基于log斑点检测的机场掩体定位

【摘 要】本文通过分析机场掩置特征，提出利用log斑点检测的方法进行机场位置特征提取，实验表面，能够有效定位机场掩体，减少了虚警率。

【关键词】log斑点检测；机场掩体；位置特征

随着机场的应用发展，能够有效识别的机场设施越来越少。机场掩体作为军用机场中的典型目标，具有明显的位置特征和结构特征。而目前为止，针对机场掩体检测的算法还比较少，大多数研究仍是针对机场跑道而言的[1][2][3][4]。

文献[5]针对机场掩体从位置和形状特征进行了研究工作，提出利用上下文关系直接定位机场掩体再从位置区域结合形状特征进行识别筛选。

一、机场掩体检测分析

文献[5]分析认为：飞机掩置一般在滑行道两侧，属于由跑道、滑行道、掩体组成的区域内部，且在掩体入口处出现明显断裂，将其位置称为“断头路”特征。通过图1可以观察得知，不论是“停机坪”还是“机窝”，机场掩体大多位于机场轮廓的外沿，属于在边缘变化中局部突变的位置。因此本文构想通过提取机场外部轮廓信息，进而提取机场掩置特征。

图 1 机场图像

二、基于斑点检测机场掩体

文献[5]使用了兰品标[6]的细化算法，获得内点保留二值图像细化，并通过删减短枝操作减少干扰，存在主观筛选缺陷。

通过上文分析，需要首先获得机场的外部轮廓边缘，本文利用canny算子进行边缘点检测，canny[7]提出的评价准则决定了canny算子优于其他一般边缘算子。

canny边缘检测主要分为四步：高斯滤波、求梯度、梯度幅值非极大抑制、双阈值筛选。本文引入图像斑点检测方法结合提取机场边缘进行机场掩置特征提取。文献[8]给出了log斑点检测算法的具体说明：

首先给出二维高斯函数表达式：

其拉普拉斯变换为：

对上式进行规范化处理：

其中下面给出在不同尺度下的的高斯变化曲线图。

图 2 不同尺度高斯变化曲线

可以看出，在不同尺度下的响应不同。对于公式5-3求取极值点，化简后等价于：

等价转化为

最后得出当时，高斯拉普拉斯响应呈现最大。σ为高斯为特征尺度。斑点检测问题转化为，求取图像在不同尺度下高斯拉普拉斯响应：

本文基于log斑点检测机场掩体的算法步骤：

①输入机场跑道二值图

②利用canny边缘检测获得边缘图

③求得最大连通域，获得跑道外轮廓

④基于LOG斑点检测，设定特征尺度范围

⑤标注出斑点位置

⑥删除斑点密集区域外的点

三、实验结果

设定LoG参数：起始搜索尺度为0.5，终止尺度为15，步长为0.5，共所搜素10个极值点并标注。

图 7与文献[5]的实验对比

四、实验结果分析

本文基于斑点检测算法定位的掩体较为集中，在特定条件下能够弥补已有算法的虚警率较高的问题，不足之处，需要预先判断存在掩体的可能性。下一步是加深对掩体的识别研究工作。

参考文献：

[1]高委委.机场跑道识别算法与实现研究[D].电子科技大学，2008.

[2]马浩淼.遥感图像中的军用机场识别算法研究[J].榆林学院学报，2005，15（5）：9-11.

[3]董银文，苑秉成，石钊铭等.基于直线特征的航拍图像机场跑道自动识别算法[J].系统工程与电子技术，2013，35（4）

[4]杨超，朱敏，王昭莲等.基于线特征的机场跑道定位算法[J].计算机应用，2011，31（z1）：52-54.

[5]孙军领.基于多特征的光学遥感图像机场掩体目标检测方法研究[D].国防科学技术大学，2009.

[6]兰品标，林子扬，黄乐天.一种基于内点保留和边缘点删除的二值图象细化算法[J].计算机工程与设计.1999，20（3）：59-63

[7]Canny J.A computational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1986.8（6）：679-698.

[8]赵小川.现代数字图像处理技术提供及应用案例详解[M].北京航空航天大学出版社，2012.