CN106960445A - 一种基于金字塔光流的云运动矢量计算方法 - Google Patents
一种基于金字塔光流的云运动矢量计算方法 Download PDFInfo
- Publication number
- CN106960445A CN106960445A CN201710205760.XA CN201710205760A CN106960445A CN 106960445 A CN106960445 A CN 106960445A CN 201710205760 A CN201710205760 A CN 201710205760A CN 106960445 A CN106960445 A CN 106960445A
- Authority
- CN
- China
- Prior art keywords
- characteristic point
- cloud layer
- layer image
- frame
- vector
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 150000003839 salts Chemical class 0.000 claims abstract description 11
- 230000003287 optical effect Effects 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于金字塔光流的云运动矢量计算方法，该方法包括：S1：通过垂直拍摄地面的摄像头连续抓拍两帧云层图像；S2：探测第一帧云层图像的多个特征点；S3：使用金字塔光流法对两帧云层图像进行比较，估计出每一特征点在第二帧云层图像中的位置；S4：判断每一特征点在第一帧云层图像中的位置相对于在第二帧云层图像中的位置是否发生改变；S5：如果没有发生改变，则过滤掉相应的特征点，否则保留相应的特征点；S6：根据每一个保留的特征点在两帧云层图像中的位置计算得到每个特征点的矢量；S7：根据所有保留的特征点的矢量计算得到所有保留的特征点的合矢量。本发明能够准确计算云运动的矢量。
Description
技术领域
本发明涉及云运动探测技术领域，特别是涉及一种基于金字塔光流的云运动矢量计算方法。
背景技术
云运动的预测是静止气象卫星观测的重要任务之一，准确预测云运动的距离和方向，可以推导出风的大小和方向，以便能够准确地预报天气。由于云运动的矢量在天气分析预报、航空气象等方面是重要的信息，因此有必要对云运动矢量进行准确计算。然而，现有技术还没有开展这方面的研究。
发明内容
本发明主要解决的技术问题是提供一种基于金字塔光流的云运动矢量计算方法，能够准确计算云运动的矢量。
为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于金字塔光流的云运动矢量计算方法，包括以下步骤：S1：通过垂直拍摄地面的摄像头连续抓拍两帧云层图像；S2：探测所述两帧云层图像中第一帧云层图像的多个特征点；S3：使用金字塔光流法对所述两帧云层图像进行比较，估计出每一所述特征点在所述两帧云层图像中第二帧云层图像中的位置；S4：判断每一特征点在所述第一帧云层图像中的位置相对于在所述第二帧云层图像中的位置是否发生改变；S5：如果没有发生改变，则过滤掉相应的特征点，如果发生改变，则保留相应的特征点；S6：根据每一个保留的特征点在两帧云层图像中的位置计算得到每个特征点的矢量；S7：根据所有保留的特征点的矢量计算得到所有保留的特征点的合矢量。
其中，在步骤S2之前，所述方法还包括：采用中值滤波对所述两帧云层图像进行平滑处理。
本发明的有益效果是：区别于现有技术的情况，本发明实施例的方法采用金字塔光流法对相邻两帧云层图像进行特征点跟踪，得到在两帧云层图像中位置发生改变的特征点，对这些特征点的矢量计算合矢量可得到云运动矢量，从而能够准确计算云运动的矢量。
附图说明
图1是本发明实施例基于金字塔光流的云运动矢量计算方法的流程示意图。
具体实施例
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，是本发明实施例基于金字塔光流的云运动矢量计算方法的流程示意图。本发明实施例的方法包括以下步骤：
S1：通过垂直拍摄地面的摄像头连续抓拍两帧云层图像。
S2：探测两帧云层图像中第一帧云层图像的多个特征点。
其中，特征点可以是Harris角点，也可以是边缘点。
S3：使用金字塔光流法对两帧云层图像进行比较，估计出每一特征点在两帧云层图像中第二帧云层图像中的位置。
其中，金字塔光流法是现有算法，其大致过程为：首先，对每一帧云层图像建立一个高斯金字塔，最大尺度图像在最顶层，原始图像在最底层；然后，从最顶层开始估计下一帧所在位置，作为下一层的初始位置，沿着金字塔向下搜索，重复估计动作，直到到达金字塔的最底层。
需要注意的是，使用金字塔光流法应当遵循假设条件，即：
（1）亮度恒定，就是同一点随着时间的变化，其亮度不会发生改变；
（2）小运动，这个也必须满足，就是时间的变化不会引起位置的剧烈变化；
（3）空间一致，一个场景上邻近的点投影到图像上也是邻近点，且邻近点速度一致。
S4：判断每一特征点在第一帧云层图像中的位置相对于在第二帧云层图像中的位置是否发生改变。
