CN109035306A - 动目标自动检测方法及装置 - Google Patents
动目标自动检测方法及装置 Download PDFInfo
- Publication number
- CN109035306A CN109035306A CN201811063853.4A CN201811063853A CN109035306A CN 109035306 A CN109035306 A CN 109035306A CN 201811063853 A CN201811063853 A CN 201811063853A CN 109035306 A CN109035306 A CN 109035306A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- target
- moving
- benchmark
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及动目标检测技术领域,提供一种动目标自动检测方法及装置,所述方法包括:获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像;以至少两帧光学卫星图像中任意一帧光学卫星图像作为基准图像,对除基准图像之外的其余待配准图像均进行预处理得到对应的配准图像;对基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图;对每张二值图均进行对象信息提取,确定每张二值图中的目标对象,并对目标对象进行虚警去除,得到所述每张二值图中的动目标。本发明通过对采集图像进行预处理、差分运算、去虚警的过程进行自动化处理,有效地提高了动目标自动检测的实时性。
Description
技术领域
本发明涉及动目标检测技术领域,具体而言,涉及一种动目标自动检测方法及装置。
背景技术
动目标检测是将动目标从背景图像中分离出来,由于光学卫星图像地物繁杂,不同时刻的图像光照条件与拍摄角度都有所变化等环境影响,给动目标检测带来了很大困难。现有技术通常采用多光谱图像算法、光流法等方法,但是现有算法由于自动化程度低,导致算法效率不高,实时性差。
发明内容
本发明实施例的目的在于提供一种动目标自动检测方法及装置,通过对采集图像进行预处理、差分运算、去虚警得到动目标的过程进行自动化处理,有效地提高了动目标自动检测的实时性。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种动目标自动检测方法,应用于图像处理设备,图像处理设备与图像采集器通信连接,所述方法包括:获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像;以至少两帧光学卫星图像中任意一帧光学卫星图像作为基准图像,对除基准图像之外的其余待配准图像均进行预处理得到对应的配准图像;对基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图;对每张二值图均进行对象信息提取,确定每张二值图中的目标对象,并对目标对象进行虚警去除,得到每张二值图中的动目标。
第二方面,本发明实施例还提供了一种动目标自动检测装置,所述装置包括获取模块、预处理模块、差分模块和虚警去除模块。其中,获取模块用于获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像;预处理模块用于以至少两帧光学卫星图像中任意一帧光学卫星图像作为基准图像,对除基准图像之外的其余待配准图像均进行预处理得到对应的配准图像,差分模块用于对基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图,虚警去除模块用于对每张二值图均进行对象信息提取,确定每张二值图中的目标对象,并对目标对象进行虚警去除,得到每张二值图中的动目标。
