基于闭合轮廓提取和部分特征匹配的飞机识别

第２３卷第１１期　计算机仿真　２００６年１１月　

文章编号：１００６—９３４８（２００６）１１—０１９３—０５　

基于闭合轮廓提取和部分特征匹配的飞机识别　

张名成，吴秀清，王鹏伟　

（中国科学技术大学电子工程与信息科学系，安徽合肥２３００２７）　

摘要：１毛机识别在军事遥感中具有重大意义。该文针对以往匕机识别方法的不足，为更准确地对高分辨率可见光机场区域　图像进行飞机目标的定位和型号判别，提出了一种基于闭合轮廓提取，并通过部分特　匹配进行机型识别的疗法。首先对　图像进行各向异性扩散处理，提取闭合轮廓并进行儿何特征分析，定位飞机目标，提取【ｊ标的关键特征参数，实现机型判别。　实验证明，该方法具定位准确、识别率高，可　确识别ｌ５Ｉ机型号，能得到比较精确的飞机外形描述，可有效埘抗阴影、遮挡等　下扰，具有很好的稳健性。随着遥感成像技术不断发展，罔像分辨率越来越高，能够获得更准确、更完整的飞机轮廓，凼此，　这种方法具有很好的发展趋势。　关键词：自动目标识别；飞机识别；各向异性扩散；闭合轮廓；特征匹配　中图分类号：ＴＰ３９１　文献标识码：Ｂ　

Ａｉｒｃｒａｆｔ　Ｒｅｃｏｇｎｉｔｉｏｎ　ｖｉａ　Ｅｘｔｒａｃｔｉｏｎ　ｏｆ　Ｃｌｏｓｅｄ　Ｃｏｎｔｏｕｒ　

ａｎｄ　Ｐａｒｔｉａｌ　Ｆｅａｔｕｒｅ　Ｍａｔｃｈｉｎｇ　

ＺＨＡＮＧ　Ｍｉｎｇ—ｃｈｅｎｇ，ＷＵ　Ｘｉｕ—ｑｉｎｇ，ＷＡＮＧ　Ｐｅｎｇ—ｗｅｉ　

（Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　Ｃｈｉｎａ，Ｈｅｆｅｉ　Ａｎｈｕｉ　２３００２７，Ｃｈｉｎａ）　

ＡＢＳＴＲＡＣＴ：Ａｕｔｏｍａｔｉｃ　ａｉｒｃｒａｆｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ｉｓ　ｖｅｒｙ　ｃｏｍｐｌｅｘ　ｂｅｃａｕｓｅ　ｏｆ　ｃｌｕｔｔｅｒ，ｓｈａｄｏｗｓ，ｓｅｌｆ—ｏｃｃｌｕｓｉｏｎ　ａｎｄ　ｐｏｏｒ　

ｉｍａｇｅ　ｑｕａｌｉｔｙ．Ｔｈｉｓ　ｐａｐｅｒ　ｐｒｅｓｅｎｔｓ　ａ　ｓｙｓｔｅｍ　ｂａｓｅｄ　ｏｎ　ｅｘｔｒａｃｔｉｏｎ　ｏｆ　ｃｌｏｓｅｄ　ｃｏｎｔｏｕｒ　ａｎｄ　ｐａｒｔｉａｌ　ｆｅａｔｕｒｅ　ｍａｔｃｈｉｎｇ　ｆｏｒ　ａｉｒ－　

ｃｒａｆｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ｉｎ　ｈｉｇｈ—ｒｅｓｏｌｕｔｉｏｎ　ｖｉｓｕａｌ—ｂａｎｄ　ｉｍａｇｅ．Ｔｈｅ　ｓｙｓｔｅｍ　ｉｍｐｌｅｍｅｎｔｓ　ａｎ　ａｎｉｓｏｔｒｏｐｉｅ　ｄｉｆｆｕｓｉｏｎ　ｔｏ　ｓｍｏｏｔｈ　

