【摘要】 本发明公开了基于骨架特征的高分辨率遥感影像飞机提取方法。其包括以下步骤：选择基于嵌入置信度的遥感影像边缘检测算法进行边缘检测，实现基于嵌入置信度的遥感影像边缘检测算法；地物目标边缘的矢量化；用基于约束Delaunay三角网的算法从地物的矢量边缘提取出地物骨架基线；基于二叉树结构的目标主骨架提取算法；飞机目标主要骨架特征分析；飞机目标的自动识别方法实现。本发明实现了飞机目标的自动识别与提取，取得了较好的识别提取效果。飞机目标骨架特征具有旋转不变性、与其他地物的较高区分度等优良特性；实现了自高空间分辨率遥感影像中高效、精确提取地物目标的矢量边缘；实现了改进的目标主骨架提取。 【专利类型】发明申请 【申请人】南京大学 【申请人类型】学校 【申请人地址】210093 江苏省南京市鼓楼区汉口路22号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】鼓楼区 【申请号】CN201010566913.1 【申请日】2010-12-01 【申请年份】2010 【公开公告号】CN102004922A 【公开公告日】2011-04-06 【公开公告年份】2011 【授权公告号】CN102004922B 【授权公告日】2012-12-26 【授权公告年份】2012.0 【IPC分类号】G06K9/62; G06K9/46; G06N3/02 【发明人】李飞雪; 程亮; 刘永学; 李满春; 魏巍; 李真; 陈东; 陈焱明; 赵威 【主权项内容】微信 一种基于骨架特征的高分辨率遥感影像飞机提取方法，包括以下步骤：步骤1：选择基于嵌入置信度的遥感影像边缘检测算法进行边缘检测，以Matlab和Visual C++6.0为平台实现基于嵌入置信度的遥感影像边缘检测算法；步骤2：地物目标边缘的矢量化，首先使用ArcScan对提取得到的地物目标边缘进行矢量化，然后进行矢量拓扑检查和破碎图斑自动滤除得到较好的地物目标边缘矢量对象；步骤3：用基于约束Delaunay三角网的算法从地物的矢量边缘提取出地物骨架基线，分四步完成(1)数据预处理以减少冗余，(2)以地物目标边缘为约束条件构建约束Delaunay三角网，(3)剔除约束Delaunay三角网中位于地物目标外部的所有三角形，(4)对三角网中的每一个三角形逐一提取骨架基线；步骤4：基于二叉树结构的目标主骨架提取算法，主骨架的提取方法是，在骨架分支处，即左右子节点均不为空处，以左右两个分支的面积作为消减标准，舍弃面积较小的分支，保留面积较大的分支，直至终止于地物目标的2个节点，即可得到主骨架；步骤5：飞机目标主要骨架特征分析；以B‑1、Challenger、DC‑10、F‑14、F‑16、Harrier、Mig‑29、Mirage等八种型号的飞机为样本进行飞机目标骨架特征分析，根据八种型号飞机目标骨架特征的相似性得到骨架几何特征参数，骨架网络测度，骨架紧凑度和机长翼展比四个合适的骨架特征参数作为下一步目标识别的判断参数；步骤6：飞机目标的自动识别方法实现，以Matlab为实现平台，实现了基于BP神经网络的飞机目标识别方法的设计，并进行神经网络训练，完成网络训练后进行飞机目标的提取。 【当前权利人】南京大学 【当前专利权人地址】江苏省南京市栖霞区仙林大道163号 【统一社会信用代码】12100000466007458M 【引证次数】4.0 【被引证次数】36 【他引次数】4.0 【被自引次数】4.0 【被他引次数】32.0 【家族引证次数】4.0 【家族被引证次数】38

未经允许不得转载：http://www.zhongzhencnc.com/1785676031.html