相对现有技术,本发明实施例提供的一种动目标自动检测方法及装置,首先,图像处理设备获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像;然后,以至少两帧所述光学卫星图像中任意一帧光学卫星图像作为基准图像,对除基准图像之外的其余待配准图像均进行预处理得到对应的配准图像;接下来,对基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图;最后,对每张二值图均进行对象信息提取,确定每张二值图中的目标对象,并对目标对象进行虚警去除,得到每张二值图中的动目标。与现有技术相比,本发明实施例通过对采集图像进行预处理、差分运算、去虚警的过程进行自动化处理,有效地提高了动目标自动检测的实时性。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的图像处理设备的方框示意图。
图2示出了本发明实施例提供的动目标自动检测方法流程图。
图3为图2示出的步骤S103的子步骤流程图。
图4为图2示出的步骤S104的子步骤流程图。
图5为图2示出的步骤S105的子步骤流程图。
图6示出了本发明实施例提供的动目标自动检测装置的方框示意图。
图标:100-图像处理设备;101-存储器;102-通信接口;103-处理器;104-总线;200-动目标自动检测装置;201-获取模块;202-灰度变换模块;203-预处理模块;204-差分模块;205-虚警去除模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1示出了本发明实施例提供的图像处理设备100的方框示意图。图像处理设备100可以是,但不限于,主机、虚拟机、实体服务器、实体服务器上的虚拟机等能提供与所述服务器或者虚拟机有相同功能的实体或者虚拟的服务端。图像处理设备100的操作***可以是,但不限于,Windows***、Linux***等。所述图像处理设备100包括存储器101、通信接口102、处理器103和总线104,所述存储器101、通信接口102和处理器103通过总线104连接,处理器103用于执行存储器101中存储的可执行模块,例如计算机程序。
其中,存储器101可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口102(可以是有线或者无线)实现该图像处理设备100与至少一个其他图像处理设备100、以及外部存储设备之间的通信连接。
总线104可以是ISA总线、PCI总线或EISA总线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器101用于存储程序,例如图6所示的动目标自动检测装置200。该动目标自动检测装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述图像处理设备100的操作***(operating system,OS)中的软件功能模块。所述处理器103在接收到执行指令后,执行所述程序以实现本发明上述实施例揭示的动目标自动检测方法。
第一实施例
请参照图2,图2示出了本发明实施例提供的动目标自动检测方法流程图。处理方法包括以下步骤:
步骤S101,获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像。
在本发明实施例中,不同时刻采集的至少两帧光学卫星图像,一方面,可以至少两帧光学卫星图像可以用来计算生成二值图时需要的阈值,另一方面,在去除虚警时可以依据采集时间相邻的光学卫星图像帮助排除虚警,以得到最准确的动目标。
步骤S102,当光学卫星图像为多光谱卫星图像时,对光学卫星图像进行灰度变换,并将灰度变换后的图像进行超分辨率重建,得到待配准图像。
在本发明实施例中,由于多光谱卫星图像是包含很多带的图像,比如说有3个带的彩色图像和全色图像,为了便于后续对光学卫星图像的预处理的统一化,对于多光谱卫星图像,首先进行灰度变换,灰度变换是通过灰度变换函数对多光谱卫星图像进行灰度变换处理,生成对应的灰度图像;然后将该灰度图像进行超分辨率重建,超分辨率重建指通过低分辨率图像恢复出高分辨率图像,由于多光谱卫星图像中其他光谱图像比全色图像分辨率低,因此,需要对灰度变换后的灰度图像进行超分辨率重建得到与全色图像分辨率相同的高分辨率的图像,最后,将超分辨率重建后的高分辨率的图像作为待配准图像。
步骤S103,以至少两帧光学卫星图像中任意一帧光学卫星图像作为基准图像,对除基准图像之外的其余待配准图像均进行预处理得到对应的配准图像。
