CN104166853B - 从高分辨率遥感图像中快速提取规则化舰船切片的方法 - Google Patents
从高分辨率遥感图像中快速提取规则化舰船切片的方法 Download PDFInfo
- Publication number
- CN104166853B CN104166853B CN201410184872.8A CN201410184872A CN104166853B CN 104166853 B CN104166853 B CN 104166853B CN 201410184872 A CN201410184872 A CN 201410184872A CN 104166853 B CN104166853 B CN 104166853B
- Authority
- CN
- China
- Prior art keywords
- naval vessel
- warship bow
- warship
- point
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种从高分辨率光学遥感图像中快速提取规则化舰船切片的方法,该技术涉及遥感图像分析与处理领域,用以提高舰船切片提取效率,简化舰船识别匹配模板构建过程。本发明主要通过下属技术方案实现:首先利用角点检测器提取遥感图像中具有角点特征的潜在舰艏点,得到潜在舰艏点位置的集合;然后利用十六等分圆形模板对潜在舰艏点所在区域逐一进行局部区域显著性分析,剔除不满足舰艏区域显著性判别准则的点,得到满足判别准则的舰艏点位置及所在区域的朝向;再对临近的舰艏点进行聚类合并,获取提纯的舰艏点位置和舰船朝向;最后根据舰艏点位置和舰船朝向,自动生成规则化的舰船切片。
Description
一、技术领域
本发明涉及遥感图像分析与处理领域的目标检测与识别,尤其涉及从高分辨率光学遥感图像中快速提取规则化舰船目标切片的方法。
二、背景技术
近年来,利用卫星或飞机搭载高分辨率成像载荷对在周边海域活动或在重要港口驻泊的舰船进行常态化监视,及时判定识别舰船类型,在军事和民用领域均具有重要价值。完全依靠判读员人工判读海量的高分辨率图像数据,工作量大重复性高,而且判读结果受判读员的工作经验、熟练程度以及心理状态影响较大。解决从海量高分辨率遥感图像数据中快速检测出舰船目标并加以识别的问题具有重要意义。
目前,常规的舰船检测方法往往涉及多种复杂特征的提取和搜索匹配,运算效率难以满足快速处理的要求;而且由于舰船的朝向不是固定的,常规的匹配识别算法需要事先制备大量的不同朝向的舰船模板,并根据估算的舰船朝向加以选择,对***存储容量和朝向估计精度要求较高。从提高舰船切片提取效率,简化识别模板构建过程的角度考虑,迫切需要建立一种能够快速提取规则化舰船切片的处理方法。
三、发明内容
本发明的目的在于提供一种从高分辨率光学遥感图像中快速提取规则化舰船切片的方法,用以提高舰船切片提取效率,简化舰船识别匹配模板构建过程。
为实现上述的目的,本发明提出了一种从高分辨率遥感图像中快速提取规则化舰船切片的方法,所述方法包括以下步骤:
(1)利用角点检测器提取遥感图像中具有角点特征的潜在舰艏点,得到潜在舰艏点位置的集合;
(2)利用十六等分圆形模板对潜在舰艏点所在区域逐一进行局部区域显著性分析,剔除不满足舰艏区域显著性判别准则的点,得到满足判别准则的舰艏点位置及所在区域的朝向;
(3)对临近的舰艏点进行聚类合并,获取提纯的舰艏点位置和舰船朝向;
(4)根据舰艏点位置和舰船朝向,自动生成规则化的舰船切片。
本发明所提供的舰船切片提取方法充分利用了舰艏呈现的角点特征,以及舰艏部位与其周围海域背景的显著差异,将角点检测器和局部区域的显著性分析相结合,能够快速准确地获取舰艏点位置和舰船朝向,进而自动完成舰船切片的规则化提取。该方法紧扣舰船目标的特点,针对性强,易于实现,运算效率高,且对海上舰船与港口停靠舰船均可进行处理,具有较好的通用性。
四、附图说明
图1是本发明的实施流程图。
图2是本发明中用于区域显著性分析的十六等分圆形模板。
图3是本发明的局部区域显著性分析流程图。
图4是本发明中根据舰艏位置和舰船朝向自动生成规则化切片的示意图。
五、具体实施方式
以下结合说明书附图对本发明的具体实施方式作进一步详细描述。
1.本发明提供的从高分辨率遥感图像中快速提取规则化舰船切片的方法实施流程如图1所示,主要包括以下步骤:
(1)利用角点检测器提取遥感图像中具有角点特征的潜在舰艏点,得到潜在舰艏点位置的集合;
(2)利用十六等分圆形模板对潜在舰艏点所在区域逐一进行局部区域显著性分析,剔除不满足舰艏区域显著性判别准则的点,得到满足判别准则的舰艏点位置及所在区域的朝向;
(3)对临近的舰艏点进行聚类合并,获取提纯的舰艏点位置和舰船朝向;
(4)根据舰艏点位置和舰船朝向,自动生成规则化的舰船切片。
2.本发明提供的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(1)所述的角点检测器可采用但不限于Harris、SURF、SUSAN等角点检测算子,亦可分别采用2种以上的角点检测算子进行角点提取,并对其结果进行融合。
3.本发明提供的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(2)所述的对候选区域进行局部区域显著性分析的实施过程如图3所示,包括如下步骤:
(21)采用μ+kσ为阈值对遥感图像上以候选舰艏点为中心宽度为2r+1的矩形区域R0进行二值化,得到二值化候选区R,其中,μ和σ分别为该区域的均值和方差,k为调整系数,r可依据潜在舰船的宽度结合图像分辨率来确定;
(22)事先参照图2构造一个半径为r的十六等分圆形模板,将其置于二值化候选区R的中心,统计各等分区间的非零像素比例,得到一个长度为16的特征向量A=[a1,a2,……,a16];
