基于三维地理定位的机场障碍物识别定位方法.pdf

第3 1 卷第6 期计算机仿真 2 0 1 4 年6 月 文章编号：1 0 0 6 9 3 4 8 ( 2 0 1 4 ) 0 6 0 0 3 6 0 4 基于三维地理定位的机场障碍物识别定位方法 赵哲1 ，马晓琚2 ( 1 安阳师范学院计算机与信息工程学院，河南安阳4 5 5 0 0 0 ； 2 安阳师范学院公共计算机教学部，河南安阳4 5 5 0 0 0 ) 摘要：研究机场的障碍物有效三维识别问题。机场上的障碍物规则很难形成有效的数学约束，造成三维识别效果不好。为 了避免上述缺陷，提出了一种基于P C A 和L D A 融合算法的机场障碍物识别方法。针对三维地理定位采集的图像，进行二值 化处理，从而提高机场障碍物图像的对比度，为机场障碍物识别提供依据。利用P C A 和L D A 融合算法，提取机场障碍物图 像的低维度特征，根据特征对机场障碍物进行有效的识别，从而使飞机在行驶的过程中对障碍物进行规避，保证了飞机的安 全。实验结果表明，利用上述算法进行机场障碍物识别，可以有效提高识别的准确性，从而保证飞机在跑道上行驶的过程中 能够对障碍物进行准确的规避，取得了令人满意的结果。 关键词：三维地理定位；机场障碍物；图像识别 中图分类号：T P 3 9 1 9 文献标识码：B I d e n t i f i c a t i o nM e t h o do fA i r p o r tB a r r i e rB a s e do n 3 DG e o g r a p h i c a lL o c a t i o n Z H A OZ h e l M AX i a o i u n 2 ( 1 S c h o o lo fc o m p u t e ra n di n f o r m a t i o ne n g i n e e r i n go fA n y a n gN o r m a lU n i v e r s i t y ，A n y a n gH e n a n4 5 5 0 0 0 ，C h i n a ； 2 C o m p u t e rT e a c h i n gD e p a r t m e n to fA n y a n gN o r m a lU n i v e r s i t y ，A n y a n gH e n a n4 5 5 0 0 0 ，C h i n a ) A B S T R A C T ：T h ee f f e c t i v e3 一Dr e c o g n i t i o np r o b l e mo fa i r p o r tb a r r i e rw a ss t u d i e di nt h i sp a p e r I ti sd i f f i c u l tf o r t h er u l eo fa i r p o r tb a r r i e rt of o r ma ne f f e c t i v em a t h e m a t i c a lc o n s t r a i n t r e s u l t i n gi nb a d3 一Dr e c o g n i t i o ne f f e c t I no 卜 d e rt oa v o i dt h ea b o v ed e f e c t s ，t h i sp a p e rp r o p o s e da na i r p o r tb a r r i e rr e c o g n i t i o nm e t h o db a s e do nt h ef u s i o na l g o r i t h m o fP C Aa n dL D A F o rt h ec o l l e c t e d3 一Dg e o g r a p h i c a ll o c a t i o ni m a g e s ，t h eb i n a r i z a t i o np r o c e s s i n gw a si m p l e m e n - t e d ，S Oa st oi m p r o v et h ec o n t r a s to ft h ea i r p o r tb a r r i e ri m a g ea n dp r o v i d et h eb a s i sf o rt h ea i r p o r tb a r r i e rr e c o g n i t i o n P C Aa n dL D Af u s i o na l g o r i t h mw a se m p l o y e dt oe x t r a