遙感圖像中機場跑道自動檢測方法研究

楊帥，程紅，孫文邦，李婷

（空軍航空大學吉林長春130022）

遙感圖像中機場跑道自動檢測方法研究

楊帥，程紅，孫文邦，李婷

（空軍航空大學吉林長春130022）

針對遙感圖像中機場跑道區域比較狹長的特點，提出一種新的檢測遙感圖像中機場跑道的方法。跑道作為機場最顯著的標志是由于它具有明顯的直線特征和邊緣特征，本文提出基于Hough變換的改進算法，采用直線支持區間的思想，將相位角的范圍縮小到一個小的區域進行檢測，大大減少了計算量。然后采用直線連接的方法將滿足一定條件的、存在斷點的線段連接，最后根據跑道特點，去除不相關的平行線，最終檢測出機場跑道，實現了快速精確。

遙感圖像；機場跑道；目標檢測；Hough變換

在遙感圖像的處理中，機場作為重要的目標，研究對其進行自動識別具有重要的意義。機場跑道對于起降飛機、自動導航和軍事作戰等具有重要意義，并且機場作為遙感影像上一類重要的具有顯著特征的目標，在諸多方面尤其是軍事領域得到較多關注。跑道是機場最顯著且是最容易識別的特征，所以許多識別機場的方法都是從檢測跑道入手［1］。在遙感圖像中機場跑道所表現出的顯著特征主要有：平行線特征、灰度特征和結構特征。但由于機場跑道的尺寸變化范圍較大，機場附近存在與跑道特征類似的公路等狹長目標，背景相對復雜，并且隨著使用時間的不同以及光照、氣候等條件的變化，不同機場跑道的成像灰度變化較大，同時跑道上存在大量飛機滑行的印痕使得精確檢測跑道變得非常困難［2］。傳統的檢測方法無法實現將機場跑道和周圍公路等復雜背景進行區分識別，即使是經常用于檢測直線段的Hough變換，雖然能夠有效的檢測出機場跑道，但在檢測出的跑道邊緣中還是存在一些斷點，而且由于Hough變換需要進行坐標變換，所以識別過程比較耗時。本文對傳統的Hough變換進行改進，提高檢測效率，同時將檢測出的斷點進行連接，然后采用平行線匹配的方法最終精確的檢測出機場跑道［3］。

1　基于改進的Hough變換進行邊緣檢測

1.1改進方法

Hough變換是一種常用的提取直線的方法，基本思想是在圖像空間和參數空間之間建立一種“線—點”的對應關系，將圖像空間中直線的檢測問題轉化為參數空間中點的檢測問題。它具有可對目標進行有效的檢測與識別、可并行實現、對噪聲不敏感等優點，因而應用較廣泛［4-5］。但是Hough變換的運算量非常大，往往比較費時，這限制了它的實際應用。針對這一問題本文借鑒了直線支持區間的思想，利用直線的相位信息縮小θ的計算范圍，大幅降低計算量［6］。

圖像中的邊緣總是存在于兩個具有不同灰度值的相鄰區域之間，是灰度值不連續的結果。理想情況下圖像的邊緣是具有一定寬度的，經差分計算后，會產生平行的上下兩條邊緣。同一側邊緣的梯度相位相同，且上下邊緣的梯度相位相差180度（這里假設它們處于同一背景中，機場跑道經常滿足這一條件）［7］。另外，直線的梯度相位與直線相垂直，而直線在ρθ參數空間的θ值為原點至直線的垂線與X軸的夾角，這表明直線的梯度相位與直線在ρθ參數空間所對應的θ值相等（或相差180度）。本文算法將基于以上這些性質進行推導。

在Hough變換中，θ角的取值范圍是［0°，180°），對于直線邊緣上各個像素點，如果按照傳統的Hough變換計算時θ將取遍這一范圍，計算量是巨大的，并且大部分計算是無用的，僅僅是與直線相垂直的梯度相位角對提取直線有貢獻。如果事先利用直線的相位信息，把θ的取值范圍壓縮到直線相位鄰域內一個較小的區間，就能有效地降低計算量，范圍壓縮得越小所需的計算量也就越小［8］。根據這個思路，要縮小θ的取值范圍，確定直線的大致梯度相位，首先對圖像進行邊緣檢測得到二值圖像，然后統計各邊緣像素點在原圖中所對應的梯度相位。因為較長的直線邊緣所對應的梯度相位在統計結果中占優勢，所以計算時選取梯度相位出現次數最多的角度范圍，因為在這一范圍內最有可能出現直線，這就是直線支持區間的思想［9］。