在本发明实施例中,基准图像可以是至少两帧光学卫星图像中的任意一帧,除该基准图像之外的其余的光学卫星图像称为待配准图像,对待配准图像进行的预处理包括图像灰度校正和图像配准,基准图像可以是图像灰度校正的标准,同时也可以是图像配准的标准。在本发明实施例中,确定出基准图像后,首先,以该基准图像为基准对待配准图像进行灰度校正,使得校正后的待配准图像与该基准图像的灰度响应一致,其中,灰度响应一致可以是灰度值比较接近,即灰度值之间的差别在预设范围内;然后,对校正后的图像进行图像配准,得到与该基准图像灰度响应一致、且坐标系一致的配准图像。
请参照图3,步骤S103的还可以包括以下子步骤:
子步骤S1031,依据基准图像的灰度值,对待配准图像进行图像灰度校正,得到与基准图像灰度响应一致的校正图像。
在本发明实施例中,不同时刻光照条件下采集的多张图像中的同一地物的灰度值是不一致的,为了降低虚警率,使得检测到的动目标更准确,首先将采集到的至少两帧光学卫星图像进行灰度校正,得到灰度响应一致的校正图像。
在本发明实施例中,作为一种实施方式,灰度校正具体过程可以是:
首先,计算基准图像、待校正图像的平均灰度值avg_base和avg_toadjust。
在本发明实施例中,作为一种实施方式,基准图像的平均灰度值可以通过计算基准图像中所有像元的灰度值的平均值得到,待校正图像的平均灰度值可以通过计算待校准图像中所有像元的灰度值的平均值得到,计算基准图像的平均灰度值的公式如下:
avg_base=sum(cell_gbase)/totalbase,
其中,avg_base代表基准图像的平均灰度值,cell_gbase代表基准图像中一个像元的灰度值,sum(cell_gbase)代表基准图像中所有像元灰度值之和,totalbase代表基准图像中像元的总数。
计算待校正图像的平均灰度值的公式如下:
avg_toadjust=sum(cell_gtoadjust)/totaltoadjust,
其中,avg_toadjust代表待校准图像的平均灰度值,cell_gtoadjust代表待校准图像中一个像元的灰度值,sum(cell_gtoadjust)代表待校准图像中所有像元灰度值之和,totaltoadjust代表待校准图像中像元的总数。
然后,计算偏置系数。
在本发明实施例中,偏置系数计算公式可以是:
offset=avg_base-avg_toadjust,
其中,offset代表偏置系数。
最后,根据偏置系数对待校正图像进行校正。
用待校正图像中每一个像元的灰度值与偏置系数相加得到对应的校正图像中像元的灰度值。
在本发明实施例中,校正图像中一个像元的灰度值的计算公式可以是:
cell_gadjust=cell_gtoadjust+offset,
其中,cell_gtoadjust代表待校正图像中一个像元,cell_gadjust代表校正图像中与待校正图像中cell_gtoadjust对应的像元的灰度值。
子步骤S1032,依据基准图像对所述校正图像进行图像配准得到对应的配准图像。
在本发明实施例中,配准图像是根据坐标变换参数、将校正图像转换成与基准图像具有相同坐标系的图像,也就是说,配准图像与基准图像具有相同的坐标系,作为一种实施方式,图像配准的具体过程可以是:。
首先,提取基准图像的第一特征点及校正图像的第二特征点。
在本发明实施例中,第一特征点可以是表征基准图像具有特定奇异性的像元点,第二特征点可以是表征校正图像具有特定奇异性的像元点,进行图像配准时采用的特征点可以、但不限于是harris、surf、sift等特征点。
其次,对第一特征点及第二特征点进行特征匹配得到基准图像与校正图像之间的坐标变换参数。
在本发明实施例中,特征匹配的过程是采用特征匹配算法对第一特征点及第二特征点之间的相似性进行度量、剔除掉错误匹配后确定基准图像和校正图像的坐标变换参数的过程,坐标变换参数表征基准图像和校正图像之间的坐标变换关系,即通过坐标变换参数可以得出与第二特征点对应的第一特征点,例如,图像A为基准图像,将图像A右移了2个像元、再向上移了3个像元、又顺时针旋转了60度,此时,得到图像B,如果将图像B作为待图像配准的校正图像,对图像B进行配准的过程就是确定2、3、60这三个坐标变换参数的过程,根据这三个坐标变换参数,可以得到图像B中的任何一个像元点对应图像A中的像元点。在本发明实施例中,进行特征匹配的算法可以、但不限于是flann算法、freak算法等。
最后,以基准图像为基准,依据坐标变换参数生成校正图像在基准图像的坐标系中的配准图像。
在本发明实施例中,配准图像是依据坐标变换参数得到的与基准图像的坐标系相同的图像,经过图像配准得到的配准图像虽然与校正图像尺寸相同,但是发生了平移、旋转等变换,在生成配准图像时,与第一特征点无匹配的对应的区域可以以0值填充。
