基于机场遥感图像的跑道识别方法研究

论文摘要

本文研究了从机场遥感图像中自动提取、识别机场跑道的算法。作为遥感图像识别的一个重要领域,很多学者为此做了大量工作。本文通过对成熟经验的吸收、理解,对现有成果做出一些改进,并且将这些方法有效地结合起来,取得了令人满意的效果。本文主要工作包括：(1)讨论了对原始图像进行增强的预处理方法。分析了传统模糊增强算法的缺点,采用一种改进的模糊增强算法对图像进行预处理,使得在不影响图像质量的前提下,提高了算法的处理速度。(2)提取疑是机场区域,首先采用阈值分割方法对图像进行分割,然后利用像素标记法提取出最大连通区域,最后提出一种改进的ROI算法,实现对疑是机场区域的定位。(3)通过对几种经典的边缘提取算法的研究比较,并结合遥感图像的特点,提出使用Canny算法提取图像边缘。针对传统Canny算法的缺陷,提出一种基于多尺度形态学梯度的Canny算子来实现系统目标,为机场跑道的识别奠定了基础。(4)针对机场跑道直线边缘的特征,重点研究了利用Hough变换提取直线的方法。在Hough变换方法中,分析比较了传统Hough变换、CGHT算法和随机Hough变换等算法,在此基础上提出一种基于随机Hough变换的直线提取方法,得到了机场跑道的边缘直线。最后根据机场跑道的固有特征,识别机场跑道区域。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景
• 1.2 目标识别层次及策略
• 1.2.1 目标识别的层次
• 1.2.2 目标识别的策略
• 1.3 机场跑道识别技术的发展现状
• 1.4 本文主要工作
• 1.5 本文结构安排
• 第2章 机场遥感图像的增强
• 2.1 引言
• 2.2 传统空间域增强方法
• 2.2.1 分段线性拉伸
• 2.2.2 非线性拉伸
• 2.3 模糊增强方法
• 2.3.1 模糊集、隶属度函数
• 2.3.2 模糊增强算法
• 2.4 仿真结果分析
• 2.5 小结
• 第3章 机场区域提取
• 3.1 引言
• 3.2 图像分割
• 3.2.1 阈值化分割
• 3.2.2 分割结果分析
• 3.3 机场连通域提取
• 3.3.1 邻接和连通数
• 3.3.2 扫描二值图像
• 3.3.3 等价标记表处理
• 3.3.4 机场区域提取
• 3.4 改进机场区域的定位
• 3.4.1 原始的机场区域定位方法
• 3.4.2 改进的机场区域定位方法
• 3.5 小结
• 第4章 机场图像的边缘检测
• 4.1 引言
• 4.2 经典边缘检测算子
• 4.2.1 一阶梯度算子
• 4.2.2 二阶梯度算子
• 4.3 传统的Canny边缘检测算法
• 4.3.1 平滑图像
• 4.3.2 计算梯度的幅值和方向
• 4.3.3 对梯度幅值进行非极大值抑制
• 4.3.4 检测和连接边缘
• 4.4 传统Canny算法的改进
• 4.4.1 形态学梯度
• 4.4.2 基于多尺度形态学梯度的Canny算法
• 4.5 仿真分析
• 4.6 小结
• 第5章 机场跑道的识别
• 5.1 引言
• 5.2 Hough变换
• 5.2.1 Hough变换的原理
• 5.2.2 传统Hough变换的优缺点
• 5.2.3 已有Hough变换的改进算法
• 5.2.4 改进的随机Hough变换的直线检测
• 5.3 跑道的识别
• 5.3.1 跑道的通用模型
• 5.3.2 跑道边缘识别
• 5.3.3 跑道的识别
• 5.4 小结
• 第6章 结束语
• 参考文献
• 致谢