機場跑道彈坑幾何圖像特征識別

史永勝，林天翼

（中國民航大學 航空工程學院，天津300300）

0 引 言

目前，常用的對機場跑道彈坑的檢測方法［1，2］主要通過分析彈坑的灰度、形狀、大小、紋理等特征，運用圖像處理方法檢測彈坑。馬波等［3］利用彈坑灰度等特征對彈坑進行識別；劉小鋒［4］利用灰度共生矩陣識別彈坑的紋理特征；尤曉建［5］采用目標識別的方法，提取跑道的局部圖像檢測彈坑；蒲剛等［6］采用基于鄰域灰度差值的彈坑識別算法。這些算法提取精度低、運算速度慢，且識別結果只能得到彈坑的位置信息，無法通過該結果測量彈坑的直徑等幾何特征。

Harris算子［7］是一種特征點檢測算子，在圖像處理領域得到了廣泛的應用。胡海梅等［8］采用該算法進行了LIDAR和遙感圖像的特征提取。目前還沒有將Harris算子成功應用于對毀傷跑道彈坑檢測的案例。

本文通過分析毀傷圖像的特征提出一種基于Harris算子的彈坑檢測算法，構建了機場道面彈坑幾何圖像特征識別模型。該模型通過濾波去除噪聲干擾，計算彈坑閥值，比較彈坑邊界點周圍微小區域的灰度變化提取彈坑的特征點，成功地將Harris算子應用到毀傷圖像的彈坑檢測中。與前人的方法相比識別機場跑道上的彈坑不僅準確快速，而且通過測量特征點之間的圖上像素坐標差值，可以估測出機場彈坑的直徑和上表面面積，由于直徑越大，彈坑體積越大，可以直觀簡潔地確定彈坑的規模，并通過對提取的特征點的數量統計，成功地評估不同打擊的毀傷程度。

1 彈坑圖像的信息采集

彈坑圖像的信息采集主要是通過分析機場跑道毀傷后圖像中彈坑的灰度、形狀、大小等特征，進行提取和選擇，得到能夠反映實際彈坑共同特征的抽象表示，然后建立判斷規則，識別彈坑。

彈坑圖像具有以下特征：

（1）由于彈坑為近圓形，以彈坑中心為圓心，等半徑的圓環區域內灰度、紋理具有相似性。

（2）彈坑邊緣灰度與周圍環境相比灰度變化大，角點數目較多且特征明顯。

（3）彈坑的整體灰度受到成像時光源與圖像噪聲的影響。

1.1 傳統的彈坑圖像采集方法

傳統的彈坑圖像采集信息流程如圖1所示。

圖1 傳統彈坑圖像信息采集

由圖1可知，彈坑圖像信息采集的關鍵是計算閥值T和局部窗口內的彈坑檢測。

在彈坑邊緣處，遠離彈坑中心方向灰度變化明顯，因此可以獲取一個閥值T 分離彈坑與其它組分。閥值T 的獲取根據彈坑圖像的灰度特征計算所得，公式如下

式中：Umax——圖像中的最大灰度值，Umin——圖像中的最小灰度值，Umed——圖像中的灰度中值。

該方法存在的問題是：閥值T 若小于彈坑與背景的像素灰度鄰域變化值則會引起彈坑與背景的混淆，若大于變化值，則可能會造成大量漏檢，由此可能造成彈坑識別不準確。

傳統方法中的彈坑檢測需要對局部窗口中所有的像素進行遍歷并依次與彈坑模板進行比較，當窗口遍歷到彈坑邊緣處時，窗口內像素分布情況較多，需要添加大量的彈坑模板，增加了檢測算法的復雜程度，延長了檢測時間，因此也需要優化。

1.2 基于Harris算子的彈坑檢測方法

針對彈坑圖像特征與傳統方法中需要優化改進的部分，本文提出一種基于Harris算子的彈坑檢測方法。由于Harris算子是一種基于灰度變化的特征點提取算子［9］，適用于角點數目較多且光源復雜的情況，對毀傷圖像中的噪聲有較好的魯棒性。結合對彈坑特征的分析，該算法對傳統算法進行了優化和改進。