ｔｈｅ　ｈｏｍｏｇｅｎｏｕｓ　ａｒｅａｓ　ｗｈｉｌｅ　ｅｎｈａｎｃｅ　ｔｈｅ　ｅｄｇｅｓ　ｓｉｍｕｌｔａｎｅｉｔｙ　ａｔ　ｆｉｒｓｔ　ｓｔｅｐ，ｔｈｅｎ　ｃｌｏｓｅｄ　ｃｏｎｔｏｕｒ　ｉｓ　ｅｘｔｒａｃｔｅｄ　ｂｙ　ａ　ｍｅｔｈｏｄ　ｔｈａｔ　ｃｏｍｂｉｎｅｓ　Ｃａｎｎｙ　ｅｄｇｅ　ｄｅｔｅｃｔｏｒ　ｗｉｔｈ　ｒｅｇｉｏｎ　ｇｒｏｗｉｎｇ　ｍｅｔｈｏｄ．Ｋｎｏｗｌｅｄｇｅ　ａｂｏｕｔ　ａｉｒｃｒａｆｔ　ｉｓ　ｕｓｅｄ　ｔｏ　ｄｅｔｅｒｍｉｎｅ　ｔｈｅ　ｔａｒ－　

ｇｅｔ　ｃｏｎｔｏｕｒ．Ｔｈｅ　ｓｙｓｔｅｍ　ｄｅｔｅｒｍｉｎｅｓ　ａｉｒｃｒａｆｔ　ｔｙｐｅ　ｂｙ　ｓｏｍｅ　ｋｅｙ　ｆｅａｔｕｒｅｓ　ａｎｄ　ｐｒｉｏｒ　ｉｎｆｏｒｍａｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　

ｄｅｍｏｎｓｔｒａｔｉｎｇ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ　ａｒｅ　ｇｉｖｅｎ．Ｔｈｅ　ｓｙｓｔｅｍ　ｐｒｏｖｉｄｅｓ　ａ　ｇｏｏｄ　ｐｅｒｆｏｒｍａｎｃｅ　ｉｎ　

ａｉｒｃｒａｆｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｎｄ　ｏｆｆｅｒｓ　ｂｅｔｔｅｒ　ｒｏｂｕｓｔｎｅｓｓ　ａｇａｉｎｓｔ　ｃｌｕｔｔｅｒ，ｓｈａｄｏｗｓ，ｓｅｌｆ—ｏｃｃｌｕｓｉｏｎ　ａｎｄ　ｐｏｏｒ　ｉｍａｇｅ　ｑｕａｌｉｔｙ．　

ＫＥＹＷＯＲＤＳ：Ａｕｔｏｍａｔｉｃ　ｔａｒｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ（ＡＴＲ）；Ａｉｒｃｒａｆｔ　ｒｅｃｏｇｎｉｔｉｏｎ；Ａｎｉｓｏｔｒｏｐｉｃ　ｄｉｆｆｕｓｉｏｎ；Ｃｌｏｓｅｄ　ｃｏｎｔｏｕｒ；Ｆｅａ—　

ｔｕｒｅ　ｍａｔｃｈｉｎｇ　

ｌ　引言　

自动目标识别（ＡＴＲ）在军事遥感中具有重大意义。飞　

机是一种重要的军事目标，为了军事目的需要，一般要求能　

够准确定位飞机，并尽可能获得更多信息，比如得到准确的　目标轮廓及飞机型号的判定。高分辨率可见光图像下的飞　

机的自动识别在近些年来取得了长足的发展，但仍有许多方　

面需要作更进一步的研究，其中的困难不仅表现在目标的复　杂多样性，也有对人类视觉机制认识不足的原因　Ｊ。　

对可见光图像，飞机识别的难点在于目标本身并没有明　

基金项目：国家８６３计划项日支持（２００２ＡＡ７８３０５５）　收稿日期：２００５—０９—０７　显的共同灰度特征，且不同型号的飞机形状、尺寸、灰度差异　很大，所以通过灰度方法很难得到飞机的完整的、准确的外　