S5：如果没有发生改变，则过滤掉相应的特征点，如果发生改变，则保留相应的特征点。
其中，所有特征点在第二帧云层图像中的位置估计完成后，就可以判断哪些特征点的位置发生改变，哪些没有发生改变。发生改变的特征点被保留，没有发生改变的特征点被剔除。
S6：根据每一个保留的特征点在两帧云层图像中的位置计算得到每个特征点的矢量。
其中，由于特征点的位置发生改变，那么根据每一个保留的特征点在两帧云层图像中的像素坐标即可计算得到每个特征点的矢量。
S7：根据所有保留的特征点的矢量计算得到所有保留的特征点的合矢量。
其中，所有保留的特征点的矢量不会完全一致，但是能够体现云层整体的运动，因此，根据所有保留的特征点的矢量计算得到所有保留的特征点的合矢量，就可以体现云运动矢量。
在本实施例中，在步骤S2之前，该方法还包括：采用中值滤波对两帧云层图像进行平滑处理。中值滤波是一种非线性平滑技术，是基于排序统计理论的一种能有效抑制云层图像噪声的非线性信号处理技术，采用中值滤波方法平滑效果好，边沿清晰，因此，采用中值滤波对云层图像作平滑处理是一种切实可行的方法。中值滤波的基本原理是把云层图像序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的雷达回波强度值更接近真实值，从而消除孤立的噪声点。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (2)
1.一种基于金字塔光流的云运动矢量计算方法，其特征在于，包括以下步骤：
S1：通过垂直拍摄地面的摄像头连续抓拍两帧云层图像；S2：探测所述两帧云层图像中第一帧云层图像的多个特征点；S3：使用金字塔光流法对所述两帧云层图像进行比较，估计出每一所述特征点在所述两帧云层图像中第二帧云层图像中的位置；S4：判断每一特征点在所述第一帧云层图像中的位置相对于在所述第二帧云层图像中的位置是否发生改变；S5：如果没有发生改变，则过滤掉相应的特征点，如果发生改变，则保留相应的特征点；S6：根据每一个保留的特征点在两帧云层图像中的位置计算得到每个特征点的矢量；
S7：根据所有保留的特征点的矢量计算得到所有保留的特征点的合矢量。
2.根据权利要求1所述的方法，其特征在于，在步骤S2之前，所述方法还包括：
采用中值滤波对所述两帧云层图像进行平滑处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710205760.XA CN106960445A (zh) | 2017-03-31 | 2017-03-31 | 一种基于金字塔光流的云运动矢量计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710205760.XA CN106960445A (zh) | 2017-03-31 | 2017-03-31 | 一种基于金字塔光流的云运动矢量计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106960445A true CN106960445A (zh) | 2017-07-18 |
Family
ID=59471070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710205760.XA Pending CN106960445A (zh) | 2017-03-31 | 2017-03-31 | 一种基于金字塔光流的云运动矢量计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106960445A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109146975A (zh) * | 2018-08-22 | 2019-01-04 | 华北电力大学（保定） | 一种天空图像云团位移矢量计算方法 |
| CN109540142A (zh) * | 2018-11-27 | 2019-03-29 | 达闼科技（北京）有限公司 | 一种机器人定位导航的方法、装置、计算设备 |
| CN111220700A (zh) * | 2019-12-09 | 2020-06-02 | 中北大学 | 超声空化泡运动矢量估计方法 |
| CN112712542A (zh) * | 2020-12-25 | 2021-04-27 | 武汉大学 | 一种块匹配与光流法结合的地基云图运动预测方法 |
| CN112730884A (zh) * | 2020-12-28 | 2021-04-30 | 同济大学建筑设计研究院(集团)有限公司 | 一种采用成像手段确定高空风速的方法及*** |
| CN115586798A (zh) * | 2022-12-12 | 2023-01-10 | 广东电网有限责任公司湛江供电局 | 一种无人机防坠毁方法和*** |
-
2017
- 2017-03-31 CN CN201710205760.XA patent/CN106960445A/zh active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109146975A (zh) * | 2018-08-22 | 2019-01-04 | 华北电力大学（保定） | 一种天空图像云团位移矢量计算方法 |
