肖化超，周　詮，張建華

(中國空間技術(shù)研究院西安分院，陜西 西安 710100)

An Airport Change Onboard Detection Method for Remote Sensing Satellite

XIAO Huachao，ZHOU Quan，ZHANG Jianhua

?

遙感衛(wèi)星在軌機場變化檢測方法

肖化超，周詮，張建華

(中國空間技術(shù)研究院西安分院，陜西 西安 710100)

An Airport Change Onboard Detection Method for Remote Sensing Satellite

XIAO Huachao，ZHOU Quan，ZHANG Jianhua

摘要：針對機場飛機變化檢測時效性要求高的特點，提出了遙感圖像在軌變化檢測的方法。該方法利用遙感衛(wèi)星前后兩幅機場圖像，通過SURF方法配準(zhǔn)并進(jìn)行仿射變換，然后利用顯著目標(biāo)檢測方法縮小目標(biāo)檢測區(qū)域，最后利用本文提出的圓周信息匹配方法，將二維圖像匹配轉(zhuǎn)換為一維信息檢測的問題，實現(xiàn)對飛機的檢測。利用前后兩軌衛(wèi)星遙感圖像進(jìn)行了試驗，仿真結(jié)果表明，配準(zhǔn)精度達(dá)到1個像素，能準(zhǔn)確檢測出飛機目標(biāo)，說明該方法能準(zhǔn)確高效地檢測出機場飛機變化信息。

關(guān)鍵詞：遙感圖像處理；變化檢測；在軌處理；飛機檢測

一、引言

變化檢測是對同一區(qū)域的重復(fù)連續(xù)觀測，所獲取的多時相遙感影像詳細(xì)地記錄了地表上各種地物的時空動態(tài)變化過程和軌跡。機場飛機起降頻繁，對機場飛機數(shù)量進(jìn)行檢測，在民航、軍事等領(lǐng)域具有重要意義。

機場飛機為時間敏感目標(biāo)，對其變化情況進(jìn)行檢測需要較強的時效性。利用當(dāng)前星上成像，地面處理，再告知終端用戶的流程，處理環(huán)節(jié)過多，延時較大。若采用星上處理能有效簡化環(huán)節(jié)，提高處理時效性[1]。但受星上資源環(huán)境的制約，星上處理方法必須滿足簡單、高效、準(zhǔn)確等要求。

本文主要對不同時相機場圖像進(jìn)行飛機數(shù)量變化情況的檢測。根據(jù)在軌處理要求，提出方法首先對兩幅圖像利用簡單經(jīng)典方法進(jìn)行配準(zhǔn)和圖像變換，然后對前后兩幅圖像均進(jìn)行顯著目標(biāo)檢測以縮小檢測區(qū)域，接著利用本文提出的圓周信息匹配檢測方法，最后根據(jù)檢測結(jié)果和配準(zhǔn)位置信息得出機場飛機的變化情況。本文的第2部分對遙感圖像的配準(zhǔn)進(jìn)行介紹；第3部分為飛機目標(biāo)的檢測方法，分為目標(biāo)聚焦和提出圓周信息匹配法；第4部分對提出方法進(jìn)行仿真試驗，采用連續(xù)兩軌衛(wèi)星遙感機場圖像進(jìn)行試驗，并給出了試驗結(jié)果；最后進(jìn)行總結(jié)。

二、圖像配準(zhǔn)

圖像配準(zhǔn)將不同時相圖像的空間位置對應(yīng)起來，是變化檢測的關(guān)鍵步驟，如圖1所示。圖像配準(zhǔn)技術(shù)已有很多研究，其中Lowe等提出的SIFT算法是一種魯棒性好的尺度不變特征描述方法[2]，在很多領(lǐng)域均有應(yīng)用，但SIFT算法計算量大、時間復(fù)雜度高、算法耗時長。H．Bay等在分析、總結(jié)多種特征檢測方法的基礎(chǔ)上，提出了SURF(speeded-up robust features)描述算子，對圖像平移、旋轉(zhuǎn)、縮放等變化具有良好的不變性[3]，并于2008年對該方法進(jìn)行了完善，進(jìn)一步提高了SIFT算法的性能[4]。SURF較SIFT算法簡單快速，試驗證明，SURF方法在速度上快3倍左右，綜合性能優(yōu)于SIFT[5]。鑒于衛(wèi)星在軌處理的約束，星上遙感圖像采用SURF方法。

