用于景象匹配制导的机场参考图制备方法

摘要

本发明公开了一种用于景象匹配制导的机场参考图制备方法，主要步骤包括：S1、根据机场面积、自身颜色信息与周围背景差异，在包含机场的可见光遥感卫星图像上进行目标区域粗定位，确定感兴趣区域ROI的大致范围；S2、根据颜色信息对感兴趣区域ROI采用Kmeans算法进行分类，将分类结果与地物类别一一对应，并进行标识；S3、基于红外景象条件先验知识，将机场地物全天候温度变化自动映射到灰度级上，并给标识后的图像赋灰度；S4、根据弹道信息对赋灰度后的图像进行透视变换，得到多尺度多视点的场景图像，依据预设的选取准则，选取机场目标/地标参考图。本发明能够自动、准确制备机场目标/地标参考图用于景象匹配制导。

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种用于景象匹配制导的机场参考图制备方法。

背景技术

精确制导技术在现代战争中被广泛应用到各种导弹和制导兵器中，景象匹配制导具有高精度、高自主性、与射程无关、打击范围广、可重复选择目标等特点。通过图像匹配算法将导引头获取的实时图像与系统携带的参考图进行实时计算比较，获取目标所在位置，辅助惯导系统进行累计误差修正，最终命中目标。末制导技术的三个关键因素是实时图质量、参考图质量和匹配算法性能。实时图像质量和匹配算法性能在实际应用过程中，一般认为短时间内不会发生变化。因此，提升参考图制备的准确性和智能化水平，进而提升时间性能，对于战机转瞬即逝的战场环境意义重大。

机场作为大型组合目标，是重要的交通枢纽，在国防和国民经济中起着越来越重要的作用。在现代战争中，为遏制敌方的空中力量和补给能力，机场通常成为首要打击的军事目标。制备高精度的机场参考图，放在弹上导引头中，用于末制导匹配识别过程，辅助惯导系统精确命中机场目标。

发明内容

本发明要解决的技术问题在于针对现有技术，机场参考图制备制动化程度不高，需要人工干预，制备结果不精确，导致制备的参考图用于景象匹配制导过程中，机场目标/地标匹配识别准确率不高，容易造成较高漏警和虚警的问题，提出一种自动、精确制备机场参考图方法。

本发明解决其技术问题所采用的技术方案是：

提供一种用于景象匹配制导的机场参考图制备方法，其特征在于，包括以下步骤：

S1、根据机场面积、自身颜色信息与周围背景差异，在包含机场的可见光遥感卫星图像上进行目标区域粗定位，确定感兴趣区域ROI的大致范围；

S2、根据颜色信息对感兴趣区域ROI采用Kmeans算法进行分类，将分类结果与地物类别一一对应，并进行标识；

S3、基于红外景象条件先验知识，将机场地物全天候温度变化自动映射到灰度级上，并给标识后的图像赋灰度；

S4、根据弹道信息对赋灰度后的图像进行透视变换，得到多尺度多视点的场景图像，依据预设的选取准则，选取机场目标/地标参考图。

接上述技术方案，该方法还包括步骤：

S5、根据图像分辨率、大小和图像中心点经纬度坐标，计算机场目标/地标参考图的面积、形心经纬度坐标、相对位置信息，生成对应地标文件。

接上述技术方案，步骤S2具体包括：

S21、把图像数据分成k个类，计算数据空间上均匀分布的最初类均值，用最短距离公式重复地把像元聚集到最近的类里，使所有样本到各自所属类别中心的距离平方和达到最小，形成k个簇；

S22、重新计算每个簇的均值，用新的均值对像元进行再分类，每次迭代计算，所有像元都被归到与其最临近的一类里；直到每一类的像元数变化少于选择的像元变化阈值或已达到最多的迭代次数；

S23、根据感兴趣区域ROI内的颜色信息，将机场典型地物颜色与Kmeans 分类结果一一对应，进行标识，每种类别对应一种或几种地物。

接上述技术方案，步骤S3具体包括：

S31、分析机场典型地物的材质信息、外形信息，对地物材质进行组合分类，建立不同类别模型；

S32、根据气象因素建立目标表面温度模型，其中气象因素包括太阳辐射、环境温度、大气辐射；

S33、将接收到的红外辐射映射到灰度级上，使每类地物都有对应接近红外图像的灰度。

接上述技术方案，步骤S4具体包括：

S41、根据多尺度多视点思想，将弹道信息按照由远及近的过程大致分为三个阶段，每个阶段机场目标/地标对应大、中、小三种不同尺度、不同分辨率进行机场参考图制备；

S42、根据每种尺度在当前飞行参数条件下，将机场参考图，制作成尺度大小不同、视点不一致的候选参考图；

S43、依据飞行航向，穷举场景中所有局部子区域，从可靠性、稳定性和唯一性三个方面综合分析，从候选参考图中选择特征明显的感兴趣目标，作为机场目标/地标参考图，特征明显指重复度较低的形状和轮廓、具有一定面积比例。