1.2.1 彈坑閥值計算

該方法利用圖像中彈坑與其它組分之間的灰度分布相互不重疊的特點，實現對兩類對象閥值分割，完成彈坑閥值T 計算

式中：T0——經驗參數，T1——初始閾值估計值，u1——所有灰度值小于等于T1的像素組成區域的灰度平均值，u2——所有灰度值大于T1的像素組成區域的灰度平均值。如果T 與T1絕對值的差小于T0，則T 即為所求的閾值，否則，將T 賦值給T1循環計算，直到求出閥值T。

由于該方法運用閥值分割后圖像的特性產生新的閥值，進行循環計算，可以大大降低錯誤分割的圖像像素，因此不會出現圖像與彈坑背景混淆和漏檢的情況。

1.2.2 局部窗口彈坑檢測

通過彈坑圖像局部窗口w 觀察圖像特征，提取特征點。選用如下的高斯窗口w 對圖像窗口進行高斯平滑，提高抗噪能力

根據式 （4）求得彈坑圖像的一階灰度梯度X 和Y

定義2×2矩陣M

其中

設λ1和λ2分別是M 的兩個特征值，當λ1和λ2都很大時，窗口沿任何方向位移變化都很大，可以對彈坑進行識別。因此，選取彈坑特征點的度量函數R 由以下公式求得

可以看出R 僅由M 的特征值決定，它在非彈坑特征點處絕對值較小或為絕對值較大的負值，特征點處是較大的正值。因此，當R 取局部極大值且R 大于給定閥值T 時的位置就是理想的彈坑特征點，方法流程如圖2所示。

圖2 基于Harris算子彈坑檢測

該方法圖像受拍攝角度與光源影響小，抵抗圖像噪聲干擾能力強，無需添加彈坑模板，檢測準確率高，運算速度快，具有較好的魯棒性。

2 機場跑道彈坑幾何圖像特征識別模型

基于上述原理和方法，本文構建了機場跑道彈坑圖像的特征識別模型。該模型首先對遙感圖像進行前期處理，去除噪聲；然后采用Harris算子檢測方法識別彈坑；最后根據識別結果計算彈坑直徑，完成彈坑幾何特征測量，并通過統計特征點數目，評估跑道毀傷程度。模型結構如圖3所示。

圖3 模型結構

2.1 機場跑道彈坑圖像的前期處理

為改善圖像質量，除去圖像中的噪聲對彈坑檢測時的干擾，采用中值濾波和高斯濾波對的機場跑道彈坑圖像進行前期處理。對于彩色圖像，需要先進行灰度處理，再對圖像進行濾波。

中值濾波［10］用于處理圖像中存在的椒鹽噪聲。其原理是用一個有奇數點的滑動窗口，將窗口中心點的值用窗口內各點的中值代替，本文采用的二維中值濾波如下式

式中：A—— ｛fij｝窗口二維數據序列。

高斯濾波［11］對于抑制服從正態分布的噪聲非常有效，用于處理圖像中存在的高斯噪聲。其原理［12］是對整幅圖像進行加權平均，用一個模板掃描圖像中的每一個像素，用鄰域內像素加權平均后的灰度值代替模板中心像素點的灰度值。機場跑道圖像中高斯濾波通過二維高斯函數實現如下

式中：r＜3σ，G ＜0.01，采用寬度小于2σ2的濾波器，即m ＝2×2σ2＋1

運用MATLAB仿真軟件對圖像進行中值濾波、高斯濾波仿真效果如圖4所示。

圖4 機場跑道彈坑圖像濾波處理

2.2 彈坑特征點提取

本文采用基于Harris算子的彈坑檢測方法提取彈坑特征點。在圖像中平移一個小窗口，利用窗口在角點處向各處平移，結合圖像閥值分割的方法選擇的閥值，確定特征點，分為以下幾個步驟：