c tt h el o wd i m e n s i o nc h a r a c t e r i s t i c so fa i r p o r tb a r r i e ri m a g et oi d e n t i f yt h ea i r p o r tb a r r i e re f f e c t i v e l ya c c o r d i n gt ot h ec h a r a c t e r i s t i c s s ot h a t t h ea i r c r a f tc a na v o i db a r r i e ri nt h e p r o c e s so fd r i v i n ga n de n s u r et h es a f e t yo ft h ea i r c r a f t T h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ea l g o r i t h mp r e s e n t e di n t h i sp a p e rc a ne f f e c t i v e l yi m p r o v et h ea c c u r a c yo fr e c o g n i t i o n ，t h u se n s u r i n gt h a tt h ea i r c r a f to nt h er u nw a yc a na c c u r a t e l ya v o i dt h eb a r r i e ra n da c h i e v es a t i s f a c t o r yr e s u l t s K E Y W O R D S ：T h r e e d i m e n s i o n a lg e o g r a p h i cl o c a t i o n ；A i r p o r to b s t a c l e ；I m a g er e c o g n i t i o n 1 引言 随着三维地理定位技术的不断发展和普及，该技术在不 同领域应用的范围也越来越广泛。将三维地理定位技术 应用到机场管理领域中，能够对机场障碍物进行识别，从而 为飞机的安全行驶提供保障2J 。因此，基于三维地理定位的 机场障碍物识别定位方法，已经成为三维地理定位领域的专 收稿日期：2 0 1 3 0 8 2 7 修回日期：2 0 1 3 0 9 1 4 3 6 一 家需要研究的热点课题Ho 。现阶段，主流的机场障碍物识别 方法包括基于神经网络算法的机场障碍物识别方法、基于混 合特征分解算法的机场障碍物识别方法和基于三维特征相 似性识别算法的机场障碍物识别方法。4 “o 。其中，最常用的 是基于三维特征相似性识别算法的机场障碍物识别方法7J 。 由于机场障碍物识别方法拥有极为广阔的发展空间，因此， 受到了很多专家和学者的重视，成为大家研究的焦点问题， 受到了极为广泛的关注o 。 利用三维特征识别算法进行特征提取，并且根据提取的 万方数据 特征进行相似性计算，能够完成机场障碍物识别定位一1 。但 是，机场上的障碍物规则很难形成有效的数学约束，造成三 维识别效果不好。 为了避免上述传统算法的弊端，提出了一种基于P C A 和L D A 融合算法的机场障碍物识别方法。针对三维地理定 位采集的图像，进行二值化处理，从而提高机场障碍物图像 的对比度，为机场障碍物识别提供依据。利用P C A 和L D A 融合算法，提取机场障碍物图像的低维度特征，根据该特征 对机场障碍物进行有效的识别，从而使飞机在行驶的过程中 对障碍物进行规避，保证了飞机的安全。实验结果表明，利 用本文算法进行机场障碍物识别，可以有效提高识别的准确 性，从而保证飞机在跑道上行驶的过程中能够对障碍物进行 准确的规避，取得了令人满意的结果。 2 机场障碍物G I S 识别定位方法原理 在机场障碍物识别定位的过程中，需要采集三维地理定 位图像，将该图像作为障碍物定位识别的依据。其详细内容 如下所述： 在根据三维地理定位图像进行机场障碍物识别定位的 过程中，需要对机场障碍物边缘进行有效的检测。在检测 时，机场障碍物边缘的结构元素可以用图1 表示。 一 _ _ _ _ _ - _ 图1边缘检测结构元素分布图 在上图中，包含不同种类的边缘像素基本结构，能够描 述机场障碍物边缘的特性。 在机场障碍物识别的过程中，边缘特征检测的详细步骤 如下所述： 设置机场障碍物图像的基本检测结构元素的数目是m 个，上述元素构成的序列能够用 d 。 表示，针对该序列中的 元素进行膨胀处理，可以获取多尺度检测结果g D 。 