接上述技术方案，该方法还包括在确定感兴趣区域ROI的大致范围后，对感兴趣区域ROI进行图像增强的步骤具体为：计算原始图像的灰度直方图，统计直方图中每个灰度级出现的次数，计算累积直方图各项，取整扩展，确定映射对应关系，依据映射关系计算均衡化直方图。

接上述技术方案，该方法还包括对标识后的图像进行去噪，具体为：

对标识后的分类结果进行联通区域分析，计算每个联通区域面积，去掉面积小于一定阈值的联通区域；

对联通区域进行轮廓跟踪，每隔几个点，计算两点连线角度，统计角度出现频率，计算角度直方图中最大值或次大值所对应的角度值占整个直方图的比例，若该比例大于某一设定阈值，则认为该联通区域存在典型直线状边界，保留，否则删除。

本发明还提供了一种用于景象匹配制导的机场参考图制备系统，包括：

目标区域粗定位模块，用于根据机场面积、自身颜色信息与周围背景差异，在包含机场的可见光遥感卫星图像上进行目标区域粗定位，确定感兴趣区域ROI的大致范围；

分类模块，用于根据颜色信息对感兴趣区域ROI采用Kmeans算法进行分类，将分类结果与地物类别一一对应，并进行标识；

赋灰度模块，用于基于红外景象条件先验知识，将机场地物全天候温度变化自动映射到灰度级上，并给标识后的图像赋灰度；

选择模块，根据弹道信息对赋灰度后的图像进行透视变换，得到多尺度多视点的场景图像，依据预设的选取准则，选取机场目标/地标参考图。

接上述技术方案，该系统还包括步骤：

对应地标文件生成模块，用于根据图像分辨率、大小和图像中心点经纬度坐标，计算机场目标/地标参考图的面积、形心经纬度坐标、相对位置信息，生成对应地标文件。

本发明还提供了一种计算机存储介质，其内存储有可被处理器执行的计算机程序，该计算机程序执行上述技术方案所述的用于景象匹配制导的机场参考图制备方法。

本发明产生的有益效果是：本发明通过颜色信息粗定位，能够准确定位到机场ROI区域；通过Kmeans分类和标识，相比传统图像分割方法结果的不确定性，能够对机场地物类别准确区分，减少人工干预；基于红外成像条件先验知识，对各类地物进行红外图像仿真，减少人工赋灰度误差；结合弹道信息和透视变换，自动得到多尺度多视点的前下视图，避免了人工选取制备好的目标/地标在实际成像中不明显或不存在的情况，从可靠性、稳定性和唯一性三个方面综合分析，自动确定最佳匹配区，提高机场参考图制备的自动化水平和时间性能，也为景象匹配制导提供图像数据和技术支持。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1A为本发明实施例用于景象匹配制导的机场参考图制备的流程图一；

图1B为本发明实施例用于景象匹配制导的机场参考图制备的流程图二；

图2为本发明实施例感兴趣区域ROI粗定位；

图3为本发明实施例感兴趣区域ROI灰度图，归一化置0-255；

图4为本发明实施例感兴趣区域ROI图像增强；

图5为本发明实施例采用Kmeans算法对ROI进行分类；

图6为本发明实施例标识分类结果，保留红色标识类别，为机场区域；

图7为在图6基础上基于面积准则的联通区域去噪结果；

图8为在图7基础上，进行联通区域轮廓跟踪图；

图9为在图8基础上，基于直线特征，保留大于设定阈值的区域结果图；

图10为本发明实施例灰度映射结果图；

图11为本发明实施例机场参考图制备结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1A所示，本发明实施例用于景象匹配制导的机场参考图制备方法，主要包括以下步骤：

S1、根据机场面积、自身颜色信息与周围背景差异，在包含机场的可见光遥感卫星图像上进行目标区域粗定位，确定感兴趣区域ROI的大致范围；

S2、根据颜色信息对感兴趣区域ROI采用Kmeans算法进行分类，将分类结果与地物类别一一对应，并进行标识；

S3、基于红外景象条件先验知识，将机场地物全天候温度变化自动映射到灰度级上，并给标识后的图像赋灰度；

S4、根据弹道信息对赋灰度后的图像进行透视变换，得到多尺度多视点的场景图像，依据预设的选取准则，选取机场目标/地标参考图。

接上述技术方案，该方法还包括步骤：

S5、根据图像分辨率、大小和图像中心点经纬度坐标，计算机场目标/地标参考图的面积、形心经纬度坐标、相对位置信息，生成对应地标文件。

如图1B所示，本发明另一实施例用于景象匹配制导的机场参考图制备方法主要包括以下步骤：

S101、打开包含机场的可将光正下视遥感卫星图像、输入图像分辨率、图像中心点对应的经纬度坐标；

S102、感兴趣区域定位：根据机场面积、自身颜色信息与周围背景差异，进行目标区域粗定位，确定感兴趣区域ROI大致范围；

S103、感兴趣区域ROI图像增强：计算原始图像的灰度直方图，统计直方图中每个灰度级出现的次数，计算累积直方图各项，取整扩展，确定映射对应关系，依据映射关系计算均衡化直方图；