(23)找到特征向量A中的最大值ai,令b1=ai-1,b2=ai,b3=ai+1,A中其余元素记为b4,b5,……,b16,则定义显著度为S=(b1+b2+b3)/(b4+b5+……+b16),其中,若i=1,则b1=a16,若i=16,则b3=a1;
(24)剔除不满足舰艏区域显著性判别准则的点,对于满足判别准则的候选点,记录其图像位置(x候,y候)和朝向角为θ候,其中θ候=π/16*[i-1+(b3-b1)/(b3+b1)];
4.本发明提供的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(2)所述的舰艏区域显著性判别准则为:S>T1且b2>T2且b2/(b1+b3)>T3,其中T1、T2和T3为根据图像特点事先设定的判别阈值,可供参考的判别阈值为:T1=5、T2=0.9、T3=0.6;
5.本发明提供的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(3)对临近舰艏点进行聚类合并,涉及如下处理规则:
(31)对任意两个候选舰艏点(xi,yi,θi)和(xj,yj,θj),若则对两个候选舰艏点进行合并,更新的舰艏点为((xi+xj)/2,(yi+yj)/2),舰船朝向为(θi+θj)/2;
(32)更新的舰艏点继续参与其余候选舰艏点的聚类合并的迭代过程,直到所有舰艏点均不满足更新条件;
6.参阅图4,本发明提供的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(4)自动生成规则化的舰船切片,包括如下步骤:
(I)从原图像上沿舰船朝向θ自舰艏点(x,y)至(xend,yend),等间隔提取相应位置的像素值构成一个轴向灰度序列M,其中,xend=round(x+lcosθ),yend=round(y-lsinθ),round()为取整运算,l可依据潜在舰船的长度结合图像分辨率来确定,通常而言l>3r;
(II)计算M的跳变指征Mfm=(Mm-3+Mm-2+Mm-1)/(Mm+1+Mm+2+Mm+3),得到跳变指征序列Mf,特别地,当m≤3时,Mfm=1;
(III)查找跳变指征序列Mf的最大值,记为n,则舰艉中心的位置对应于序列M中的第n个像素位置,记为(xn,yn),计算遥感图像上舰船切片的四角坐标分别为:
(xa,ya)=(x,y)+r(-sin(θ),-cos(θ));
(xb,yb)=(x,y)+r(sin(θ),cos(θ));
(xc,yc)=(xn,yn)+r(sin(θ),cos(θ));
(xd,yd)=(xn,yn)+r(-sin(θ),-cos(θ));
(IV)从遥感图像中提取前述舰船切片四角坐标确定的区域,并作顺时针旋转θ,得到具有水平朝向的规则化舰船切片。
Claims (5)
1.一种从高分辨率遥感图像中快速提取规则化舰船切片的方法,其特征在于,所述方法包括以下步骤:
(1)利用角点检测器提取遥感图像中具有角点特征的潜在舰艏点,得到潜在舰艏点位置的集合;
(2)利用十六等分圆形模板对潜在舰艏点所在区域逐一进行局部区域显著性分析,剔除不满足舰艏区域显著性判别准则的点,得到满足判别准则的舰艏点位置及所在区域的朝向;
(3)对临近的舰艏点进行聚类合并,获取提纯的舰艏点位置和舰船朝向;
(4)根据舰艏点位置和舰船朝向,自动生成规则化的舰船切片;
其中,步骤(4)自动生成规则化的舰船切片,包括如下步骤:
(I)从原图像上沿舰船朝向θ自舰艏点(x,y)至(xend,yend),等间隔提取相应位置的像素值构成一个序列M,其中,xend=round(x+lcosθ),yend=round(y-lsinθ),round()为取整运算,l可依据潜在舰船的长度结合图像分辨率来确定,l>3r,r依据潜在舰船的宽度结合图像分辨率来确定;
(II)计算M的跳变指征Mfm=(Mm-3+Mm-2+Mm-1)/(Mm+1+Mm+2+Mm+3),得到跳变指征序列Mf,其中,m≤3时,Mfm=1;m为正整数且m小于M中包括的所述像素值的数量;
(III)查找跳变指征序列Mf的最大值,记为n,则舰艉中心的位置对应于序列M中的第n个像素位置,记为(xn,yn),求解遥感图像上舰船切片的四角坐标分别为:
(xa,ya)=(x,y)+r(-sin(θ),-cos(θ));
(xb,yb)=(x,y)+r(sin(θ),cos(θ));
(xc,yc)=(xn,yn)+r(sin(θ),cos(θ));
(xd,yd)=(xn,yn)+r(-sin(θ),-cos(θ));
(IV)从遥感图像中提取前述舰船切片四角坐标确定的区域,并作顺时针旋转θ,得到具有水平朝向的规则化舰船切片。
2.根据权利要求1所述的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(1)所述的角点检测器采用Harris、SURF或SUSAN角点检测算子,或者采用上述三种角点检测算子中至少2种进行角点提取,并对其结果进行融合。
3.根据权利要求1所述的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(2)所述的利用十六等分圆形模板对潜在舰艏点所在区域逐一进行局部区域显著性分析,剔除不满足舰艏区域显著性判别准则的点,得到满足判别准则的舰艏点位置及所在区域的朝向,包括如下步骤:
(21)采用μ+kσ为阈值对遥感图像上以潜在舰艏点为中心宽度为2r+1的矩形区域R0进行二值化,得到二值化候选区R,其中,μ和σ分别为该区域的均值和方差,k为调整系数;
(22)将半径为r的十六等分圆形模板置于二值化候选区R的中心,统计各等分区间的非零像素比例,得到一个长度为16的特征向量A=[a1,a2,……,a16];