（1）首先對機場跑道彈坑圖像進行中值濾波，高斯濾波完成前期處理。

（2）找出x 方向和y 方向的梯度算子，通過對圖像中兩個方向的算子進行二階傅里葉變換。

（3）運用式 （3）、式 （4）求得矩陣M，及M 的4 個元素的值。

（4）運用式 （5）計算原圖像上對應的每個像素點的R值，以選取局部極大值對應的像素點。

（5）結合式 （2）計算的彈坑閥值T，確定合適數量的彈坑特征點。

2.3 彈坑直徑測量模型

本文在提取特征點的基礎上，構建彈坑直徑測量模型，原理如圖5所示。

圖5 彈坑直徑測量原理

設跑道實際寬度B，彈坑實際直徑D，跑道圖上寬度b，彈坑圖上直徑d，測量步驟如下：

（1）選取圖像中跑道的一部分，盡量減少其它部分的選取，以防止對提取特征點的干擾。

（2）跑道寬、長方向為x 軸，y 軸，利用上文算法調整閥值，提取跑道邊緣特征點。

（3）分別求出跑道左右兩側特征點橫坐標平均值，差值即為跑道的圖上寬度b。

（4）提取彈坑的特征點，將彈坑直徑兩側的點做差，求出彈坑圖上直徑d。

（5）根據公式求出彈坑直徑

（6）通過求得的直徑計算出彈坑的上表面面積，確定彈坑的規模。

3 仿真實驗

3.1 彈坑閥值提取仿真

根據式 （1）計算了彈坑特征閥值，大于該值的區域為黑色，小于該值的區域為白色，跑道彈坑閥值提取效果如圖6所示。

圖6 機場跑道彈坑圖像閥值

計算得到的彈坑閥值T 為132，由圖6 可以看出，在該閥值下，彈坑周圍背景成功分離，從而實現了對彈坑閥值的提取。

3.2 彈坑檢測算法仿真

通過選取兩段天津濱海國際機場部分跑道的衛星圖像，將彈坑隨機分布在跑道上，模擬機場跑道遭受到敵方打擊。在MATLAB仿真平臺下，彈坑檢測算法效果如圖7所示，其中，圖7 （a）、圖7 （c）是兩段毀傷后跑道圖像，圖7（b）、圖7 （d）分別是對圖7 （a）、圖7 （c）中彈坑的識別結果。

圖7 毀傷后機場跑道彈坑特征點識別

圖7與表1可知，本文的彈坑識別方法，成功對跑道中的彈坑特征點進行了檢測，檢測時間短，且提取的彈坑特征點包含的信息能夠應用到彈坑直徑測量模型中。

表1 彈坑檢測結果

3.3 彈坑直徑測量仿真

根據上述機場跑道彈坑幾何圖像特征識別方法，毀傷后的機場跑道圖像特征提取和彈坑檢測效果如圖8所示。

圖8 毀傷后機場跑道提取和彈坑檢測

設機場跑道寬度B 為60 m，跑道圖上寬度32 像素，根據彈坑直徑的測量模型，可以由上到下的5個彈坑中心點坐標 （x，y）、圖上直徑d，求得實際直徑D，彈坑上表面面積A，結果見表2。

表2 跑道彈坑參數

通過表2可以看出，彈坑直徑的測量結果比較符合實際情況。實際測量之前根據對圖像的分析可以計算出彈坑的大小，有助于毀傷評估與工程量計算，彌補了傳統方法無法進行彈坑幾何計算的不足。

3.4 跑道毀傷程度評估仿真

通過統計提取特征點的數量對跑道的毀傷程度進行評估。以下是同一段跑道受到不同程度打擊對彈坑特征點的提取情況。彈坑檢測毀傷程度比較如圖9 所示，其中圖9（a）、圖9 （b）、圖9 （c）、圖9 （d）代表同一跑道段遭受的4種不同程度毀傷的彈坑檢測結果。

圖9 彈坑檢測毀傷程度比較

由圖9可以看出彈坑的數目的多少和直徑的大小影響提取特征點的數目，彈坑數目越多，直徑越大，提取特征點的數目越多，跑道的毀傷程度越大，由此可以對機場毀傷程度進行評估，見表3。

表3 不同情況毀傷程度評估

4 結束語

本文提出一種基于Harris算子的彈坑檢測方法，并構建了機場道面彈坑幾何圖像特征識別模型。仿真結果表明，該模型不僅能準確快速地實現機場跑道彈坑識別，而且根據識別得到的特征點，可以對彈坑直徑等幾何特征的測量，并根據特征點數目進行毀傷程度評估。該研究成果對于快速準確的識別彈坑，測量彈坑幾何特征，毀傷評估和工程量計算具有重要意義。

