利用卫星或飞机等所摄取的图象来获取地面目标，一直是空间技术获取有关地面信息的重要手段，它已经被广泛应用于国防和经济建设以及环境保护地球资源勘探中。如何从这些图象中自动获取有用的信息一直是图象识别方面的重要课题之一，国内外科学工作者已经做了大量的研究并取得了一些可喜的成果，然而真正实用的较少。进行这方面研究的目的是为了推广其应用，因此，需要寻找一条解决图象识别的途径来满足我们的实用要求是非常重要的。首先，图象中的目标可以分成两种类型，一种是自然目标即一些自然物，
另一种是人造目标比如高楼、公路、大桥等。目标可以是一些重要标志性的建筑物或者形状固定的对象，通常我们要寻找的是一些特定的目标，对于这一类别的识别称为特定目标识别。
        本文将介绍一种特定目标─机场跑道的识别方法。我们进行这项工作的目的有两个方面：第一，这项特殊的任务对各种应用具有较大的实际意义；第二，这个问题所涉及的领域提供了一个丰富的实验基地，为建造一个可视化的专家系统奠定了基础。我们相信这项实验所涉及的特殊领域是开发更普通可视系统的基础。本文提出的算法不可能对所有的工作有用处，但希望这种方法能够胜任相似的工作。以下将分别介绍系统的构造、建模方法、跑道定位和跟踪等问题。
1 系统概述
机场跑道属于特定的目标之一，如果能从航空图象中提取出跑道信息将给我们实现自动导航、飞机安全着陆提供更多的帮助。利用跑道识别来进行导航是一个新的课题，它与传统的方法相比有主动性强、抗干扰能力强等优点，因此研究图象制导具有重要的实际意义。跑道最显著的特征是长、细、长方形区域具有一致的明
亮度，然而跑道模型的建立仅有这些是不够的，检测跑道的任务是相当复杂的，这主要有以下原因：
（1）表面的标记 跑道表面具有各种各样的标记，这些标记被用来识别这些区域，其目的主要是为了安全的考虑和帮助飞行员清楚地识别跑道。在许多情况下可见标志具有重要用途，这些标记比如轮胎和表面磨损处、油污处、排气污迹等，都是判识的依据。
（2）表面组成 跑道表面可能不是同一种材料铺制成的，这是由于区域的修补和要求的不同而造成的。
（3）其它目标的遮挡 跑道表面可能被一些交通工具如飞机、卡车等覆盖，同时摄影时云层的遮挡，一条跑道可能与另一条跑道交叉等因素都会引起异议。我们假设图象具有非常好的质量，那么工作主要涉及从
灰度图象中提取边界点，然后再从这些边界点中计算出直线段、连接、判断识别。整个系统由边缘提取、直线段搜索、直线段拟合连接、区域特征提取、目标区域定位、目标识别和控制部分6个模块组成，系统流程图如图1所示，各模块的作用分别为：
（1）边缘提取 在获得一帧图象后利用边缘提取算法提取出相应的边界点，保存其相应的结果。我们使用了
Sobel算子来提取边界；
（2）直线段搜索 根据边界点的位置和连续性，搜索能构成直线的边界点(点数大于5)并以方向划分形成不同的直线组；
（3）直线段拟合连接 将以上直线段组按照一定的规则和约束连接可能为同一直线的直线段；
（4）区域特征提取 根据直线段的拟合结果对相应的直线段按平行、间距等特征提取可能的平行线对，然后计算其特征；
（5）区域目标定位 对可能是跑道的区域进行定位，给出方向坐标；
（ 6）目标识别验证 根据区域内外的一些标记特征进行目标识别验证；
（7）控制模块 根据识别的结果进行跟踪控制。

