機(jī)場(chǎng)跑道視頻異物檢測(cè)與識(shí)別關(guān)鍵技術(shù)研究.pdf

1、機(jī)場(chǎng)跑道異物對(duì)飛機(jī)在跑道上的滑行和起降存在嚴(yán)重安全威脅，會(huì)造成航班延誤、中斷起飛，甚至危及乘客生命。跑道異物檢測(cè)與識(shí)別系統(tǒng)可以有效地對(duì)跑道異物進(jìn)行檢測(cè)并識(shí)別分類(lèi)，分析跑道異物對(duì)飛行安全的危害等級(jí)并進(jìn)行報(bào)警。目前中國(guó)的機(jī)場(chǎng)跑道異物檢測(cè)與識(shí)別系統(tǒng)的開(kāi)發(fā)研制尚處于起步階段，而進(jìn)口的機(jī)場(chǎng)跑道異物檢測(cè)與識(shí)別系統(tǒng)價(jià)格高昂，僅購(gòu)買(mǎi)成本就高達(dá)幾百萬(wàn)美元，后期維護(hù)費(fèi)用更是開(kāi)支龐大。且進(jìn)口的機(jī)場(chǎng)跑道異物檢測(cè)與識(shí)別系統(tǒng)核心技術(shù)不公開(kāi)，無(wú)法獲得其關(guān)鍵技術(shù)?，F(xiàn)階

2、段我國(guó)機(jī)場(chǎng)對(duì)跑道異物的檢測(cè)只是按照固定的時(shí)間，組織工作人員進(jìn)入跑道近距離搜尋跑道異物，搜尋速度慢，占用跑道的時(shí)間長(zhǎng)，且人工搜尋的可靠性較差。因此，我國(guó)必須加快自主研發(fā)跑道異物檢測(cè)與識(shí)別系統(tǒng)的步伐。與其他檢測(cè)系統(tǒng)相比，基于視頻的檢測(cè)系統(tǒng)具有監(jiān)視范圍較廣和檢測(cè)信息較全等優(yōu)點(diǎn)，本文主要研究基于視頻的機(jī)場(chǎng)跑道異物檢測(cè)與識(shí)別系統(tǒng)?？紤]到車(chē)載式視頻檢測(cè)系統(tǒng)的可行性和靈活性，本文在巡道車(chē)上安裝攝像機(jī)及信息處理設(shè)備，構(gòu)成一個(gè)可移動(dòng)的、多信息融合的跑道異

3、物視頻檢測(cè)與識(shí)別系統(tǒng)，能在較短的時(shí)間內(nèi)完成異物的檢測(cè)和識(shí)別分類(lèi)。本文的主要研究?jī)?nèi)容可概括為以下四個(gè)部分：
　　1.基于多特征融合的機(jī)場(chǎng)跑道異物檢測(cè)
　　在異物檢測(cè)領(lǐng)域中得到廣泛應(yīng)用的背景差分法并不適用于車(chē)載式跑道異物視頻檢測(cè)系統(tǒng)，因?yàn)檐?chē)載式跑道異物視頻檢測(cè)系統(tǒng)無(wú)法獲得較短時(shí)間內(nèi)同一區(qū)域的跑道背景，從而無(wú)法構(gòu)建跑道背景。因此本文針對(duì)車(chē)載式跑道異物視頻檢測(cè)系統(tǒng)的特點(diǎn)，提出一種基于多特征融合的跑道異物檢測(cè)方法?？紤]到基于單一特征的

4、跑道異物檢測(cè)方法的局限性，本文提出從灰度、傅里葉頻譜、邊緣、紋理、形狀等多個(gè)特征對(duì)跑道道面及異物進(jìn)行分析；考慮到多特征融合的特點(diǎn)，本文采用D-S證據(jù)理論融合灰度、邊緣、亮度等特征，進(jìn)而實(shí)現(xiàn)對(duì)跑道異物進(jìn)行檢測(cè)。同時(shí)本文利用車(chē)載式跑道異物視頻檢測(cè)系統(tǒng)中連續(xù)采集圖像的優(yōu)勢(shì)，提出采用多幀疊加的方式實(shí)現(xiàn)能量積累，在減弱隨機(jī)噪聲的同時(shí)，增強(qiáng)目標(biāo)異物的信號(hào)強(qiáng)度，從而提高信噪比，優(yōu)化圖像質(zhì)量。實(shí)驗(yàn)結(jié)果表明，與使用單特征檢測(cè)相比，本文所提出的特征融合檢測(cè)

