摘 要：為改進(jìn)機(jī)場跑道在光學(xué)圖像中提取效果，提出一種有效預(yù)處理方法。主要使用了大小不同模板對圖像進(jìn)行處理，消除干擾。首先用兩個模板依次求取梯度，然后進(jìn)行形態(tài)學(xué)運(yùn)算完成對圖像預(yù)處理。最后，利用邊緣檢測和直線檢測驗證預(yù)處理的可靠性。實驗證明，該方法可行有效。

關(guān)鍵詞：機(jī)場跑道；梯度；預(yù)處理

中圖分類號：TP751

機(jī)場作為空軍的核心基礎(chǔ)設(shè)施，在戰(zhàn)略中的意義影響深遠(yuǎn)，機(jī)場跑道作為機(jī)場的顯著特征，具有普遍性和可靠性。因此在機(jī)場識別中，主要圍繞跑道的識別進(jìn)行。目前，對機(jī)場識別方法主要有：統(tǒng)計識別方法、句法識別方法和模板匹配識別方法。統(tǒng)計識別方法由于其簡單、可靠，此類方法研究較多。如文獻(xiàn)[1]介紹了一種對目標(biāo)的自動識別系統(tǒng)。文獻(xiàn)[2]以改進(jìn)hough和區(qū)域生長識別機(jī)場結(jié)構(gòu)。本文方法主要針對前期的預(yù)處理，以期望達(dá)到更好的檢測效果。

1 機(jī)場檢測流程

機(jī)場檢測作為目標(biāo)識別的一種，遵循目標(biāo)識別的主要流程。如圖1所示：

圖1 機(jī)場識別流程

由于機(jī)場跑道邊緣的顯著性，本文主要針對鄰域進(jìn)行處理。

2 邊緣檢測

這里引用文獻(xiàn)[3]中的邊緣檢測基本步驟。如圖2所示：

圖2 邊緣檢測

需要指出這里的平滑和銳化是個矛盾點，平滑濾波的同時也將邊緣模糊化，降低噪聲的平滑能力越強(qiáng)，邊界有效信息的損失越大。因此需要合理地提出平滑和銳化模板實現(xiàn)對機(jī)場跑道輪廓增強(qiáng)。下面介紹簡單的邊緣檢測。

2.1 常用邊緣算子

目前為止的檢測算子很多，傳統(tǒng)邊緣檢測算子多是以梯度值作為判斷。sobel、prewitt、LOG、canny等，文獻(xiàn)[4]給了各個算子的優(yōu)缺點，這里不做過多敘述。

2.2 直線檢測算子

2.2.1 huogh原理

Hough變換是基于點位置的投票抉擇判斷法，能有效從全局角度去解決線或圓的擬合，檢測線的好壞直接取決于邊緣點的分布情況，這里的hough變換無先驗知識的引入。

3 本文工作

3.1 梯度算子

我們的目標(biāo)是突出目標(biāo)與背景的數(shù)據(jù)差距。一般邊緣檢測采用的是3*3的模板。本文考慮機(jī)場跑道的不確定方向性和處理的工作量，采用5*5的模板，考慮方向?qū)ΨQ性，像素點鄰域表達(dá)式如下：

對于其方向性而言，有了更多的選擇。這里的M（i，j）為梯度向量方向變化率的值與sobel模板比較，圖像物體輪廓更加平滑。更重要的是建筑物的幾何輪廓明顯突出。

通過研究發(fā)現(xiàn)，此時的跑道由于飛機(jī)的劃痕與光照影響，并非為介質(zhì)均勻的直線，中間有多條簡短的線段組成，但線細(xì)微且不易區(qū)分卻能直接影響后面對跑道的邊緣提取，我們繼續(xù)對其求梯度，這里采用sobel模板，進(jìn)行分層。結(jié)果，很明顯的跑道中間線段突出，且整體輪廓與背景差別開來。這里考慮突出邊緣進(jìn)而消除中間的線段。引入形態(tài)學(xué)算法，文獻(xiàn)[5]提出了一種形態(tài)學(xué)的濾波和重構(gòu)。本文更為簡短的形態(tài)學(xué)算法。采用5*5的方形模板直接閉運(yùn)算，再用3*3的方形模板腐蝕恢復(fù)處理后與原圖的位置偏移。通過形態(tài)學(xué)算法的運(yùn)算，與跑道有相關(guān)干擾的部分被濾除或弱化。實現(xiàn)效果圖如圖3所示。

圖3

可以明顯看到，周圍的物體被弱化，線性物體的增強(qiáng)明顯。這時用canny算子求邊緣，hough求直線可輕易獲得跑道的直線。并且具有穩(wěn)健的特性。

4 關(guān)于機(jī)場跑道基本特征和算法總結(jié)

總結(jié)本文算法的基本步驟：

（1）高斯濾波去除噪聲干擾；

（2）采用5*5的模板求取灰度梯度圖；

（3）對灰度梯度圖進(jìn)行sobel算子再求梯度；

（4）利用5*5的方形模板閉運(yùn)算和3*3的方形模板腐蝕；

（5）利用canny算子和hough變換獲取穩(wěn)健的跑道邊緣直線。

實驗結(jié)果：通過對近45張機(jī)場光學(xué)成像圖，使用本文算法檢測。實驗基于windows7環(huán)境下的matlab2012a處理。實驗分為跑道識別成功與否，虛警率，漏警率。實驗測出直線用綠色在梯度圖中標(biāo)出。以最簡單模型的兩條平行直線確定跑道，凡是在檢測的直線數(shù)超過5仍無法得到平行直線的，按檢測不出處理。

實驗圖采用谷歌衛(wèi)星成像為主，將結(jié)果分為：

（1）本文可以檢測一般算法不可以檢測；

（2）都可以檢測；

（3）都可以檢測改進(jìn)檢測明顯；

（4）改進(jìn)檢測不出；

（5）都測不出。

由圖可得，在直線上有明顯的跑道標(biāo)示，可作為判斷跑道的依據(jù)。算法步驟3來中增強(qiáng)了人為建筑的識別。

5 結(jié)束語

本文充分考慮機(jī)場跑道檢測前的工作，對于待處理的機(jī)場跑道上受到的人為干擾因素利用梯度和形態(tài)學(xué)算法，并且增強(qiáng)了機(jī)場建筑類的信息量。對實際背景的考慮更加充分，對以后的目標(biāo)識別工作打下基礎(chǔ)。本文不足，由于時間的問題未對算法編程融合改進(jìn)。

參考文獻(xiàn)：

[1]席學(xué)強(qiáng)，王潤生.一個針對遙感圖像特定目標(biāo)的自動識別系統(tǒng)[J].遙感技術(shù)與應(yīng)用，2000（15）：179-183.

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

[3]張錚，王艷平，薛桂香.數(shù)字圖像與機(jī)器視覺[M].北京：人民郵電出版社，2010：336.

[4]段瑞玲，李慶祥，李玉和.圖像邊緣檢測方法研究綜述[J].光學(xué)技術(shù)，2005（31）：415-419.

[5]吳盤龍，張科，李言俊.基于數(shù)字形態(tài)學(xué)的機(jī)場跑道自動識別方法[J].火力與指揮控制，2006（31）：21-23.

作者簡介：王林源（1990-），男，山東菏澤人，研究生在讀，通信與信息系統(tǒng)專業(yè)；張豪魁（1988-），男，河南禹州人，研究生在讀，通信與信息系統(tǒng)專業(yè)。

作者單位：第二炮兵指揮學(xué)院，武漢 430012