| CN109146975B (zh) * | 2018-08-22 | 2022-02-01 | 华北电力大学（保定） | 一种天空图像云团位移矢量计算方法 |
| CN109540142A (zh) * | 2018-11-27 | 2019-03-29 | 达闼科技（北京）有限公司 | 一种机器人定位导航的方法、装置、计算设备 |
| CN111220700A (zh) * | 2019-12-09 | 2020-06-02 | 中北大学 | 超声空化泡运动矢量估计方法 |
| CN112712542A (zh) * | 2020-12-25 | 2021-04-27 | 武汉大学 | 一种块匹配与光流法结合的地基云图运动预测方法 |
| CN112712542B (zh) * | 2020-12-25 | 2024-02-02 | 武汉大学 | 一种块匹配与光流法结合的地基云图运动预测方法 |
| CN112730884A (zh) * | 2020-12-28 | 2021-04-30 | 同济大学建筑设计研究院(集团)有限公司 | 一种采用成像手段确定高空风速的方法及*** |
| CN115586798A (zh) * | 2022-12-12 | 2023-01-10 | 广东电网有限责任公司湛江供电局 | 一种无人机防坠毁方法和*** |
| CN115586798B (zh) * | 2022-12-12 | 2023-03-24 | 广东电网有限责任公司湛江供电局 | 一种无人机防坠毁方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106960445A (zh) | 一种基于金字塔光流的云运动矢量计算方法 | |
| CN104318258B (zh) | 一种基于时域模糊和卡尔曼滤波器的车道线检测方法 | |
| CN103914843B (zh) | 基于分水岭算法和形态学标记的图像分割方法 | |
| CN102252623B (zh) | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 | |
| CN110517288A (zh) | 基于全景多路4k视频图像的实时目标检测跟踪方法 | |
| CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
| CN106600625A (zh) | 检测小型生物的图像处理方法及装置 | |
| CN102346015A (zh) | 基于视频差异分析的输电线路绝缘子覆冰厚度测量方法 | |
| CN102620673A (zh) | 基于图像分析的隧道变形在线监测***及其应用 | |
| CN103914820B (zh) | 一种基于图像分层增强的图像去雾方法及*** | |
| CN107248174A (zh) | 一种基于tld算法的目标跟踪方法 | |
| CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
| CN108776974A (zh) | 一种适用于公共交通场景的实时目标跟踪方法 | |
| CN102855466B (zh) | 一种基于视频图像处理的人数统计方法 | |
| CN110309765B (zh) | 一种视频运动目标高效检测方法 | |
| US20210192251A1 (en) | Method and system for selecting image region that facilitates blur kernel estimation | |
| CN109919026A (zh) | 一种水面无人艇局部路径规划方法 | |
| Li et al. | Road markings extraction based on threshold segmentation | |
| CN101930606A (zh) | 一种图像边缘检测的景深扩展方法 | |
| CN112287906A (zh) | 一种基于深度特征融合的模板匹配跟踪方法及*** | |
| CN103870847B (zh) | 一种低照度环境下对地监控的运动目标检测方法 | |
| CN110473255A (zh) | 一种基于多重网格划分的船舶系船柱定位方法 | |
| CN117576168A (zh) | 基于传统光流计算的水流速度估计方法及*** | |
| CN105405112A (zh) | 多光谱卫星影像距离偏差指数去雾方法 | |
| CN105303544A (zh) | 一种基于最小边界距离的视频拼接方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170718 |
|
| WD01 | Invention patent application deemed withdrawn after publication |