形，识别率低，难以进行机型的判别。通过轮廓来识别飞机　是一种比较好的方法　，常见的几种方法是通过不变矩（或　边界矩）　－４　Ｊ、傅立叶描述子　或几何不变量　等特征对　飞机目标进行识别并分类。这类方法的　足在于：不变矩、　

傅里叶描述子和几何不变量都是轮廓的全局特征，二种方法　实质上都是基于可以得到完整且准确的目标轮廓的假设，当　轮廓不完整或不准确时难以准确判定目标。在实际图像中，　

由于遮挡、阴影、背景干扰和较低图像质量的影响　，准确提　取目标的闭合轮廓往往比较困难，提取到的轮廓一般有残缺　或多余，而边界矩或傅里叶描述子对噪声敏感　…，几何不变　

量对抗噪声性能也差，造成识别率不高。因此，利用轮廓的　

一

】９３—　维普资讯 http://www.cqvip.com 全局特征有其不足之处，而从轮廓中提取一些稳健性好、容　

易提取且足以判定目标的关键参数，而不以整个轮廓为特　

征，将具有更好的识别效果。　在町见光图像上，匕机目标总是可以看作一个或多个相　

连的区域性质接近的面的集合，相对于跑道背景有较明显的　

边缘，当图像质量和分辨率满足要求时，获取较完整飞机轮　

廓并定位飞机ＲＯＩ是町行的。基于以上的分析和认识，本文　提出＿ｒ一种高分辨率町见光图像的飞机识别的方法：对图像　

进行ＰＭ各向异性扩散平滑，结合Ｃａｎｎｙ算子和区域生跃方　

法，提取图像中的闭ｌ△轮廓，根据毪机几何特征进行目标定　

位，并提取目标轮廓特征参数与模板特征数据库比较，实现　

机型判别。实验证明，这种方法识别率高，机型判定准确，相　比传统方法具有更好的识别效果和稳健性。　

２图像预处理和闭合轮廓提取　

轮廓提取足识别的前提和关键，轮廓提取的准确度直接　

影响识别效果，为了准确提取目标轮廓，我们先对图像进行　

各向异性扩散滤波，然后结合Ｃａｎｎｙ算子和区域生长法，得　

到闭合的边界曲线，通过角点特征排除一些明显的干扰边　

缘，最后通过边界跟踪得到闭合轮廓的描述。　

２．１图像预处理　

对图像进行平滑颅处理町以提高图像的信噪比，但一般　

的滤波器往往同时也带来边缘模糊、精细结构丢失等问题。　

对于１｛ｌ机识别，在平滑的同时保留其完整边缘和结构细节是　必要的，冈为它们可以为进一步的机型判别提供更多依据。　

预处理过程应满足以下要求：滤波器应尽可能保持目标的边　

界和精细结构，从而使图像的信息丢失达到最小；在物理特　

性相似的区域内能有效地消除噪声；通过锐化图像的边缘信　

息来增强目标的几何形状。各向异性扩散滤波器是具有上　

述优点的一种非线性滤波器，在满足上述三个要求的同时有　效地改善ｒ图像质量，提高了信噪比。　

各向异性扩散方法…‘足一种迭代过程，通过局部的选　

择自适应扩散强度，扩散过程就会被抑制或在遇到边界时停　

下来。基本思想就是将原始图像“。作为一种媒介，在上面以　

可变的速率发生扩散；从而得到一系列逐渐增加的平滑图像　“（　，Ｙ，￡），它们可通过求解偏微分方程来得到：　

』詈　（ｇ（Ｉｌ　“Ｉ１　Ｈ））　（１）　

：。：　。　Ｐｅｒｏｎａ和Ｍａｌｉｋ建议的ｇ（　）有两种：　ｇ（　）＝ｅ小　