5、方法能夠通過(guò)有效的特征融合提高檢測(cè)精度，在線檢測(cè)可以達(dá)到95.85％的準(zhǔn)確率，使用多幀疊加對(duì)較小異物的離線檢測(cè)查準(zhǔn)率可以提高1.37%。
　　2.機(jī)場(chǎng)跑道異物模式特征提取
　　雖然前述已經(jīng)對(duì)跑道異物的特征進(jìn)行了分析，但其目的是為了實(shí)現(xiàn)跑道異物的快速精準(zhǔn)檢測(cè)。而在實(shí)際情況中，為了減少對(duì)跑道不必要的占用，保證飛行任務(wù)的準(zhǔn)時(shí)和順利進(jìn)行，工作人員會(huì)根據(jù)跑道異物的危險(xiǎn)等級(jí)，做出不同的處理方案。但是初步的異物檢測(cè)并不能夠?qū)崿F(xiàn)危險(xiǎn)等級(jí)的判

6、斷，因此本文進(jìn)一步研究跑道異物的識(shí)別，實(shí)現(xiàn)跑道異物的歸類(lèi)、危害等級(jí)的劃分，從而指導(dǎo)工作人員對(duì)跑道異物進(jìn)行快速合理的處置。機(jī)場(chǎng)跑道異物模式特征的提取是跑道異物識(shí)別的基礎(chǔ)，本文基于小波變換的優(yōu)越性，選擇Gabor小波函數(shù)構(gòu)造Gabor濾波器，對(duì)機(jī)場(chǎng)跑道異物的模式特征進(jìn)行提取。本文進(jìn)一步通過(guò)實(shí)驗(yàn)驗(yàn)證基于Gabor濾波器構(gòu)造的跑道異物模式特征的有效性和可靠性。實(shí)驗(yàn)結(jié)果表明，二維Gabor濾波器能夠較好地適應(yīng)圖像的亮度變化，即對(duì)于光照變化的異物圖

7、像，二維Gabor濾波器對(duì)亮度的響應(yīng)特性較為穩(wěn)定。此外，二維Gabor濾波器對(duì)位置的響應(yīng)特性具有一定的魯棒性，可以減小由于圖像輕微形變產(chǎn)生的噪聲。
　　3.機(jī)場(chǎng)跑道異物模式特征降維
　　Gabor變換會(huì)導(dǎo)致極高的特征空間，給計(jì)算機(jī)的識(shí)別計(jì)算帶來(lái)困難。因此，將高維特征空間映射或變換到低維特征空間，可以有效的緩解高維特征給計(jì)算機(jī)帶來(lái)的數(shù)據(jù)計(jì)算壓力，提高計(jì)算機(jī)的識(shí)別效率，增強(qiáng)低維空間特征的有效性。通過(guò)分析目前降維方法，例如主成分分

8、析、線性判別分析、局部線性嵌入等存在的問(wèn)題，本文提出一種加權(quán)核局部線性嵌入降維方法，并通過(guò)實(shí)驗(yàn)驗(yàn)證本文提出的加權(quán)核局部線性嵌入算法在數(shù)據(jù)降維性能和識(shí)別性能上的優(yōu)勢(shì)。實(shí)驗(yàn)結(jié)果表明，本文提出的加權(quán)核局部線性嵌入算法在維數(shù)降低為30時(shí)，近鄰數(shù)為30所得到的識(shí)別性能最好，優(yōu)于其他傳統(tǒng)方法。
　　4.機(jī)場(chǎng)跑道異物識(shí)別分類(lèi)
　　針對(duì)目前分類(lèi)算法中訓(xùn)練時(shí)間長(zhǎng)、對(duì)不均衡樣本適應(yīng)性差的問(wèn)題，本文提出一種基于雙支持向量機(jī)的有向無(wú)環(huán)圖多分類(lèi)方法—