步骤S104,对基准图像及所有配准图像依次两两差分运算,得到至少两个对应的二值图。
在本发明实施例中,二值图指图像上的每一个像元只有两种可能的取值或者灰度等级,例如,二值图中每一个像元的灰度值非0即1,二值图中像元值为1的区域表征了该二值图中可能的动目标,与基准图像对应的二值图中像元值为1的区域是该基准图像中可能的动目标,与配准图像对应的二值图中像元值为1的区域是该配准图像中可能的动目标。为了得到一张二值图,首先,根据从基准图像及所有配准图像确定出采集时间相邻的两张参与差分运算的图像;其次,根据这两张参与差分运算的图像,计算出对应的二值阈值;然后,将这两张参与差分运算的图像进行差分运算,得到差分结果;最后,根据差分结果及二值阈值得到二值图中每一个像元的值。
在本发明实施例中,基准图像及所有配准图像一共有多少张,就有对应的多少张二值图,按照采集时间的先后顺序每次从基准图像及所有配准图像中获取两张采集时间相邻的图像,根据这两张图像计算对应的二值阈值,然后对这两张图像做差分运算得到差分运算的结果,根据对应的二值阈值及差分运算的结果得到对应的二值图。例如,基准图像及所有配准图像一共有3张不同时刻采集的图像:按照采集时间的先后顺序分别为:图像1、图像2、图像3,其中图像2为基准图像,图像1和图像3为配准图像,首先,从3张图像中选择图像1和图像2,对图像1和图像2进行差分运算得到图像1对应的二值图;然后,从3张图像中选择图像2和图像3,对图像2和图像3进行差分运算得到图像2对应的二值图;最后,对图像3和图像2进行差分运算得到图像3对应的二值图。
请参照图4,步骤S104还可以包括以下子步骤:
子步骤S1041,按照预设规则从基准图像及所有配准图像中得到采集时间相邻的第一图像及第二图像。
在本发明实施例中,第一图像及第二图像为采集时间相邻的图像,在进行差分运算时,第一图像为参与差分运算的被减数,第二图像为参与差分运算的减数。在本发明实施例中,由于得到二值图以对动目标进行初步检测的方法可以、但不限于帧差法和减背景法。因此,得到时间相邻的第一图像及第二图像的方法可以、但不限于以下两种:
(1)与帧差法对应的得到时间相邻的第一图像及第二图像的方法可以是:
首先,按照采集时间的先后顺序从基准图像及所有配准图像中依次获取采集时间相邻的两张图像,并将采集时间相邻的两张图像中采集时间早的图像作为第一图像,将采集时间晚的图像作为第二图像。
在本发明实施例中,按照采集时间先后顺序从基准图像及所有配准图像中依次获取采集时间相邻的两张图像,例如,基准图像及所有配准图像一共有3张不同时刻采集的图像:按照采集时间的先后顺序分别为:图像1、图像2、图像3,其中图像2为基准图像,图像1和图像3为配准图像,首先,从3张图像中选择图像1和图像2,图像1的采集时间早于图像2的采集时间,因此,图像1为第一图像,图像2为第二图像;其次,从3张图像中选择图像2和图像3,图像2的采集时间早于图像3的采集时间,因此,图像2为第一图像,图像3为第二图像。
其次,将基准图像及所有配准图像中采集时间最晚的作为第一图像,将与第一图像采集时间相邻的图像作为第二图像。
在本发明实施例中,当取到基准图像及所有配准图像中采集时间最晚的图像时,由于没有比该图像采集时间更晚的图像,而本发明实施例要求基准图像及所有配准图像中每一张图像都有对应的二值图,因此,将采集时间最晚的图像作为第一图像,将与该第一图像采集时间相邻的图像作为第二图像,进行差分运算得到与基准图像及所有配准图像中采集时间最晚的图像对应的二值图,例如,基准图像及所有配准图像一共有3张不同时刻采集的图像:按照采集时间的先后顺序分别为:图像1、图像2、图像3,其中图像2为基准图像,图像1和图像3为配准图像,对图像1和图像2进行差分运算得到图像1对应的二值图,对图像2和图像3进行差分运算得到图像2对应的二值图,此时,只有图像1和图像2有对应的二值图,图像3对应的二值图可以通过对图像3和图像2进行差分运算得到。
(2)与减背景法对应的得到时间相邻的第一图像及第二图像的方法可以是:
首先,依据基准图像及所有配准图像进行背景重建得到背景图像。
在本发明实施例中,背景重建是依据基准图像及所有配准图像利用背景建模算法重建基准图像及所有配准图像中的背景图像,背景建模算法可以、但不限于统计背景建模算法、高斯背景建模算法等。