具體步驟可歸納為：

1）利用梯度算子對圖像進行處理，檢測圖像邊緣，得到二值圖像。

2）計算梯度相位時的范圍限定在［0°，180°），并量化為n個小區域間隔并標號。原本梯度相位范圍是［0°，360°），因為上下邊緣平行，相位相同或相差180度，而平行線在Hough變換的ρθ參數空間內對應相同的θ值，這樣就可以將處于［180°，360°）范圍內的梯度相位減去180度換算到［0°，180°）范圍內，對于直線提取來說沒有什么影響［10］。

3）利用梯度算子與圖像卷積分別得到梯度的x分量Gx和y分量Gy，計算梯度相位如下式，僅保留邊緣圖像中的邊緣像素點的相位信息。

4）統計梯度相位，獲得直線支持區間。即將邊緣圖像中各邊緣像素點標記為對應的區域標號，統計各區域標號出現的次數，認為出現次數最多的區域標號所對應的區域間隔即是直線最可能存在的范圍。

5）去除邊緣圖像中處于直線支持區間外的像素點，得到新的邊緣圖像。

6）對新的邊緣圖像僅在直線支持區間內進行Hough變換。

7）根據Hough變換結果提取直線［11］。

1.2檢測效果

文中選取一幅512×512像素大小的機場遙感圖像進行實驗。如圖1所示，（a）為原始機場影像，首先采用Sobel算子進行檢測，檢測結果如圖（b）所示，除了機場的邊緣及跑道邊緣以外，周圍房屋的邊緣也檢測出來，同時機場跑道一側存在著像素點不連續的情況；同時將梯度相位［0°，180°），等量劃分4個區間，通過計算發現像素點標號最集中的區域主要在［135°，180°）這個范圍內，于是去除其他區域的像素點后，進行Hough變換，這就極大地縮減了對θ的取值，減少了計算量。提取直線段后二值化得到如圖（c）所示，其中綠色線是檢測出來的直線段［12］。

實驗結果表明，由于縮小了參數θ的取值范圍，文中方法的檢測速度要明顯快于傳統的Hough變換方法，這樣就保證在實戰過程中的實效性要求。但是同時也看到，機場跑道右側邊緣并沒有完全檢測出來，線段之間不連續，這主要是跑道右側的邊緣像素點灰度不均勻，在采用Sobel檢測時，檢測出的邊緣二值化后出現了斷續和不在一條直線的情況，此時這些邊緣點的梯度相位就存在了差異，有的偏離了直線支持區間，所以采用Hough變換時就沒有檢測出來［13］。

圖1　邊緣檢測效果圖

2　平行線匹配法識別跑道

為了找出滿足機場跑道要求的平行線對，先對各直線按其方向進行分組。1）首先刪除長度小于某一設定值的短直線；2）將方向足夠接近的直線段編為一組；3）如果某一方向只有一條直線段存在而無法形成平行線對，則刪除該線［14］。經過分組處理后那些明顯不滿足要求的直線將被刪除，減少了下一步提取平行直線對的計算量，如圖2所示。

經過處理后發現，本應在一條直線上的線段還是沒能連接起來，即跑道的一條邊緣對應的是一條完整的直線，而另一邊緣對應的直線呈現出斷裂狀態。為了解決這一問題，本文提出這樣一種連接準則：設La、Lb和Li是3條平行線，若La和Lb共線，且La、Lb在Li上的投影均在Li內部或大部分在Li內部，則La和Lb可被連接。通過對上圖的分析，找出滿足此準則的線將其連接，這樣就減少了機場跑道邊緣直線斷裂的可能性，為后續跑道的正確檢測奠定基礎（如圖3所示）［15］。

圖2　分組處理后的效果圖

圖3　采用連接準則之后的效果圖

在上面這個影像圖中存在著四條同一方向的直線段，那該如何確定機場跑道呢？根據機場跑道的結構特點提出以下規則：

1）兩平行線的重疊度要滿足一定條件，以保證它們相互對應，具有構成機場跑道的可能。本文要求重疊度OL（Ll，Ls）＞△OL，Ll、Ls為兩平行線，其中為長直線，為短直線，OL為一閾值。如圖4所示。