S104、Kmeans算法对ROI进行分类：对ROI区域采用Kmeans算法分类，根据ROI区域的颜色信息，不同颜色对应不同的类别的地物，将分类结果与地物类别一一对应，进行标识。

S105、基于面积准则的联通区域去噪：对标识后的分类结果进行联通区域分析，计算每个联通区域面积，去掉面积小于一定阈值的联通区域；

S106、联通区域轮廓跟踪，提取直线特征：对联通区域进行轮廓跟踪，每隔几个点，计算两点连线角度，统计角度出现频率，计算角度直方图中最大值或次大值所对应的角度值占整个直方图的比例，若该比例大于某一设定阈值，则认为该联通区域存在典型直线状边界，可以保留，否则删除。对于机场参考图的地标或目标而言，机场跑道往往是典型军事目标打击点，也符合直线特征，故对该联通区域进行边界平滑，去除边界毛刺；

S107、基于红外景象条件先验知识(地物材质、气象因素、红外成像机理)，将机场地物全天候温度变化自动映射到灰度级上，给每个联通区域赋灰度；

S108、根据弹道信息进行透视变换，得到多尺度多视点的场景图像，依据选取准则，从可靠性、稳定性和唯一性三个方面综合分析，选取特征明显、信息量大、可匹配性高的机场区域作为机场目标/地标参考图

S109、根据图像分辨率、大小和图像中心点经纬度坐标，计算机场目标/ 地标参考图的面积、形心经纬度坐标、相对位置等相关信息，生成对应地标文件。

步骤S104中使用Kmeans算法对ROI进行分类具体包括：

(1)把图像数据分成k个类。计算数据空间上均匀分布的最初类均值，然后用最短距离公式重复地把像元聚集到最近的类里，使所有样本到各自所属类别中心的距离平方和达到最小，形成k个簇。

(2)重新计算每个簇的均值，用新的均值对像元进行再分类。每次迭代计算，除非限定了标准差和距离的阈值(如果一些像元不满足选择的标准，就无法参与分类)，所有像元都被归到与其最临近的一类里。

(3)这一过程持续到每一类的像元数变化少于选择的像元变化阈值或已达到最多的迭代次数；

(4)根据ROI区域内的颜色信息，不同类别的地物对应不同颜色，通常机场跑道材质为水泥或沥青，对应灰色或黑色。将机场典型地物颜色与 Kmeans分类结果一一对应，进行标识，每种类别对应一种或几种地物。

步骤S107具体包括：

a)分析机场典型地物的材质信息、外形信息，对地物材质进行组合分类，建立不同类别模型；

b)根据气象因素(太阳辐射、环境温度、大气辐射)建立目标表面温度模型；

c)结合红外成像机理，红外成像仪主要接收目标自身辐射和目标对周围环境的反射辐射，将接收到的红外辐射映射到灰度级上，使每类地物都有对应接近红外图像的灰度。

步骤S108具体包括以下步骤：

[1]根据多尺度多视点思想，将弹道信息按照由远及近的过程大致分为三个阶段，每个阶段机场目标/地标对应大、中、小三种不同尺度、不同分辨率进行机场参考图制备。

[2]根据每种尺度在当前飞行参数条件下，将机场参考图，制作成尺度大小不同、视点不一致的候选参考图。

[3]依据飞行航向，穷举场景中所有局部子区域，从可靠性、稳定性和唯一性三个方面综合分析，从候选参考图中选择特征明显的感兴趣目标，作为机场目标/地标参考图，特征“明显”是指：重复度较低的形状和轮廓、具有一定面积比例等。

与现有的其它机场参考图制备方法相比，本发明提出的方法具有以下优点：

1.准确性：本发明对包含机场目标的可见光遥感卫星图像进行机场参考图制备，目标ROI区域分类精确；机场各类地物赋灰度符合红外图像特性，减少人工赋灰度误差；机场目标/地标参考图选取科学，避免了人工选取制备好的目标/地标在实际成像中不明显或不存在的情况。

2.定量化：进行联通区域分析，可得到各个联通区域的面积、形心、圆度、矩形度、角点、轮廓等特征数据，实现了目标/地标参考图的定量计算和统计，根据图像分辨率、大小以及图像中心点经纬度坐标，可计算机场目标的面积大小、形心经纬度等信息，为后续景象匹配制导的匹配识别过程提供定量化信息和数据支持；

3.自动化：本发明只需加载包含机场目标的可见光遥感卫星图像，输入图像分辨率和图像中心点经纬度坐标信息，后续的流程均无需人工干预，自动化程度较高；

4.自适应性和鲁棒性良好：采用本发明提出的方法，从GoogleEarth下载大量的机场场景图像，进行了测试，程序运行稳定，自适应性好，鲁棒性强，所有图像处理无需人工干预，取得了满意的制备结果。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。