具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

实施例1

根据本发明提供的一种基于背景消除和改进连通域算法的FOD自动识别方法，包括：

步骤M1：获取雷达数据并通过雷达数据判断是否存在背景数据；当同时存在正向和反向的背景数据时，则使用背景对消FOD目标检测算法进行FOD目标检测，输出FOD目标检测结果图像及目标坐标文档；当不是同时存在正向和反向的背景数据时，则使用FOD目标检测算法进行FOD目标检测，并判断根据FOD目标检测算法得到的FOD报警数据变量是否为0，当FOD报警数据变量为0时，则将当前的雷达数据存为新的背景数据，重复执行步骤M1；当FOD报警数据变量不为0时，则输出FOD目标检测结果图像及目标坐标文档；

所述FOD目标检测算法是基于预设的OpenCV中的Blob斑点检测算子参数进行FOD目标检测；

所述背景对消FOD目标检测算法通过背景对消算法及预设的OpenCV中的Blob斑点检测算子参数进行FOD目标检测。

具体地，所述使用背景对消FOD目标检测算法进行FOD目标检测，输出FOD目标检测结果图像及目标坐标文档包括：将获取的雷达数据利用背景对消算法分离目标和背景，得到目标图像数据；将得到的目标图像数据利用基于图像连通区域的改进连通域算法提取图像中所有的连通区域，基于预设的斑点检测算子参数在所有的连通区域进行白色像素标记，得到FOD目标数量；

所述改进连通域算法所述改进连通域算法通过扫描两遍图像，将目标图像中存在的所有目标连通区域找出并进行标记。

具体地，所述基于预设的斑点检测算子参数在所有的连通区域进行白色像素标记包括：使用预设的斑点检测算子参数，结合连通区域的轮廓和外接矩形的值，进行白色像素标记。

具体地，所述连通区域的轮廓和外接矩形的值包括：连通区域利用OpenCV中的findContours函数获取块的轮廓、再利用boundingRect函数配合findContours函数获取联通区域的最小外接矩形。

具体地，所述改进连通域算法包括：

步骤M2.1：将像素灰度值高于门限阈值的点设为1，低于门限阈值的点设为0，形成一个n*m的阵列；

步骤M2.2：对n*m的阵列进行第一遍列向扫描，当当前列存在值为1的像素点时，则将当前列记为1，并记录当前列出现1的个数；当当前列不存在值为1的像素点时，则将当前列记为0，得到由0、1组成的列向一维数组以及记为1的列中出现1的个数；

步骤M2.3：对已知的存在1的列进行第二遍横向扫描，当当前行存在值为1的像素点时，则将当前行记为1，并记录当前行出现1的个数；当当前行不存在值为1的像素点时，则将当前行记为0，得到由0、1组成的横向一维数组以及记为1的行中出现1的个数；

步骤M2.4：根据列向一维数组、记为1的列中出现1的个数以及横向一维数组、记为1的行中出现1的个数确定1的位置，并标记为连通域的区域。

根据本发明提供的一种基于背景消除和改进连通域算法的FOD自动识别系统，包括：

模块M1：获取雷达数据并通过雷达数据判断是否存在背景数据；当同时存在正向和反向的背景数据时，则使用背景对消FOD目标检测算法进行FOD目标检测，输出FOD目标检测结果图像及目标坐标文档；当不是同时存在正向和反向的背景数据时，则使用FOD目标检测算法进行FOD目标检测，并判断根据FOD目标检测算法得到的FOD报警数据变量是否为0，当FOD报警数据变量为0时，则将当前的雷达数据存为新的背景数据，重复触发模块M1执行；当FOD报警数据变量不为0时，则输出FOD目标检测结果图像及目标坐标文档；

所述FOD目标检测算法是基于预设的OpenCV中的Blob斑点检测算子参数进行FOD目标检测；

所述背景对消FOD目标检测算法通过背景对消算法及预设的OpenCV中的Blob斑点检测算子参数进行FOD目标检测。

具体地，所述使用背景对消FOD目标检测算法进行FOD目标检测，输出FOD目标检测结果图像及目标坐标文档包括：将获取的雷达数据利用背景对消算法分离目标和背景，得到目标图像数据；将得到的目标图像数据利用基于图像连通区域的改进连通域算法提取图像中所有的连通区域，基于预设的斑点检测算子参数在所有的连通区域进行白色像素标记，得到FOD目标数量；