其次,依次将基准图像及所有配准图像作为第一图像,将背景图像作为第二图像。
在本发明实施例中,每次从基准图像及所有配准图像中取出一张图像作为第一图像,将背景图像作为第二图像,将第一图像与第二图像进行差分运算,得到第一图像对应的二值图。
子步骤S1042,依据第二图像及第一图像的灰度值计算二值阈值。
在本发明实施例中,灰度值包括第一灰度值和第二灰度值,其中,第一灰度值是第二图像相对于第一图像灰度有变化的像元的灰度值的平均值;第二灰度值是第二图像相对于第一图像灰度未变化的像元的灰度值的平均值,二值阈值是第一灰度值与第二灰度值之差的绝对值。
子步骤S1043,将第一图像中的像元与第二图像中的像元进行差分运算,得到差分结果。
在本发明实施例中,差分运算是将第一图像中的像元与第二图像中对应的像元相减,差分结果是二者之差。
子步骤S1044,当差分结果大于或者等于二值阈值时,将与第一图像对应的二值图像中对应的像元置第一预设值。
在本发明实施例中,第一预设值可以是1,代表二值图中像元的两种状态中的其中一种状态。
子步骤S1045,当差分结果小于二值阈值时,将与第一图像对应的二值图像中对应的像元置第二预设值。
在本发明实施例中,第二预设值可以是0,代表二值图中像元的两种状态中的其中一种状态。
在本发明实施例中,作为一种实施方式,当采用帧差法时,按照采集时间先后顺序从基准图像及所有配准图像中依次获取采集时间相邻的两张图像,第一图像可以是采集时间相邻的两张图像中采集时间早的图像,第二图像可以是采集时间相邻的两张图像中采集时间晚的图像,第一图像还可以是基准图像和所有配准图像中采集时间最晚的图像,第二图像是与该第一图像采集时间相邻的图像,第一图像为第一图像中的像元与第二图像中的像元进行差分运算可以使用如下公式:
其中,Dn(x,y)代表二值图中与第一图像中Fn(x,y)对应的像元值,Fn(x,y)代表第一图像中坐标点为(x,y)的像元值,Fn+1(x,y)代表第二图像中与Fn(x,y)对应的像元值,Ta代表帧差法对应的二值阈值。
在本发明实施例中,作为一种实施方式,当采用减背景法时,第一图像是依次从基准图像和所有配准图像中获取的图像,第二图像是背景图像,第一图像中的像元与第二图像中的像元进行差分运算可以使用如下公式:
其中,Dn(x,y)代表二值图中与第一图像中Fn(x,y)对应的像元值,Fn(x,y)代表第一图像中坐标点为(x,y)的像元值,B(x,y)代表背景图像中与第一图像中Fn(x,y)对应的像元值,Tb代表减背景法对应的二值阈值。
需要说明的是,对基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图的方法还可以是:按照采集时间先后顺序依次获取采集时间相邻的两张图像,分别将两张图像中采集时间早的图像与采集时间晚的图像进行差分运算、将两张图像中采集时间晚的图像与采集时间早的图像进行差分运算得到两张二值图,将所有二值图中除第一个和最后一张二值图外的其余二值图依次两两取交集得到对应的二值图作为对应图像最终的二值图,例如,按照采集时间顺序的图像1、图像2、图像3、图像4,图像1和图像2做差分运算得到二值图1、图像2和图像1做差分运算得到二值图2、图像2和图像3做差分运算得到二值图3、图像3和图像2做差分运算得到二值图4、图像3和图像4做差分运算得到二值图5、图像4和图像3做差分运算得到二值图6,第一张二值图是二值图1,是图像1对应的二值图,最后一张二值图是二值图6,是图像4对应的二值图,取二值图2和二值图3的交集得到图像2对应的二值图,取二值图4和二值图5的交集得到图像3对应的二值图。
步骤S105,对每张二值图均进行对象信息提取,确定每张二值图中的目标对象,并对目标对象进行虚警去除,得到每张二值图中的动目标。
在本发明实施例中,信息提取可以是使用连通域算法标识对象,计算每一对象质心坐标、面积、外接矩形等信息。二值图中的目标对象指与提取到的信息对应的二值图中的区域。虚警指被误判为动目标的非动目标,将目标对象中的非动目标进行去除,可以提高动目标检测的准确率,虚警的去除过程可以是:首先,根据预设筛选条件,将目标对象中的静态对象筛除,其次,将筛除静态对象后的目标对象中未同时存在于采集时间相邻的二值图中的目标对象去除,得到动目标。
请参照图6,步骤S105还可以包括以下子步骤:
子步骤S1051,依据预设筛除条件,将目标对象中的静态对象筛除后得到初选动目标。
