機(jī)場跑道視頻異物檢測與識別關(guān)鍵技術(shù)研究.pdf

1、機(jī)場跑道異物對飛機(jī)在跑道上的滑行和起降存在嚴(yán)重安全威脅，會造成航班延誤、中斷起飛，甚至危及乘客生命。跑道異物檢測與識別系統(tǒng)可以有效地對跑道異物進(jìn)行檢測并識別分類，分析跑道異物對飛行安全的危害等級并進(jìn)行報警。目前中國的機(jī)場跑道異物檢測與識別系統(tǒng)的開發(fā)研制尚處于起步階段，而進(jìn)口的機(jī)場跑道異物檢測與識別系統(tǒng)價格高昂，僅購買成本就高達(dá)幾百萬美元，后期維護(hù)費用更是開支龐大。且進(jìn)口的機(jī)場跑道異物檢測與識別系統(tǒng)核心技術(shù)不公開，無法獲得其關(guān)鍵技術(shù)?，F(xiàn)階

2、段我國機(jī)場對跑道異物的檢測只是按照固定的時間，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，占用跑道的時間長，且人工搜尋的可靠性較差。因此，我國必須加快自主研發(fā)跑道異物檢測與識別系統(tǒng)的步伐。與其他檢測系統(tǒng)相比，基于視頻的檢測系統(tǒng)具有監(jiān)視范圍較廣和檢測信息較全等優(yōu)點，本文主要研究基于視頻的機(jī)場跑道異物檢測與識別系統(tǒng)。考慮到車載式視頻檢測系統(tǒng)的可行性和靈活性，本文在巡道車上安裝攝像機(jī)及信息處理設(shè)備，構(gòu)成一個可移動的、多信息融合的跑道異

3、物視頻檢測與識別系統(tǒng)，能在較短的時間內(nèi)完成異物的檢測和識別分類。本文的主要研究內(nèi)容可概括為以下四個部分：
　　1.基于多特征融合的機(jī)場跑道異物檢測
　　在異物檢測領(lǐng)域中得到廣泛應(yīng)用的背景差分法并不適用于車載式跑道異物視頻檢測系統(tǒng)，因為車載式跑道異物視頻檢測系統(tǒng)無法獲得較短時間內(nèi)同一區(qū)域的跑道背景，從而無法構(gòu)建跑道背景。因此本文針對車載式跑道異物視頻檢測系統(tǒng)的特點，提出一種基于多特征融合的跑道異物檢測方法?？紤]到基于單一特征的

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

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

6、斷，因此本文進(jìn)一步研究跑道異物的識別，實現(xiàn)跑道異物的歸類、危害等級的劃分，從而指導(dǎo)工作人員對跑道異物進(jìn)行快速合理的處置。機(jī)場跑道異物模式特征的提取是跑道異物識別的基礎(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，對機(jī)場跑道異物的模式特征進(jìn)行提取。本文進(jìn)一步通過實驗驗證基于Gabor濾波器構(gòu)造的跑道異物模式特征的有效性和可靠性。實驗結(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，即對于光照變化的異物圖

7、像，二維Gabor濾波器對亮度的響應(yīng)特性較為穩(wěn)定。此外，二維Gabor濾波器對位置的響應(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)場跑道異物模式特征降維
　　Gabor變換會導(dǎo)致極高的特征空間，給計算機(jī)的識別計算帶來困難。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算機(jī)帶來的數(shù)據(jù)計算壓力，提高計算機(jī)的識別效率，增強(qiáng)低維空間特征的有效性。通過分析目前降維方法，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題，本文提出一種加權(quán)核局部線性嵌入降維方法，并通過實驗驗證本文提出的加權(quán)核局部線性嵌入算法在數(shù)據(jù)降維性能和識別性能上的優(yōu)勢。實驗結(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，近鄰數(shù)為30所得到的識別性能最好，優(yōu)于其他傳統(tǒng)方法。
　　4.機(jī)場跑道異物識別分類
　　針對目前分類算法中訓(xùn)練時間長、對不均衡樣本適應(yīng)性差的問題，本文提出一種基于雙支持向量機(jī)的有向無環(huán)圖多分類方法—

9、—有向無環(huán)圖-雙支持向量機(jī)(DAG-TWSVM)。采用有向無環(huán)圖的決策方法將k分類問題分解為k(k-1)/2個二分類問題，然后以雙支持向量機(jī)將每個二分類問題分解為求解兩個簡單的二次規(guī)劃問題。將本文所提出的新方法與傳統(tǒng)的多分類支持向量機(jī)進(jìn)行比較，通過實驗驗證本文的有向無環(huán)圖-雙支持向量機(jī)的高效性。實驗結(jié)果表明，與傳統(tǒng)的多分類支持向量機(jī)相比，本文所提出的有向無環(huán)圖-雙支持向量機(jī)在保證分類正確率的基礎(chǔ)上更能顯示出訓(xùn)練時間上的優(yōu)越性。在不均衡樣

10、本情況下，也可以得到較高的分類精度。
　　本文研究基于車載視頻的跑道異物檢測與識別系統(tǒng)，對跑道異物檢測、模式特征提取、特征降維、異物識別分類等關(guān)鍵問題進(jìn)行研究，提供一種低成本的、機(jī)動性強(qiáng)的跑道異物檢測與識別系統(tǒng)解決方案，這一工作的開展對國內(nèi)現(xiàn)有跑道異物檢測與識別系統(tǒng)的研究是一個有力補(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)場跑道異物檢測方法，解決了先前跑道異物檢測方法的局限性，優(yōu)化了機(jī)場跑

11、道異物檢測與識別系統(tǒng)的設(shè)計方案。本文通過在機(jī)場跑道上的實際測試實驗，通過比較單特征檢測和多特征融合檢測的多項性能指標(biāo)，即查準(zhǔn)率、查全率、虛警率和漏檢率，驗證了所提出的基于特征融合的機(jī)場跑道異物檢測方法的有效性，實現(xiàn)對機(jī)場跑道上的異物進(jìn)行及時準(zhǔn)確的檢測。
　　2.本文提出在異物檢測的基礎(chǔ)上，進(jìn)一步利用車載視頻對跑道異物進(jìn)行識別分類和危害等級劃分。本文構(gòu)建了較為全面的跑道異物圖像庫，為機(jī)場跑道異物檢測與識別系統(tǒng)的發(fā)展和優(yōu)化提供所需要的

12、基本資料和統(tǒng)計分析。本文利用Gabor小波函數(shù)對機(jī)場跑道異物的模式特征進(jìn)行提取，并通過實驗驗證基于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對降維和分類性能的影響，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)場跑道異物圖像庫中進(jìn)行對比實驗。實驗結(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)降維性能和識別性能均優(yōu)于