所述改进连通域算法所述改进连通域算法通过扫描两遍图像，将目标图像中存在的所有目标连通区域找出并进行标记。

具体地，所述基于预设的斑点检测算子参数在所有的连通区域进行白色像素标记包括：使用预设的斑点检测算子参数，结合连通区域的轮廓和外接矩形的值，进行白色像素标记。

具体地，所述连通区域的轮廓和外接矩形的值包括：连通区域利用OpenCV中的findContours函数获取块的轮廓、再利用boundingRect函数配合findContours函数获取联通区域的最小外接矩形。

具体地，所述改进连通域算法包括：

模块M2.1：将像素灰度值高于门限阈值的点设为1，低于门限阈值的点设为0，形成一个n*m的阵列；

模块M2.2：对n*m的阵列进行第一遍列向扫描，当当前列存在值为1的像素点时，则将当前列记为1，并记录当前列出现1的个数；当当前列不存在值为1的像素点时，则将当前列记为0，得到由0、1组成的列向一维数组以及记为1的列中出现1的个数；

模块M2.3：对已知的存在1的列进行第二遍横向扫描，当当前行存在值为1的像素点时，则将当前行记为1，并记录当前行出现1的个数；当当前行不存在值为1的像素点时，则将当前行记为0，得到由0、1组成的横向一维数组以及记为1的行中出现1的个数；

模块M2.4：根据列向一维数组、记为1的列中出现1的个数以及横向一维数组、记为1的行中出现1的个数确定1的位置，并标记为连通域的区域。

实施例2

实施例2是实施例1的变化例

本方法包括如下步骤：如图1至3所示：

步骤1：利用背景对消算法分离目标和背景，能有效减低地杂波背景信号的强度，提高目标检测的信杂比，有效检测位于跑道中心灯和边灯上的FOD目标。背景对消算法的原理是将固定不变或一段时间内相对稳定的信息作为背景，当有FOD目标掉落在跑道上时，将有FOD目标的数据与背景数据相减，目标就能被检测到。

背景对消算法的实施流程是，采集干净的道面数据存为背景数据，将雷达从正向转到负向的数据存为正背景数据，将雷达从负向转到负向的数据存为负背景数据。后期进行背景对消时，利用对应的背景数据进行对消运算。

通过FOD检测系统对机场实时的温湿度检测、天气变化情况，对机场进行不同时刻的背景进行学习，降低杂波对有用信号的干扰。并达到动态智能更换背景数据的功能。

步骤2：利用基于图像连通区域的改进连通域算法，通过对二值图像中白色像素(目标)的标记，让每个单独的连通区域形成一个被标识的块，然后我们就可以获取这些块的轮廓、外接矩形等几何参数。有效避免因背景对消时角度不对齐产生的虚警，也能减少线缆、驱鸟网等密集分布的普通目标的虚警。

步骤3：通过连通区域分析(这里是二值图像的连通区域分析)，就可以得到标记的数量，从而得到FOD目标的数量。

利用Two-Pass(两遍扫描法)，通过扫描两遍图像，就可以将图像中存在的所有连通区域找出并标记。思路:第一遍扫描时将像素灰度值高于门限阈值的点设为1，低于门限阈值的点设为0，进行横向扫描，将值为1的像素点的列坐标进行记录，当前列存在值为1的像素点时记为1，不存在值为1的像素点时记为0，得到由0、1组成的列向一维数组；第二遍扫描是将步骤M2.1中已知的存在1的列进行横向扫描，用同样的方式，记录下存在值为1的像素点的位置，得到一组横向一维数组。记录左侧为1的区域起始点和右侧相邻的为1的区域终止点的坐标值，就是被标记的连通域的区域。而不用记录整个块的信息，可以节省大量的存储空间，提示算法的运行效率。

下面给出Two-Pass算法的简单步骤：如图2所示，

(1)第一次扫描：

访问当前像素B(x,y)，如果B(x,y)大于阈值则记为1，否则记为0：

进行横向逐像素扫描，将值为1的像素点的坐标进行记录，当前列存在值为1的像素点时记为1，不存在值为1的像素点时记为0，得到由0、1组成的列向一维数组；

(2)第二次扫描：

将第一次扫描中已知的存在1的列进行横向扫描，用同样的方式，记录下存在值为1的像素点的位置，得到一组横向一维数组。如图2中箭头所示，记录左侧为1的区域起始点和右侧相邻的为1的区域终止点的坐标值，就是被标记的连通域的区域。

完成扫描后，就提取到了图像中所有的连通区域。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。