SURF是特征點配準(zhǔn)的方法，在兩幅待配準(zhǔn)圖像上，按SURF算法選擇特征點，然后對特征點進(jìn)行描述，最后進(jìn)行特征點匹配。不同時相的遙感圖像之間存在仿射差異，即縮放、旋轉(zhuǎn)和平移3類變化，用公式表示

(1)

式中，α是旋轉(zhuǎn)因子；h、k是平移因子；S是縮放因子。特征點匹配后存在虛假匹配點，根據(jù)衛(wèi)星遙感圖像的先驗知識進(jìn)行進(jìn)一步篩選，通過篩選可以保證圖像的準(zhǔn)確配準(zhǔn)。

圖1　特征點匹配關(guān)系圖

三、目標(biāo)檢測

不同時相圖像進(jìn)行配準(zhǔn)后，需要分別對兩幅圖像進(jìn)行飛機目標(biāo)檢測。遙感圖像數(shù)據(jù)量巨大，對整幅遙感圖像直接進(jìn)行檢測將耗費大量資源，常用的辦法為先對目標(biāo)進(jìn)行聚焦，采用較低運算量的方法從背景中將疑似目標(biāo)初步檢測出來。該步驟運算要求簡單快速，在保證低漏檢率的情況下，允許具有一定的虛警率。

1. 目標(biāo)聚焦

目標(biāo)聚焦利用顯著目標(biāo)檢測方法，主要利用飛機的紋理、大小等特征，在圖像中將疑似目標(biāo)初步篩選處理。飛機目標(biāo)的篩選主要步驟為：對圖像進(jìn)行邊緣檢測，形態(tài)學(xué)處理，根據(jù)飛機長寬、面積等參數(shù)對目標(biāo)進(jìn)行篩選。

飛機與機場跑道存在明顯的灰度跳躍，具有強烈的紋理特征，可以通過梯度檢測的方法進(jìn)行，根據(jù)試驗比較，在多種典型梯度檢測算子中選取對飛機檢測和后續(xù)處理有效的算子作為飛機梯度檢測的方法。Gabor濾波器是窄帶帶通濾波器，有明顯的方向選擇和頻率選擇特性，在空域和頻域可同時達(dá)到最優(yōu)的聯(lián)合分辨率，能很好地表征目標(biāo)的紋理特征[6-7]。

假定σx=σy=σ，則Gabor函數(shù)定義為

exp(-ω2σ2/2)]

(2)

對整幅圖像進(jìn)行4個方向的Gabor濾波，然后將4個方向的濾波結(jié)果合并，設(shè)Φ={0°，45°，90°，135°}，定義聯(lián)合的梯度特征

(3)

進(jìn)行Gabor濾波后，圖像在飛機邊緣值較大，其他平坦區(qū)域值較小，對濾波結(jié)果進(jìn)行分類。邊緣圖像二值化

(4)

(5)

圖2　初步篩選圖像

然后統(tǒng)計二值化圖像的連通區(qū)域特征參數(shù)，根據(jù)連通區(qū)域的面積、長、寬及長寬比等參數(shù)進(jìn)行篩選，篩選出的目標(biāo)圖像區(qū)域用Bi表示。飛機的面積、長寬等指標(biāo)很容易獲取，這些參數(shù)閾值的選取與遙感圖像分辨率和飛機本身參數(shù)有關(guān)，處理流程如圖3所示。