设置三维地理定位图像能够用日( z ，n ) 进行描述，利用 上面阐述的方法进行机场障碍物边缘检测，获取的边缘梯度 变换参数可以用L ( z ，o ) 表示，则可以得到下述结果： f ，。( z ，o ) = C k l q k ( Z ，口) ( 1 ) 在上述公式中，c 。能够用来描述取值相等的数值，其关 联性如下所述： 1 ， 、 。l2 。2 一2 。m 2i L z ， 针对上述数据进行灰度变换处理，可以获取障碍物图像 边缘检测结果民( z ，o ) 。 根据多尺度合成相关理论，能够得到障碍物图像边缘区 域的定位结果如下所述： h ( z ，n ) = 玉( 叩) ( 3 ) 在上述公式中， ( 。，o ) 能够用来描述机场障碍物图像边 缘区域的位置， m ，凡 能够用来描述q 的取值区间，能够 用来描述不同的检测结构元素所占的比例。 利用下述公式能够计算机场障碍物图像边缘特征的相 似度： u ：以i i 再再可币百了_ 可F 而 ( 4 ) 设置机场障碍物识别阈值能够用P 进行描述，如果U P ，则可以确定该机场障碍物像素点属于障碍物区域，否则识 别失败。不断重复上述步骤，直至获取机场障碍物识别的 全部结果。 根据上面的阐述能够得知，可以针对三维地理定位采集 的图像，进行二值化处理，从而提高机场障碍物图像的对比 度，为机场障碍物识别提供依据。利用P C A 和L D A 融合算 法，提取机场障碍物图像的低维度特征，根据该特征对机场 障碍物进行有效的识别，从而使飞机在行驶的过程中对障碍 物进行规避，保证了飞机的安全。 3 机场障碍物识别定位优化方法 利用传统的特征相似性识别算法对机场障碍物进行识 别定位，由于机场上的障碍物规则很难形成有效的数学约 束，造成三维识别效果不好。为此，提出了一种基于P C A 和 L D A 融合算法的机场障碍物识别方法。 3 1 三维地理定位图像二值化处理 根据最大熵相关理论，能够对机场障碍物图像进行二值 化处理。在上述过程中，应该对三维地理定位图像中的信息 量进行计算。设置三维地理定位图像中包含机场障碍物的 概率能够用 P 。，P ：，P 。 表示，则可以得到下述结果，用来 描述上述事件的熵： G = 一P I l n p t ( k = 1 ，2 ，M ) ( 5 ) 由于P l + p 2 + + n = 1 ，则在P l = P 2 = P 。时，可以获取机 场障碍物识别过程中的最大熵。 根据最大熵相关理论，能够对三维地理定位图像进行有 效的二值化处理，选择合理的阈值对上述图像中的全部像素 进行分类，在该图像的信息量达到极大值时，获取对应的分 类阈值。其详细内容如下所述： 1 ) 在三维地理定位图像中，全部像素灰度的取值范围是 0 ，2 5 5 】，利用下述公式能够计算其分布概率： 一3 7 万方数据 P = L ( k = 0 ，1 ，2 ，2 5 5 ) ( 6 ) 2 ) 设置三维地理定位图像的像素按照灰度进行分类的 初始阈值是V = V o ，根据上述阈值，能够将全部像素分为E ， 和E 2 两个类别。 3 ) 根据下述公式可以对上述不同类别的三维地理定位 图像像素进行平均熵的计算： G = 一( p 。p ，) I n ( m p ，) G 2 = 一( p ( 1 一P v ) l n ( p ( 1 一P v ) ( 7 ) 在上述公式中，P ，= P 。 4 ) 根据合理的三维地理定位图像像素分类阈值，能够将 该图像分为E 和E ：两个类别。上述分类过程需要满足下 述要求： ，+ R I “：u = m a x + 疋 ( 8 ) 根据上述方法，可以对三维地理定位图像进行有效的二 值化处理，从而为机场障碍物识别定位提供准确的依据。 3 2 实现机场障碍物识别 利用P C A 和L D A 融合算法，提取机场障碍物图像的低 维度特征，根据该特征对机场障碍物进行有效的识别，从而 使飞机在行驶的过程中对障碍物进行规避，保证了飞机的安 全。其详细步骤如下所述： 设置针对三维地理定位图像进行机场障碍物识别定位 的类间离散度可以用玑表示，上述离散度对应的阈值可以 用U 。表示。 利用下述公式能够计算机场障碍物图像类间离散度： u 。= r ( p 。) ( 加。一删) ( 训。一甜) ” ( 9 ) 利用下述公式能够计算机场障碍物图像类内离散度： U r = k 耋G 坠号I Z 等丛】 ， = l o L o 在上述公式中，r ( g 。) 是第k 帧三位地理定位图像的先 验概率，W = G ( z ) 可以表示对应的图像特征分量，其公式如 下所述： W = r ( m ) ( 1 1 ) 根据下述公式可以计算机场障碍物识别过程中样本特 征分量的平均值： 孔= H ( 兰)( 1 2 ) 假设三维地理定位图像的数目比较少，容易存在类内矩 阵奇异的缺陷。