9、—有向無(wú)環(huán)圖-雙支持向量機(jī)(DAG-TWSVM)。采用有向無(wú)環(huán)圖的決策方法將k分類(lèi)問(wèn)題分解為k(k-1)/2個(gè)二分類(lèi)問(wèn)題，然后以雙支持向量機(jī)將每個(gè)二分類(lèi)問(wèn)題分解為求解兩個(gè)簡(jiǎn)單的二次規(guī)劃問(wèn)題。將本文所提出的新方法與傳統(tǒng)的多分類(lèi)支持向量機(jī)進(jìn)行比較，通過(guò)實(shí)驗(yàn)驗(yàn)證本文的有向無(wú)環(huán)圖-雙支持向量機(jī)的高效性。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的多分類(lèi)支持向量機(jī)相比，本文所提出的有向無(wú)環(huán)圖-雙支持向量機(jī)在保證分類(lèi)正確率的基礎(chǔ)上更能顯示出訓(xùn)練時(shí)間上的優(yōu)越性。在不均衡樣

10、本情況下，也可以得到較高的分類(lèi)精度。
　　本文研究基于車(chē)載視頻的跑道異物檢測(cè)與識(shí)別系統(tǒng)，對(duì)跑道異物檢測(cè)、模式特征提取、特征降維、異物識(shí)別分類(lèi)等關(guān)鍵問(wèn)題進(jìn)行研究，提供一種低成本的、機(jī)動(dòng)性強(qiáng)的跑道異物檢測(cè)與識(shí)別系統(tǒng)解決方案，這一工作的開(kāi)展對(duì)國(guó)內(nèi)現(xiàn)有跑道異物檢測(cè)與識(shí)別系統(tǒng)的研究是一個(gè)有力補(bǔ)充。本文取得的創(chuàng)新性研究結(jié)果總結(jié)如下：
　　1.本文提出一種基于特征融合的機(jī)場(chǎng)跑道異物檢測(cè)方法，解決了先前跑道異物檢測(cè)方法的局限性，優(yōu)化了機(jī)場(chǎng)跑

11、道異物檢測(cè)與識(shí)別系統(tǒng)的設(shè)計(jì)方案。本文通過(guò)在機(jī)場(chǎng)跑道上的實(shí)際測(cè)試實(shí)驗(yàn)，通過(guò)比較單特征檢測(cè)和多特征融合檢測(cè)的多項(xiàng)性能指標(biāo)，即查準(zhǔn)率、查全率、虛警率和漏檢率，驗(yàn)證了所提出的基于特征融合的機(jī)場(chǎng)跑道異物檢測(cè)方法的有效性，實(shí)現(xiàn)對(duì)機(jī)場(chǎng)跑道上的異物進(jìn)行及時(shí)準(zhǔn)確的檢測(cè)。
　　2.本文提出在異物檢測(cè)的基礎(chǔ)上，進(jìn)一步利用車(chē)載視頻對(duì)跑道異物進(jìn)行識(shí)別分類(lèi)和危害等級(jí)劃分。本文構(gòu)建了較為全面的跑道異物圖像庫(kù)，為機(jī)場(chǎng)跑道異物檢測(cè)與識(shí)別系統(tǒng)的發(fā)展和優(yōu)化提供所需要的

12、基本資料和統(tǒng)計(jì)分析。本文利用Gabor小波函數(shù)對(duì)機(jī)場(chǎng)跑道異物的模式特征進(jìn)行提取，并通過(guò)實(shí)驗(yàn)驗(yàn)證基于Gabor濾波器構(gòu)造的跑道異物模式特征的有效性和可靠性。
　　3.本文提出一種加權(quán)核局部線性嵌入降維方法，減小了噪聲和樣本外點(diǎn)對(duì)降維和分類(lèi)性能的影響，并將所提出的方法與經(jīng)典算法PCA、LDA、LE、LLE等降維方法在自主建立的機(jī)場(chǎng)跑道異物圖像庫(kù)中進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文提出的加權(quán)核局部線性嵌入算法的數(shù)據(jù)降維性能和識(shí)別性能均優(yōu)于