2 目标建模
经过对大量的图象分析，我们发现跑道在图象中有一些基本的特征，这为人们建模提供了帮助。首先来看跑道的特征：(1)跑道区域内表面较为均匀一致；(2)跑道边缘清晰可近似为两条平行线；(3)跑道长、宽在远距离观看时变化较慢且长宽在一定范围内，长、宽较为固定，可以根据长、宽门限值来判定；(4)跑道上通常有一些标记可作为验证跑道的依据。
我们的方法使用了下列知识源：
(1)几何形状 我们知道需要寻找目标的实例，它们的轮廓代表一个矩形形态且具有长宽比一定的特征，跑道同高速路相比具有明显的两端；
(2)机场设计的特殊知识 我们知道在一幅图象中机场跑道具有可见的长带状，标准标记被应用于表面，按照一定的规范来建造的；
(3)光学知识 灰度数据在确认跑道假设时具有一些帮助。
根据跑道在图象中的特征，我们抽象其模型为：(1)长、宽在一定范围；(2)跑道边缘为一对贯穿整个路段的平行线；(3)跑道上的灰度分布较均匀；(4)有明显的两端。模型建立的过程如下：(1)设R(x,y)为所有Sobel算子提取出的边缘点的集合；(2)在R(x,y)中根据直线特征方程搜索共线的点，其中L(k)表示第K条直线点的集合；(3)计算L(k)的方向夹角θ(k)；(4)在θ< 5°的范围连接同一方向邻域内的d<5个象素(d为两直线的距离)的直线段形成新的线段集合；(5)根据平行性和长宽距判断是否是机场跑道；(6)验证结果的正确性。
3 识别验证
如果在第K帧搜索到跑道，那么在第K +1帧要对跑道进行认证，确认后进行连续跟踪。如某一帧目标丢失，应及时地进行方位校正，重新进行判别和跟踪。设Θ为目标的特征空间，它代表目标F(x,y)的一组特征
参量，如果║Θ(k)+1- Θ(k)║<ε F(x,y)为真目标，反之F(x,y)为假目标如果目标为真就输出目标的位置信息，然后控制摄像机旋转并尽可能使跑道位于图象中间，尽量有利于进行判识和跟踪。其中ε由实验设定。
4 目标跟踪
假设一理想的飞行器能够在空中自由控制飞行，那么我们可以在其上安装一射象设备来获取图象信息。在获得的图象序列中，如果在第K帧发现了跑道，就可以控制飞行器沿跑道方向飞行，并连续获取跑道的相关信息，经反复认证后实施相应的操作。值得一提的是随着飞行器越来越靠近跑道，跑道的信息就越来越丰富，那么我们就可以在这些序列图象中得到更有价值的信息，如跑道表面的一些标记，从而更加准确地控制飞行器的飞行，这一部分的相关内容将进一步研究。
5 实验结果和讨论
我们以对一个国际机场跑道的识别为例来说明系统的工作过程。图2到图5给出了具体的实现结果。

本文研究了遥感图象中特定目标─跑道的识别问题，实现了一个针对遥感图象中的特定目标的自动识别。重点介绍了该系统的系统结构与识别流程，所采用的基于直线特征的建模方法，用来快速判断目标的存在性，并给出方向和位置信息使自动导航成为可能。本系统主要在方法上提出一种新思路来解决导航问题，在实用中我们还要考虑实时性问题，可以模拟人工的视觉系统，由粗到细地进行，从而提高响应的速度和准确性，这对识别提出了一种新的挑战，所涉及的内容将在以后的文章中介绍。

参考文献
1 Mansouri A R , Malowany A S ,Levine M D . Line Detection in DigitalPictures: A Hypothesis Prediction /Verification Paradigm . ComputerVision, Graphics Processing , 1987(40) : 95-114
2 Zlotnick A , Carnine Jr P D . Finding Road Seeds in Aerial Images .CVGIP: Image Understanding ,1993 , 57(2) :243-260
3 Nevatin R , Babu K.Linear Feature Extraction and Description .Computer Graphics Image Processing , 1980 ,13(3) :257~269
4 Huertas A , Cole W , Nevatia R . Detecting Runways in ComplexAirport Scenes . Computer Vision, Graphic, and Image processing ,1990 , 51(20) : 107~145
5 王润生 . 图象理解 . 长沙：国防科学技术大学出版社，1995