所以，应该利用P C A 算法对三维地理定位图 像进行有效的降维，并且将获取的结果映射到特征空间中， 利用L A D 算法对特征空间进行变换，其公式如下所述： sm 哪器 ( 1 3 ) 将P C A 算法与l A D 算法进行融合，可以获取下述结果： Y = y P c y 胍 ( 1 4 ) 根据P C A 和I A D 融合算法进行机场障碍物识别定位， 得到的识别公式如下所述： z 7 = r z = y 麓琏=( 1 5 ) 根据上面阐述的方法，能够针对三维地理定位采集的图 像，进行二值化处理，从而提高机场障碍物图像的对比度，为 机场障碍物识别提供依据。利用P C A 和L D A 融合算法，提 取机场障碍物图像的低维度特征，根据该特征对机场障碍物 进行有效的识别，从而使飞机在行驶的过程中对障碍物进行 规避，保证了飞机的安全。 4 实验结果分析 为了验证本文提出的基于P C A 和L D A 融合算法的机场 障碍物识别方法的有效性，需要进行一次实验。 在实验的过程中，采集的三维地理定位图像能够用图2 进行描述。 图2 实验样本图像 利用传统算法进行机场障碍物识别，获取的结果能够用 图3 进行描述。 图3 传统算法识别结果 利用本文算法进行机场障碍物识别，获取的结果能够用 万方数据 图4 进行描述。 图4 本文算法识别结果 将上述两幅图进行对比可以得知，利用本文算法进行机 场障碍物识别，识别的结果与实际情况更加接近。 针对三维地理定位图像进行机场障碍物识别，衡量识别 方法的重要指标是识别的误差，其公式如下所述： ：生坠型( 1 6 ) = 一 ll oJ 妒c 在上述实验过程中，分别利用传统算法和本文算法针对 三维地理定位结果进行障碍物识别，识别的误差能够用图5 进行描述。 1234567891 0 实验次数腴 本文算法 传统算法 图5 不同算法识别误差对比图 将上述实验过程中的数据进行整理分析，能够得到表1 。 表1不同算法识别误差对比数据表 识别误差( ) 实验次数 传统算法本文算法 根据上述数据表中的内容能够得知，利用本文算法进行 机场障碍物识别定位，识别的误差远远小于传统算法，充分 展示了本文算法的优越性。 5 结束语 本文提出了一种基于P C A 和L D A 融合算法的机场障碍 物识别方法。针对三维地理定位采集的图像，进行二值化处 理，从而提高机场障碍物图像的对比度，为机场障碍物识别 提供依据。利用P C A 和L D A 融合算法，提取机场障碍物图 像的低维度特征，根据该特征对机场障碍物进行有效的识 别，从而使飞机在行驶的过程中对障碍物进行规避，保证了 飞机的安全。实验结果表明，利用本文算法进行机场障碍物 识别，可以有效提高识别的准确性，从而保证飞机在跑道上 行驶的过程中能够对障碍物进行准确的规避，取得了令人满 意的结果。 参考文献： 1 高清维，李海鹰，庄镇泉，王涛基于平稳小波变换的心电信号 噪声消除方法 J 电子学报，2 0 0 3 ，3 2 ( 2 ) ：2 3 5 2 4 0 2 李士心，刘鲁源，杨哗，陈刚基于平稳小波变换的陀螺仪信号 去噪方法 J 天津大学学报，2 0 0 3 ，3 6 ( 2 ) ：1 6 5 1 6 8 3 B e g o n eP ，S t o l cV ，R o y c eT E ，e ta 1 Gl o b a li d e n t i f i c a t i o no fh u m a n t r a n s c r i b e ds e q u e n c e sw i t hg e n o met i l i n ga r r a y s J S c i e n c e ， 2 0 0 4 ，3 0 6 ( 2 4 ) ：2 2 4 2 4 王建强基于G I S 空间分析的丽水区域经济空间自相关研究 J 科技通报，2 0 1 3 ，4 ( 2 9 ) ：4 6 5 KH i r a k a w a ，TWP a r k s I m a g eD e n o i s i n gf o rS i g n a l D e p e n d e n t N o i s e J I E E EI C A S S P ，2 0 0 5 ，2 ：2 9 3 2 6 HT i a n ，BF o w l e r ，AEG a m a l A n a l y s i so fT e m p o r a lN o i s ei n C M O SP h o t o d i o d eA c t i v eP i x e lS e n s o r J I E E EJ n l S o l i d S t a t e C i r c u i t s ，2 0 0 1 ，3 6 ( 1 ) ：9 2 1 0