圖3　顯著目標(biāo)檢測流程

為了提高檢測準(zhǔn)確度和降低計算量，在進(jìn)行飛機檢測之前，首先對飛機目標(biāo)進(jìn)行初步篩選，主要利用飛機的紋理、大小、形狀等基本特征作為篩選依據(jù)，篩選目標(biāo)可減少候選區(qū)域，從而進(jìn)一步降低檢測的運算量，因此可以有一定的虛警，但不能有漏檢。通過下節(jié)的精確檢測，能達(dá)到飛機精確檢測的目的。

形態(tài)學(xué)處理中，梯度只對飛機邊緣進(jìn)行檢測，檢測完后圖像為邊緣線條，為了后續(xù)篩選處理，需要將邊緣連通為區(qū)域，因此需要對圖像線條進(jìn)行擴展，采用閉處理操作，如圖2(b)所示。

初步篩選時，飛機的大小、長寬容易獲取，而圖像的分辨率是已知的，因此飛機在圖像中占多少像素、長寬多少像素等，是可以預(yù)先獲知的。利用這些信息對圖像進(jìn)行初步篩選結(jié)果如圖2(c)所示。

2. 圓周信息匹配檢測法

目標(biāo)聚焦利用了飛機基本特征，能將目標(biāo)候選區(qū)域縮小，但仍有虛假目標(biāo)存在，對篩選后目標(biāo)需要進(jìn)行精細(xì)檢測。目標(biāo)檢測最直接的方法是利用待檢測目標(biāo)圖像與已有目標(biāo)模板圖像進(jìn)行比對，若二者匹配，則為目標(biāo)，否則為非目標(biāo)。該方法原理簡單直觀，檢測準(zhǔn)確度也較高，但計算量較大，而且需要制作模板圖像。由于飛機類型較多，需要的模板數(shù)量較多。為了提高運算效率，減少模板的數(shù)據(jù)量，本文提出了一種特征匹配的方法，該方法利用了目標(biāo)的一維特征(模板)，然后進(jìn)行匹配濾波，如此將二維圖像匹配轉(zhuǎn)化為一維信號的檢測。

圖4　飛機圓周波形

所用特征是飛機具有較穩(wěn)定的形狀，飛機具有機頭、雙翼和機尾4個比較穩(wěn)定的部件，若以飛機中心為圓心，以大于機身寬度小于翼展長度為直徑，逆時針圓周上取圖像的灰度值作為特征值，以fi,j,r(k)表示，其中k≤N，i、j表示圓心的坐標(biāo)，r為圓周半徑。圖4是含有4架飛機圖像的圓周灰度特征曲線。從曲線來看，4架飛機具有類似的圓周曲線，起伏情況基本一致，其中波峰為飛機部分，亮度較大，波谷為飛機的陰影位置。由于飛機的?？糠较虼嬖诓町?，導(dǎo)致在波形上表現(xiàn)具有旋轉(zhuǎn)延時。根據(jù)前面分析，飛機在遙感圖像中有比較穩(wěn)定的圓周波形。根據(jù)信號檢測理論，在已知信號波形的情況下，可以利用匹配濾波的方法來進(jìn)行信號檢測。假定需要檢測信號為s(t)，則可設(shè)計濾波器為

h(t)=s(t0-t)

(6)

式中，t0為信號終止時刻，即t>t0時，s(t)=0。

濾波器的輸出信號為

(7)

取t=t0時刻的輸出信號作為判決時刻，輸出信號值越大說明信號匹配度越高，即待檢測物體越有可能為目標(biāo)。

在數(shù)字圖像處理中信號為離散信號，匹配濾波的形式需要進(jìn)行相應(yīng)修改，信號為fi,j,r(k)，則濾波器可為

h(k)=f(N-k)

(8)

輸出信號為

(9)

式中，*為卷積運算。輸出信號在k=N時輸出最大值。考慮飛機的?？糠较虿煌?，信號存在圓周延時的特點，式(9)中的卷積運算可改為循環(huán)卷積，即

s0(k)=f(k)?h(k)

