光学遥感图像跑道提取与油罐目标识别技术研究

【摘要】： 卫星遥感图像作为一类重要的空间信息源,以其时效性,实用性而被广泛应用于资源勘探、军事侦查、环境灾害监测、土地利用、农作物估产、城市规划等诸多领域,对国防、国民经济和社会发展有着重大的影响。 光学遥感图像通常表现为:灰度级多、对比度低、信息量大、边界模糊、目标结构复杂、区域特征因不同的拍摄条件而产生较大变化等等,由于光学遥感图像的这些特性,使得对光学遥感图像中目标的提取与识别没有完全可靠的模型进行指导。本文依托“遥感影像的区域分割与毁伤信息提取”研究项目,参考国内外遥感图像处理、遥感图像目标识别的相关文献和商业软件,对高空间分辨率光学遥感影像中跑道提取、港口油罐目标识别进行了深入的研究,相关工作与成果如下: 1.详细研究了数字图像处理的一些基本算法,例如:形态学膨胀、腐蚀、高帽和低帽变换,高斯模糊滤波,Canny分割,Otsu分割,边缘跟踪,连通域标记算法。本文将这些算法用于光学遥感图像的预处理和目标的特征提取,去除了图像背景带来的干扰特征,增强了跑道目标与油罐目标的特征,是后续提取与识别工作的基础。 2.详细研究了跑道提取技术。针对跑道一般具有比较复杂的几何拓扑结构,并与周围的非跑道区域有着明显的界限等特征,本文研究了基于Hough变换直线检测算法的跑道提取技术,对机场跑道进行提取。基于Hough变换直线检测算法的跑道提取技术能够很好地提取出机场的主要跑道,但无法提取出一些非直线型的分支跑道。在前人的研究基础上,本文提出了基于水平集算法的跑道提取技术。由于水平集算法有着应对复杂几何拓扑结构的优势,该方法不仅能够提取出机场的主要跑道,还能提取出机场的非直线型分支跑道,从而改善了提取结果。 3.详细研究了港口油罐识别技术。本文研究了基于形态学的油罐识别技术,基于形态学的油罐识别技术能够很好地识别出灰度值与背景相差比较大的油罐目标,如果加上油罐区域的先验空间信息,能够在复杂场景中识别出目标油罐,但其依赖于先验信息,并且当目标灰度值与背景相差不大时,识别效果并不理想。本文在前人的研究基础上,提出了改进的基于Hough变换圆检测算法的油罐识别技术。该算法充分利用了油罐目标的圆形特征与不交叠特性,在目标边缘信息能够被检测到的情况下,改进的基于Hough变换圆检测算法的油罐识别技术能够识别出灰度值与背景接近的油罐目标,对阴影不是很长的油罐目标也取得了很好的识别结果。 4.利用研究提出的算法,完成了光学遥感图像跑道提取与油罐目标识别的软件设计,通过测试,技术指标中目标的提取与识别准确率达到85%以上,处理时间小于2分钟。