本文主要是介绍图像处理-遥感图像飞机小目标提取，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
第一个是遥感飞机图像小目标提取，就是一张从高空拍摄的机场的照片，最后完成时将图像中的飞机数量求出，并标记出位置。总的流程可以分为图片预处理，提取特征，匹配特征，标记计数。先在原图中截取背景单一的含有目标提取物的图片进行特征采集，可使匹配更加准确。特征采集过程与图像处理是一个过程，只是一个数据采集的过程。
预处理的目的是将图片二值化，利用连通域去除大面积的背景杂物，主要的杂物背景包括一些大面积的建筑物，停靠机台这样的。
首先将图片进行灰度化处理，灰度图像是RGB三个分量相同的一种特殊的彩色图像，一个像素点的范围是0-255，（第一种方法是求出每个像素的RGB三个分量的平均值，然后将这个平均值赋予这个像素的三个分量），然后根据大律算法（Otsu）进行自动阈值分割，大律算法就是最小类间差，按照图像的灰度特性，将图像分为背景和前景两个部分，因为方差是灰度分布均匀性的一种度量，背景和前景之间的类间方差越大，说明构成图像的两部分差别越大，当部分前景错分为背景或部分背景都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。还有一种简单的比较可行的方法就是对图片描绘灰度直方图，假如呈现双峰状态，则可以选波谷处的灰度值进行分割，进行这些处理后，图片将只剩下前景和背景，此时像素也只有0和1的差别了，一般飞机外壳是白色的，图像灰度化后对应部分也会相对较亮，所以一般提取目标物二值化化后的一般是白色区域部分，这个时候对图片进行开运算或者闭运算，闭运算是对图像先膨胀再进行腐蚀处理，开运算是对图像先腐蚀再膨胀，当目标提取物比较密集是使用闭运算效果比较好，否则选取开运算比较好，开运算可以去掉孤立的小点，毛刺和小桥，闭运算可以让很多重新弥合裂缝形成一个完整的连通域，然后利用regionprops函数去除面积过大或者过小的的连通阈区域，可以去除掉大面积的建筑物，因为二值化后像素就是0和1，此时通过统计1的个数就可以算出面积了，目标提取物的面积范围的确定可以以之前截取的样本计算出的面积为基准，波动范围根据图片的比例设定。利用角点检测（利用曲率和梯度）进一步确定待提取的目标连通阈，
（角点：主要指的是轮廓的交点，图像中亮度变化剧烈的点，或者是边缘中曲率取极大值的点，角点检测分两类：基于图像边缘的检测方法、基于图像灰度的检测方法。前者往往需要对图像边缘进行编码，这在很大程度上依赖于图像的分割和边缘提取，具有较大的计算量，而且检测目标局部发生变化就可能失败，后者主要是通过计算点的曲率及梯度来检测角点。
Harris-Laplacian 角点检测法是基于Moravec算子和自相关函数数理论得来的，通过计算自相关的特征值来判断是否有角点，具有尺寸不变形）
将已经处理的图像和原灰度图像都进行角点检测后，再进行与处理，选择角点较多的连通阈块作为目标提取块
这篇关于图像处理-遥感图像飞机小目标提取的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
