到檢測出的線性特 征，該線性特征檢測方法將圖像空間線性特征的檢測轉(zhuǎn)換為另一空間極值點的檢測并且其 中利用連續(xù)聚類算子來使得在轉(zhuǎn)換中連續(xù)圖像點比離散圖像點的權(quán)重更大擬及
[0009] 根據(jù)待識別圖像中待識別目標的特性，從檢測出的線性特征中識別出待識別目 標。
[0010] 在一個示例中，該目標識別方法還包括在進行線性特征檢測之前先對待識別圖像 進行增強和邊緣檢測W消除待識別圖像中的面狀亮目標對檢測的影響。
[0011] 在一個示例中，所述連續(xù)聚類算子反比于所述待識別圖像在二維方向上連續(xù)圖像 點的值之差。
[0012] 在一個示例中，所述連續(xù)聚類算子正比于所述待識別圖像在二維方向上具有近似 /相等值的連續(xù)圖像點的值之和。
[0013] 在一個示例中，從所述圖像空間線性特征的檢測到所述另一空間極值點的檢測的 轉(zhuǎn)換通過Radon或化U曲變換實現(xiàn)。
[0014] 在一個示例中，所述待識別目標的特性包括如下至少之一：
[0015] i)、長且直，并覆蓋部分待識別圖像或貫穿整個待識別圖像；
[0016] ii)、寬度占據(jù)1-2個像素；
[0017] iii)、相互平行；
[001引iv)、中間及兩側(cè)的背景相似。
[0019] 在一個示例中，所述待識別目標為電力線。
[0020] 在一個示例中，所述待識別目標為船舶尾波。
[0021] 根據(jù)本發(fā)明的另一方面，提供一種目標識別裝置，包括：線性特征檢測模塊，用于 對待識別圖像進行線性特征檢測，得到檢測出的線性特征，該線性特征檢測將圖像空間線 性特征的檢測轉(zhuǎn)換為另一空間內(nèi)極值點的檢測并且其中利用連續(xù)聚類算子來使得在轉(zhuǎn)換 中連續(xù)圖像點比離散圖像點的權(quán)重更大；W及目標識別模塊，用于根據(jù)所述待識別圖像中 待識別目標的特性，從檢測出的線性特征中識別所述待識別目標。
[0022] 在一個示例中，該目標識別裝置還包括增強模塊，用于對所述待識別圖像進行增 強。
[0023] 在一個示例中，該目標識別裝置還包括邊緣檢測模塊，用于對所述待識別圖像進 行邊緣檢測。
[0024] 利用根據(jù)本發(fā)明的目標識別方法及裝置，可W在從高分辨率遙感圖像中檢測識別 弱線性目標時，有效地抑制系統(tǒng)噪聲和環(huán)境噪聲，成功地識別并提取目標，防止誤判。此外， 根據(jù)本發(fā)明的方法及裝置還可成功檢測短線段。
【附圖說明】
[0025] 圖1示出根據(jù)本發(fā)明實施例的目標識別方法的流程圖；
[0026] 圖2為傳統(tǒng)Radon變換的原理示意圖；
[0027] 圖3為傳統(tǒng)Radon變換誤判情況示意圖；
[0028] 圖4(a)~4(d)示出通過本發(fā)明圖像識別方法消除亮面狀目標的影響并識別線性 目標；
[0029] 圖5 (a)~5 (e)示出通過本發(fā)明圖像識別方法識別模擬的船舶尾波；
[0030] 圖6(a)~6(d)示出通過本發(fā)明圖像識別方法識別衛(wèi)星圖像中的電力線；
[0031] 圖7(a)~7(c)示出通過本發(fā)明圖像識別方法識別谷歌地球圖像中的電力線；W 及
[0032] 圖8是根據(jù)本發(fā)明實施例的目標識別裝置的示意圖。
【具體實施方式】
[0033] 下面參考附圖并結(jié)合具體實施例對本發(fā)明的技術方案進行詳細描述。提供該些示 例性實施例的目的是為了使得本領域普通技術人員能夠清楚地理解本發(fā)明，并且根據(jù)該里 的描述能夠?qū)崿F(xiàn)本發(fā)明。附圖和具體實施例并非意在對本發(fā)明進行限定；本發(fā)明的范圍由 所附權(quán)利要求限定。
[0034]如圖1所示，本發(fā)明所提出的目標識別方法包括如下步驟：
[00巧]300 ;線性特征檢測
[0036]在該步驟，利用線性特征檢測方法對待識別圖像進行線性特征檢測，得到檢測出 的線性特征。本發(fā)明的線性特征檢測方法將圖像空間線性特征的檢測轉(zhuǎn)換為另一空間極值 點的檢測，并且利用連續(xù)聚類算子來使得在所述轉(zhuǎn)換中連續(xù)圖像點比離散圖像點的權(quán)重更 大。
[0037]400;待識別目標識別
[003引在該步驟，根據(jù)待識別目標的特性，從檢測出的線性特征中識別出待識別目標。圖 1簡單示出了本發(fā)明的上述流程。
[0039]待識別的高分辨率遙感圖像可W是衛(wèi)星圖像、SAR圖像、LiDAR圖像、直升機航拍 圖像、無人機光學圖像。該些圖像包括豐富的地表信息，如森林、草原、道路、建筑物、電力線 等。該些圖像中的弱線性目標，如電力線、船舶尾波等，是有待識別的目標。
[0040] 為了從高分辨率遙感圖像中識別出弱線性目標，通過變換算法將圖像空間中的圖 形變換到另一空間。通過此變換，圖像空間的線將轉(zhuǎn)換為另一空間內(nèi)的點。由此，從圖像中 識別線性目標的問題則轉(zhuǎn)換成尋找另一空間內(nèi)極值點的問題。根據(jù)本發(fā)明的一個實施例， 用于將圖像從圖像空間變換到另一空間的變換為Radon變換。Radon變換具有抗噪能力強 等突出優(yōu)點，可化圍過此變換，從高分辨率遙感圖像中識別出非常弱的線性目標。
[0041] 具體而言，傳統(tǒng)Radon變換在任意維空間內(nèi)具有多種定義形式，其在二維空間內(nèi) 的定義為：
[0042] R ( P , 0 ) = / nf (x, y) 5 (xcos 0 +ysin 0 - p ) dxdy (1)
[004引其中，D是整個圖像空間，f(x，y)為待識別圖像上坐標（X，y)處圖像點的灰度值 (或二進制值），5為狄拉克5函數(shù)，P為待識別圖像平面即（x，y)平面中一直線到原點 的距離，0為原點到該直線的垂線與X軸的夾角。
[0044] 參見圖2,圖像空間內(nèi)一圖像的Radon變換事實上是相對于與角度為0的直線垂 直的一組平行線在不同角度0與位置處P的投影。從圖2可W看出，Radon變換W線積 分的形式把圖像空間投影到Radon(P，0)空間。圖2中