(23)找到特征向量A中的最大值ai,令b1=ai-1,b2=ai,b3=ai+1,A中其余元素记为b4,b5,……,b16,则定义显著度为S=(b1+b2+b3)/(b4+b5+……+b16),其中,若i=1,则b1=a16,若i=16,则b3=a1;
(24)剔除不满足舰艏区域显著性判别准则的候选点,对于满足判别准则的候选点,记录其图像位置(x候,y候)和朝向角为θ候,其中θ候=π/16*[i-1+(b3-b1)/(b3+b1)]。
4.根据权利要求3所述的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(2)所述的舰艏区域显著性判别准则为:S>T1且b2>T2且b2/(b1+b3)>T3,其中T1、T2和T3为根据图像特点事先设定的判别阈值。
5.根据权利要求1所述的从高分辨率遥感图像中快速提取规则化舰船切片的方法,其中步骤(3)对临近的舰艏点进行聚类合并,涉及如下处理规则:
(31)对任意两个舰艏点(xi,yi,θi)和(xj,yj,θj),若则对两个候选舰艏点进行合并,更新的舰艏点为((xi+xj)/2,(yi+yj)/2),舰船朝向为(θi+θj)/2;
(32)更新的舰艏点继续参与其余候选舰艏点的聚类合并的迭代过程,直到所有舰艏点均不满足更新条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410184872.8A CN104166853B (zh) | 2014-04-24 | 2014-04-24 | 从高分辨率遥感图像中快速提取规则化舰船切片的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410184872.8A CN104166853B (zh) | 2014-04-24 | 2014-04-24 | 从高分辨率遥感图像中快速提取规则化舰船切片的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104166853A CN104166853A (zh) | 2014-11-26 |
CN104166853B true CN104166853B (zh) | 2019-06-25 |
Family
ID=51910656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410184872.8A Active CN104166853B (zh) | 2014-04-24 | 2014-04-24 | 从高分辨率遥感图像中快速提取规则化舰船切片的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104166853B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966295B (zh) * | 2015-06-16 | 2017-10-24 | 武汉大学 | 一种基于线框模型的舰船提取方法 |
CN106557779A (zh) * | 2016-10-21 | 2017-04-05 | 北京联合大学 | 一种基于显著区域词袋模型的物体识别方法 |
CN107103283B (zh) * | 2017-03-24 | 2020-04-28 | 中国科学院计算技术研究所 | 一种sar图像舰船目标几何特征并行提取方法与装置 |
CN115049928B (zh) * | 2022-06-20 | 2024-05-07 | 电子科技大学 | 一种基于角点特征和岸线封闭特征的级联港口检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096824A (zh) * | 2011-02-18 | 2011-06-15 | 复旦大学 | 基于选择性视觉注意机制的多光谱图像舰船检测方法 |
CN102663348A (zh) * | 2012-03-21 | 2012-09-12 | 中国人民解放军国防科学技术大学 | 一种光学遥感图像中的海上舰船检测方法 |
CN103514448A (zh) * | 2013-10-24 | 2014-01-15 | 北京国基科技股份有限公司 | 船形识别方法和*** |
-
2014
- 2014-04-24 CN CN201410184872.8A patent/CN104166853B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096824A (zh) * | 2011-02-18 | 2011-06-15 | 复旦大学 | 基于选择性视觉注意机制的多光谱图像舰船检测方法 |
CN102663348A (zh) * | 2012-03-21 | 2012-09-12 | 中国人民解放军国防科学技术大学 | 一种光学遥感图像中的海上舰船检测方法 |
CN103514448A (zh) * | 2013-10-24 | 2014-01-15 | 北京国基科技股份有限公司 | 船形识别方法和*** |
Non-Patent Citations (4)
Title |
---|
"Real-Time Visual SLAM for Autonomous Underwater Hull Inspection Using Visual Saliency";Ayoung Kim等;《IEEE Transactions on Robotics》;20130114;第29卷(第3期);全文 |