(10)

根據(jù)循環(huán)卷積定理，循環(huán)卷積可用傅里葉變換代替運算，以簡化運算

s0(k)=IDFT{DFT[f(k)]·DFT[h(k)]}

(11)

由于延時的不確定，輸出信號的最高點并不確定，因此取輸出信號最大時刻作為判決時刻。

以上利用循環(huán)卷積解決了飛機的旋轉(zhuǎn)不變性，檢測方法還要對圖像亮度(即信號的幅度)變化適應(yīng)。匹配濾波器的性質(zhì)之一是對振幅具有適應(yīng)性，但為了去除直流信號的影響，可在通過濾波器前，先進(jìn)行去直流分量處理

(12)

將式(12)代入式(11)中

(13)

以上方法對所取圓心位置較為敏感，而本文方法聚焦部分所給出結(jié)果為飛機所在位置的連通區(qū)域Bi，并不確定飛機的中心位置。因此，需要遍歷所有聚焦的連通區(qū)域作為圓心，進(jìn)行匹配濾波，取輸出值中的最大值作為該區(qū)域是否為飛機的判決依據(jù)。

四、仿真試驗

利用前后兩軌衛(wèi)星遙感圖像對以上方法進(jìn)行仿真驗證。在兩軌圖像中提取出同一機場圖像，利用SURF算法對圖像進(jìn)行配準(zhǔn)，再利用衛(wèi)星軌道、姿態(tài)等先驗知識進(jìn)行配準(zhǔn)點選取，求解仿射變換方程參數(shù)。然后以一幅圖像為參考，對另一幅進(jìn)行平移、旋轉(zhuǎn)等幾何變換，得到結(jié)果如圖5所示。根據(jù)定量分析，采用該配準(zhǔn)方法使配準(zhǔn)精度達(dá)到1個像素。

圖5　配準(zhǔn)圖像

對兩幅圖像進(jìn)行檢測后，利用飛機所在位置和飛機的一維圓周信號，對兩幅圖像檢測的目標(biāo)進(jìn)行比較，可以得出3種語義：新來飛機、未動飛機和飛走飛機，檢測結(jié)果如圖6所示。

圖6　變化檢測結(jié)果

五、結(jié)束語

為了提高機場飛機數(shù)量變化情況檢測的時效性，可采用星上檢測方式。本文給出了一種高效的遙感圖像飛機在軌變化檢測方法。該算法包含配準(zhǔn)和目標(biāo)檢測2個步驟。首先利用簡單的經(jīng)典方法對不同時相圖像進(jìn)行配準(zhǔn)；然后根據(jù)飛機紋理、大小特征，對大幅遙感圖像進(jìn)行顯著目標(biāo)檢測，確定飛機目標(biāo)的候選區(qū)域；接著利用飛機具有穩(wěn)定圓周波形的特點，提出了圓周匹配的方法對候選區(qū)域進(jìn)行進(jìn)一步檢測。通過試驗分析，表明該方法能有效配準(zhǔn)和檢測目標(biāo)，具有準(zhǔn)確高效的特點。下一步工作將對該方法進(jìn)行硬件實現(xiàn)。

參考文獻(xiàn)：

[1]孫文方,鄭小松,肖化超, 等. 在軌光學(xué)遙感圖像處理技術(shù)[C]∥第一屆高分辨率對地觀測學(xué)術(shù)年會.北京:[s.n.], 2012.

[2]LOWE D G. Distinctive Image Features from Scale-Invariant Keypoints[J]. International Journal of Computer Vision, 2004, 60(2): 91-110.

[3]BAY H, TUVTELLARS T, VAN GOOL L. SURF: Speeded Up Robust Features[C]∥Proceedings of the 9th European Conference on Computer Vision. Berlin： Springer,2006: 404-417.

[4]BAY H, ESS A, TUYTELAARS T, et al. Speeded-Up Robust Features (SURF)[J]. Computer Vision and Image Understanding,2008, 110(3): 346-359.