［1］YAN Jie，LIU Jianpo，TANG Weiguang.The damage assessment based on remote sensing image change detection ［J］.Journal of Signal and Information Processing，2010，40 （10）：93－95 （in Chinese）.［顏潔，劉建坡，唐偉廣.基于遙感圖像變化檢測的毀傷效果分析 ［J］.信號與信息處理，2010，40（10）：93－95.］

［2］NIU Penghui，LI Weihua，LI Xiaochun.An airport damage assessment algorithm based on change detection ［J］.Electronics Optics ＆ Control，2012，19 （7）：89－93 （in Chinese）.［牛鵬輝，李衛華，李小春.基于變化檢測的機場毀傷評估算法 ［J］.電光與控制，2012，19 （7）：89－93.］

［3］CHEN Qi，ZHU Mingbo，LIU Xudong.Summarized of battle damage assessment based on image ［J］.Ship Electronic Engineering，2013，33 （4）：10－12 （in Chinese）. ［陳麒，祝明波，劉旭東.基于圖像的打擊效果評估研究綜述 ［J］.艦船電子工程，2013，33 （4）：10－12.］

［4］LIU Xiaofeng.Study of airport damage analysis based on remote sensing target recognition ［D］.Xi’an：Xidian University，2013 （in Chinese）.［劉小鋒.基于遙感圖像目標識別的機場毀傷情況研究 ［D］.西安：西安電子科技大學，2013.］

［5］PU Gang，XU Peng，REN Ping，et al.Reserch on damage effect assesment of airport runways based on image analysis［J］.Ship Electronic Engineering，2012，32 （2）：31－32 （in Chinese）.［蒲剛，許鵬，任平，等.基于圖像分析的機場跑道毀傷效果評估研究［J］.艦船電子工程，2012，32 （2）：31－32.］

［6］YOU Xiaojian.Study of the runway battle damage assessment based on target recognition ［J］.Computer ＆ Digital Engineering，2010 （10）：119－121 （in Chinese）. ［尤曉建.基于目標識別的機場跑道打擊效果評估研究 ［J］.計算機與數字工程，2010 （10）：119－121.］

［7］Bellavia F，Tegolo D，Valenti C.Improving Harris coner selection strategy ［J］.IET Computer Vision，2011，5 （2）：87－96.

［8］HU Liangmei，LI Yang，XIE Zhao，et al.Autonomous registration of LIDAR image to remote sensing image based on Harris corner［C］／／MCMI，2009 （in Chinese）. ［胡良梅，李洋，謝昭，等.基于Harris角點的LIDAR 圖像和遙感圖像的自動配準 ［C］／／第十九屆測控、計量、儀器儀表學術年會論文集，2009.］

［9］LI Haifeng，LU Yanfei.The application of Harris corner detection in color imagine ［J］.Journal of Beijing Electronic Science and Technology Institute，2009，17 （2）：7－11 （in Chinese）.［李海峰，盧燕飛.Harris角點檢測在彩色圖像中的應用 ［J］.北京電子科技學院學報，2009，17 （2）：7－11.］

［10］ZHAO Gaochang，ZHANG Lei，WU Fengbo.Application of improved median filtering algorithm to image de－noising ［J］.Journal of Applied Optic，2011 （4）：678－682 （in Chinese）.［趙高長，張磊，武風波.改進的中值濾波算法在圖像中去噪的應用 ［J］.應用光學，2011 （4）：678－682.］

［11］ZHOU Shanshan，CHAI Jinguang.Filtering algorithm of image preprocessing ［J］.Science Technology and Engineering，2009 （13）：3830－3832（in Chinese）.［周珊珊，柴金廣.圖像預處理的濾波算法研究 ［J］.科學技術與工程，2009 （13）：3830－3832.］

［12］GUO Hongguo，ZHOU Quan，ZHAO Rongchun.An image registration method based on corner detection improved ［D］.Beijing：The 8th National Signal and Information Processing Joint Conference Proceedings，2009 （in Chinese）. ［郭宏國，周銓，趙榮椿.一種改進的基于角點檢測的圖像配準方法［D］.北京：第八屆全國信號與信息處理聯合學術會議論文集，2009.］