2）根據機場跑道的長寬比特性（長寬比一般在20:1以上），要求長直線段的長度至少是兩直線之間距離的20倍。

按照上述要求在連接后的圖像（圖3）基礎上，最終正確提取出了機場跑道對應的平行直線對，結果如圖5所示，其中取ΔOL=0.8，即兩平行線的重疊部分要大于長直線長度的80%。

圖4　平行線重疊度

圖5　最終檢測結果

從實驗結果來看，本文采用的方法能夠較好地識別出機場跑道的位置和結構。

3　結論

隨著遙感技術的發展，從航空圖像和衛星圖像中自動或半自動檢測與識別各種目標具有重要的軍事應用價值。機場跑道是重要的戰略目標，對其進行快速準確的智能識別對今后的信息化戰爭起著重要作用。本文提出的基于直線支持區間的Hough變換改進方法，降低了計算量，同時充分考慮機場跑道平行直線特征，直接利用邊緣圖像檢測，在進行直線擬合的過程中沒有利用“最小二乘法”等需要計算的過程，實驗結果表明，本文方法是快速可行的。

［1］李朝鋒，曾生根．遙感圖像智能處理［M］．北京：電子工業出版社，2007．

［2］何勇，徐新等．機載SAR圖像中機場跑道的檢測［J］．武漢大學學報（理學版），2004，50（3）：393-396.

［3］葉斌，彭嘉雄．基于結構特征的軍用機場識別與理解［J］.華中科技大學學報，2001，39（3）：39-42.

［4］陳雷.基于輪廓模板匹配的物體檢測算法［J］.基礎科學，2010，11（上）：158.

［5］何國威，劉建國，周春曉等．基于知識的紅外數字圖像中鐵路的識別［J］．紅外與激光工程，2000，19（1）：55-59．

［6］雷震．航空影像中的機場檢測--機場特征提取、分析與推理［D］．武漢：武漢大學，2002．

［7］張立平，張紅，汪超等．大場景高分辨率SAR圖像中機場快速檢測方法［J］．中國圖像圖形學報，2010，15（7）：1112-1120.

［8］李壯，楊夏，于起峰.SAR圖像中機場跑道自動檢測方法研究［J］.應用光學，2011，32（1）:49-53.

［9］王衛星，周寧.遙感圖像中機場跑道的檢測［J］.重慶郵電大學學報，2010，22（1）:108-111

［10］Abutaleb A.An automatic three holding of gray-level picture usingtwolimeneionalentropiee［J］.ComputerVision，Graphics and Image Processing，1989，47:22-32.

［11］楊志剛.紅外圖像中機場跑道的自動識別與跟蹤［D］.哈爾濱:哈爾濱工程大學，2007．

［12］Qasim Iqbal，J.K.Aggarwal.Applying perceptual grouping to content-based image retrieval:Building images［J］.IEEE Trans.1999：42-48.

［13］Dehong Liu，Lihan He，Lawrence Carin.Airport dectection in large aerial optical imagery［J］.IEEE Trans.on ICASSP，2004.

［14］王永剛，姜挺，龔輝.一種基于跑道檢測的機場識別方法［J］.測繪工程，2009，18（5）:69-72.

［15］李小毛，唐延東，肖穎杰.多尺度線狀目標的機場跑道識別［J］.紅外激光工程，2005，34（6）：733-736.

Automatic detection of airfield runways in sensing images

YANG Shuai，CHENG Hong，SUN Wen-bang，LI Ting
（Aviation University of Air Force，Changchun 130022，China）

According to the characteristics of runway area that is relatively narrow in remote sensing images a new method to detect runway in remote sensing in ages was presented.Raceway is the most significant sign of airport because of its obvious line and edge features，which proposed an improved algorithm based on Hough transform.Using the idea of straight-line support range，the range of the phase angle is reduced to a small area to detect，which greatly reducing the amount of computation.Then，the line segments which satisfy certain conditions and have the breakpoints are connected based on the method of line connection.Finally，according to the characteristics of the raceway，the unrelated parallel lines are removed，the airport runway is figured out quickly and accurately.

remote sensing image；airport raceway；target detection；Hough transformation

TN751

A

1674－6236（2016）17-0150-03

2016-03-01稿件編號：201603001

國家自然科學基金（61301233）

楊帥（1992—），男，遼寧錦州人，碩士研究生。研究方向：圖像處理、無人機偵察圖像目標定位研究。