[5]BAUER J, SüNDERHAUF N, PROTZEL P. Comparing Several Implementations of Two Recently Published Feature Detectors[C]∥Proceedings of the International Conference on Intelligence and Autonomous Systems.Toulouse, France:[s.n.], 2007.

[6]LI Z,ITTI L.Saliency and Gist Features for Target[J]. IEEE Transactions on Image Processing, 2010, 20(7): 2017-2029.

[7]PORAT M, ZEEVI YY. The Generalized Gabor Scheme of Image Representation in Biological and Machine Vision[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1988,10(4): 452-468.

歡迎訂閱《測繪通報》

《測繪通報》創(chuàng)刊于1955年，是由國家測繪地理信息局主管、中國地圖出版社(測繪出版社)主辦的反映我國測繪地理信息科技發(fā)展現(xiàn)狀和指導(dǎo)全國測繪地理信息生產(chǎn)業(yè)務(wù)的國家級綜合性、技術(shù)性刊物?，F(xiàn)為中文核心期刊、中國科技核心期刊(中國科技論文統(tǒng)計源期刊)、中國科學(xué)引文數(shù)據(jù)庫(CSCD)核心統(tǒng)計源期刊、中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫(CAJD)全文收錄期刊、中國學(xué)術(shù)期刊綜合評價數(shù)據(jù)庫(CAJCED)核心統(tǒng)計源期刊、《中國學(xué)術(shù)期刊文摘》收錄期刊、地球與環(huán)境科學(xué)信息網(wǎng)(EES)收錄期刊。曾被評為第二、三屆國家期刊獎百種重點期刊，多次榮獲全國優(yōu)秀測繪期刊獎。

《測繪通報》的主要內(nèi)容包括大地測量、全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)、攝影測量、遙感(RS)、地圖制圖、地理信息系統(tǒng)(GIS)、工程測量、礦山測量、地籍測繪、海洋測繪、測繪儀器、信息傳輸、圖形圖像處理等方面的新成果和新技術(shù)；行業(yè)管理、科研、教學(xué)、生產(chǎn)的先進(jìn)經(jīng)驗；計算機、通信等相關(guān)理論技術(shù)在測繪地理信息領(lǐng)域里的應(yīng)用及測繪地理信息科技在國家經(jīng)濟(jì)建設(shè)各個方面的應(yīng)用；國內(nèi)外測繪地理信息學(xué)術(shù)動態(tài)及有關(guān)測繪地理信息科技信息等。

《測繪通報》的主要欄目有學(xué)術(shù)研究、技術(shù)交流、測繪地理信息論壇、經(jīng)驗介紹、測量員之窗、國外測繪地理信息、行業(yè)管理、行業(yè)研究、行業(yè)調(diào)查、知識窗、新書介紹、企業(yè)之窗、測繪地理信息教學(xué)等。

《測繪通報》(月刊)定價：30.00元，郵發(fā)代號：2-223。

編輯部地址：北京市西城區(qū)三里河路50號，郵編：100045，訂閱電話：010-68531192(金英)，68531317(傳真)。

網(wǎng)址：http:∥tb.sinomaps.com

引文格式： 肖化超，周詮，張建華. 遙感衛(wèi)星在軌機場變化檢測方法[J].測繪通報，2015(1)：22-25.DOI:10.13474/j.cnki.11-2246.2015.0004

作者簡介：肖化超(1985—)，男，博士生，工程師，主要從事空間數(shù)據(jù)處理與傳輸方面的研究。E-mail：xiaohc@cast504.com

基金項目：國家自然科學(xué)基金(61372175)；國家重點實驗室基金(9140C530403130C53192)；高分辨率對地觀測國家重大專項預(yù)研課題

收稿日期：2014-07-15

中圖分類號：P237

文獻(xiàn)標(biāo)識碼：B

文章編號：0494-0911(2015)01-0022-04