在本发明实施例中,预设筛除条件可以是采用长宽比约束减少因环境变化产生的房屋、道路边缘等线性虚警,采用面积约束去除不在正常动目标大小范围内的块状虚警,满足预设筛除条件的对象通常为静态对象。
子步骤S1052,将未同时存在于采集时间相邻的二值图中初选动目标作为虚警去除,最终得到对应二值图中的动目标。
在本发明实施例中,因为动目标在短时间内运动距离不会太大,一般不会离开成像区域,因此两个相邻时刻图像中同一目标对象应成对存在,综合考虑面积差、灰度值差、质心距离等目标相似性测度,依次匹配两个相邻时刻动目标,将没有找到匹配的动目标视为虚警去除,最终获得动目标,例如,按照采集时间顺序的图像1、图像2,其中,图像1中的初选动目标包括目标1、目标2、目标3,图像2中的初选动目标包括目标1、目标3、目标4,则图像1中目标2为虚警,图像1中的动目标为目标1和目标3,图像2中的目标4为虚警,图像2中的动目标为目标1和目标3。
在本发明实施例中,从对采集图像进行预处理、差分运算、去虚警到最终得到动目标的整个过程的过程进行自动化处理,与现有技术相比,具有以下有益效果:
第一,由于从动目标检测前对采集图像的预处理、采集图像的差分运算、到最终动目标检测,整个过程都是自动化完成,不需要人工干预,有效地提高了动目标自动检测的实时性。
第二,每次差分运算时,根据参与差分运算的两个采集图像计算对应的二值阈值,使得生成的二值图可以更准确地反映出其中的动目标,提高动目标检测的完整率。
第三,利用动目标自身特性与动目标在相邻时刻成对的特征,将未同时存在于相邻采集时间的二值图中的动目标进行虚警去除,有效地降低了虚警率。
第二实施例
请参照图6,图6示出了本发明实施例提供的动目标自动检测装置200的方框示意图。动目标自动检测装置200应用于图像处理设备100,其包括获取模块201;灰度变换模块202;预处理模块203;差分模块204;虚警去除模块205。
获取模块201,用于获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像。
在本发明实施例中,获取模块201用于执行步骤S101。
灰度变换模块202,用于当光学卫星图像为多光谱卫星图像时,对光学卫星图像进行灰度变换,并将灰度变换后的图像进行超分辨率重建,得到待配准图像。
在本发明实施例中,灰度变换模块202用于执行步骤S102。
预处理模块203,用于以至少两帧光学卫星图像中任意一帧光学卫星图像作为基准图像,对除基准图像之外的其余待配准图像均进行预处理得到对应的配准图像。
在本发明实施例中,预处理模块203用于执行步骤S103及其子步骤S1031-S1032。
在本发明实施例中,预处理模块203具体还用于:提取基准图像的第一特征点及校正图像的第二特征点;对第一特征点及第二特征点进行特征匹配得到基准图像与校正图像之间的坐标变换参数;以基准图像为基准,依据坐标变换参数生成校正图像在基准图像的坐标系中的配准图像。
差分模块204,用于对基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图。
在本发明实施例中,差分模块204用于执行步骤S104及其子步骤S1041-S1045。
在本发明实施例中,差分模块204具体还用于:
按照采集时间的先后顺序从基准图像及所有配准图像中依次获取采集时间相邻的两张图像,并将采集时间相邻的两张图像中采集时间早的图像作为第一图像,将采集时间晚的图像作为第二图像;
将基准图像及所有配准图像中采集时间最晚的作为第一图像,将与第一图像采集时间相邻的图像作为第二图像、
以及
依据基准图像及所有配准图像进行背景重建得到背景图像;
依次将基准图像及所有配准图像作为第一图像,将背景图像作为第二图像。
虚警去除模块205,用于对每张二值图均进行对象信息提取,确定所述每张二值图中的目标对象,并对所述目标对象进行虚警去除,得到所述每张二值图中的动目标。
在本发明实施例中,虚警去除模块205用于执行步骤S105及其子步骤S1051-S1052。