和ｇ（　）＝１／［１＋（ｘ／ｋ）　］　（２）　

ｋ是梯度门限。图像经过多次迭代后强的阶跃状边缘被　

保留下来。　

２．２　闭合轮廓提取　

目标闭合轮廓的提取需要满足两个基本要求，一是闭　

一１９４一　合，符合这个条件的一般是人工目标边缘，如此可排除大量　

虚警，降低后续计算量；二是准确，这样才能保证目标定位和　

机型识别的准确度。　Ｃａｎｎｙ算子具有良好的边缘定位精度和单边响应特性，　

而区域生长方法在给定起始点的情况下，可以很好地检测闭　

合边缘　因此，我们在提取闭合轮廓时，结合了两种方法　

的优点。具体步骤如下：　

①对预处理后的结果图像计算梯度　

ｌ厂（　，Ｙ）＝＿ｌ　Ｖ，ｄ　ｌｌ　其巾　为上一步预处理结果图像　对．厂（　，Ｙ）计算直方图，可以看出梯度直方图呈明显的双　

峰式分布，这是因为经过各向异性扩散处理后，边缘得到增　

强，区域内部相对平滑的结果。取直方图的谷点作为边缘检　

测闽值Ｋ，得到边缘图像曰．（　，Ｙ），由于各向异性扩散具有良　好的平滑效果，日。（　，Ｙ）图像上边缘大部分是闭合的，但也可　

能存在少数不闭合的情况，同时，这种边缘并非单像素的，难　

以精确描述目标轮廓。　

②由于简单边缘检测算子存在边缘变粗的问题，因此，　

对图像厂（　，Ｙ）进行非最大抑制（ＢＯＢ—ｍａｘｉｍｕｍ　ｓｕｐｐｒｅｓｓｉｏｎ）　处理¨　，来抑制单个边界邻域的多个响应。对非最大抑制后　

的结果图像，以Ｋ为阈值进行分割得到二值边缘图像Ｂ　（　，　

Ｙ），Ｂ２（　，Ｙ）满足单边响应要求，但很多边缘并非闭合。　③对图象Ｂ．，寻找所有连通的非边缘区域，并标记为　

（ｉ＝１，２，…Ⅳ），对每个区域Ｒ　分别进行区域生长，直到边　

界为单像素８连通。　

④区域生长的ｊ个关键问题是种子点、生长规则和停　

．【Ｅ条件¨　。设ｂ，表示Ｂ，（　，Ｙ）图像中边缘点的集合，ｂ２表示　

Ｂ　（　，Ｙ）图像中边缘点的集合，即ｂ　＝ｂ　Ｕ　ｂ　，ｂ　表示在区　

域Ｒ　边缘且属于点集ｂ　，且与其４连通的区域不超过１个。　

区域生长规则如下：首先只向着点集ｂ　进行生长，这样，　最终结果边缘中才可能包含非最大抑制的结果。对６４中的点　

按其在厂（　，Ｙ）中的对应灰度排序，从灰度值最小点开始进行　

牛｝之，并对每个点检测是否只与一个区域相邻，如果不是，则　

不向该点生长。上面过程完毕后，找出区域　的新的边缘，重　

复这个生长过程直到收敛。　然后，将上面过程中ｂ　换作ｂ，，重复相同的生长过程。　

⑤当生长过程最终达到收敛，就得到了单边的８连通边　

界曲线。　这种算法能够很好地提取闭合边缘。一般来说，可见光　

图像上ｌ５‘机表面的灰度并非一致，而是受飞机结构和表面涂　

层影响形成几个灰度比较接近的小区域。本文方法提取的边　

缘，体现＿ｒ这种特点，如图１示例，在准确提取飞机外部轮廓　的同时，保留了内部的细节边缘，为后面的特征提取保留了　

更多町用信息。　

在机场区域背景比较复杂的情况下，比如存在各种标志　线、建筑等，

这时干扰边缘可能会引起目标轮廓的粘连或嵌　维普资讯 http://www.cqvip.com