"图象局部不变特征及其应用研究";胡俊华;《中国博士学位论文全文数据库 信息科技辑》;20111115;第95-106页 |
"基于局部特征的目标检测研究";屠敬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110315;第21-32页 |
"基于局部自相似性的遥感图像港口舰船检测";胡俊华等;《中国图象图形学报》;20090415;第14卷(第4期);第591-597页 |
Also Published As
Publication number | Publication date |
---|---|
CN104166853A (zh) | 2014-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10054445B2 (en) | Vision-aided aerial navigation | |
Wu et al. | Real-time object pose estimation with pose interpreter networks | |
CN104166853B (zh) | 从高分辨率遥感图像中快速提取规则化舰船切片的方法 | |
CN109840880A (zh) | 一种路面识别方法和装置 | |
US9569668B2 (en) | Method and device for image-assisted runway localization | |
CN107063261B (zh) | 用于无人机精准着陆的多特征信息地标检测方法 | |
CN107111598A (zh) | 使用超声深度感测的光流成像***以及方法 | |
US9651661B2 (en) | Methods and systems for local principal axis rotation angle transform | |
CN103679694B (zh) | 一种基于全景视觉的舰船小目标检测方法 | |
CN107301646B (zh) | 基于单目视觉的无人船智能避障方法和装置 | |
CN106815553B (zh) | 一种基于边缘匹配的红外前视图像舰船检测方法 | |
CN111829532A (zh) | 一种飞行器重定位***和重定位方法 | |
Sablina et al. | An approach to the image superimposition problem in multispectral computer vision systems | |
Ma et al. | A sea-sky line detection method based on line segment detector and Hough transform | |
WO2021056501A1 (zh) | 提取特征点的方法、可移动平台及存储介质 | |
Wu et al. | Autonomous UAV landing system based on visual navigation | |
CN106767841A (zh) | 基于自适应容积卡尔曼滤波和单点随机抽样的视觉导航方法 | |
US10115195B2 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
CN109314774A (zh) | 用于立体成像的***和方法 | |
Alpatov et al. | An estimation algorithm of the multispectral image geometric transformation parameters based on multiple reference area tracking | |
CN115019268A (zh) | 一种车道线检测方法、装置、计算机设备及存储介质 | |
CN110646857B (zh) | 水下磁目标分布式搜索方法 | |
Shakirzyanov et al. | Method for unmanned vehicles automatic positioning based on signal radially symmetric markers recognition of underwater targets | |
Dawadee et al. | Illumination, scale and rotation invariant algorithm for vision-based UAV navigation | |
KR101723028B1 (ko) | 실시간으로 변화하는 영상정보를 통합 관리하는 영상처리시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190530 Address after: 264001 scientific research office, two Road 188, Zhifu District, Yantai, Shandong Applicant after: Naval Aviation University of PLA Address before: 264001 Information Fusion Research Institute, 188 Erma Road, Zhifu District, Yantai City, Shandong Province Applicant before: Naval Aeronautical Engineering Institute PLA |
|
GR01 | Patent grant | ||
GR01 | Patent grant |