综上所述,本发明提供的一种动目标自动检测方法及装置,所述动目标自动检测方法应用于图像处理设备,图像处理设备与图像采集器通信连接,所述方法包括:获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像;以至少两帧光学卫星图像中任意一帧光学卫星图像作为基准图像,对除基准图像之外的其余待配准图像均进行预处理得到对应的配准图像;对基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图;对每张二值图均进行对象信息提取,确定每张二值图中的目标对象,并对目标对象进行虚警去除,得到每张二值图中的动目标。与现有技术相比,本发明实施例通过对采集图像进行预处理、差分运算、去虚警最终得到动目标的过程进行自动化处理,有效地提高了动目标自动检测的实时性。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (10)
1.一种动目标自动检测方法,其特征在于,应用于图像处理设备,所述图像处理设备与图像采集器通信连接,所述方法包括:
获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像;
以至少两帧所述光学卫星图像中任意一帧光学卫星图像作为基准图像,对除所述基准图像之外的其余待配准图像均进行预处理得到对应的配准图像;
对所述基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图;
对每张二值图均进行对象信息提取,确定所述每张二值图中的目标对象,并对所述目标对象进行虚警去除,得到所述每张二值图中的动目标。
2.如权利要求1所述的动目标自动检测方法,其特征在于,所述对除所述基准图像之外的其余待配准图像均进行预处理得到对应的配准图像的步骤,包括:
依据所述基准图像的灰度值,对所述待配准图像进行图像灰度校正,得到与所述基准图像灰度响应一致的校正图像;
依据基准图像对所述校正图像进行图像配准得到对应的配准图像。
3.如权利要求2所述的动目标自动检测方法,其特征在于,所述依据基准图像对所述校正图像进行图像配准得到对应的配准图像的步骤,包括:
提取所述基准图像的第一特征点及所述校正图像的第二特征点;
对所述第一特征点及所述第二特征点进行特征匹配得到所述基准图像与所述校正图像之间的坐标变换参数;
以所述基准图像为基准,依据所述坐标变换参数生成所述校正图像在所述基准图像的坐标系中的配准图像。
4.如权利要求2所述的动目标自动检测方法,其特征在于,所述依据所述基准图像的灰度值,对所述待配准图像进行图像灰度校正的步骤之前,所述方法还包括:
当所述光学卫星图像为多光谱卫星图像时,对所述光学卫星图像进行灰度变换,并将灰度变换后的图像进行超分辨率重建,得到待配准图像。
5.如权利要求1所述的动目标自动检测方法,其特征在于,所述对所述基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图的步骤,包括:
按照预设规则从所述基准图像及所有配准图像中得到采集时间相邻的第一图像及第二图像;
依据所述第二图像及所述第一图像的灰度值计算二值阈值;
将所述第一图像中的像元与所述第二图像中的像元进行差分运算,得到差分结果;
当所述差分结果大于或者等于所述二值阈值时,将与所述第一图像对应的二值图像中对应的像元置第一预设值;
当所述差分结果小于所述二值阈值时,将与所述第一图像对应的二值图像中对应的像元置第二预设值。
6.如权利要求5所述的动目标自动检测方法,其特征在于,所述按照预设规则从所述基准图像及所有配准图像中得到采集时间相邻的第一图像及第二图像的步骤,包括:
按照采集时间的先后顺序从所述基准图像及所有配准图像中依次获取采集时间相邻的两张图像,并将所述采集时间相邻的两张图像中采集时间早的图像作为第一图像,将采集时间晚的图像作为第二图像;
将所述基准图像及所有配准图像中采集时间最晚的作为第一图像,将与所述第一图像采集时间相邻的图像作为第二图像。
7.如权利要求6所述的动目标自动检测方法,其特征在于,所述配准图像至少有两张,所述方法还包括:
依据所述基准图像及所有配准图像进行背景重建得到背景图像;
依次将所述基准图像及所有配准图像作为第一图像,将所述背景图像作为第二图像。
8.如权利要求1所述的动目标自动检测方法,其特征在于,所述对所述目标对象进行虚警去除,得到所述每张二值图中的动目标的步骤,包括:
依据预设筛除条件,将所述目标对象中的静态对象筛除后得到初选动目标;
将未同时存在于采集时间相邻的二值图中初选动目标作为虚警去除,最终得到对应二值图中的动目标。
9.一种动目标自动检测装置,其特征在于,应用于图像处理设备,所述图像处理设备与图像采集器通信连接,所述装置包括:
获取模块,用于获取图像采集器采集的至少两帧不同时刻采集的光学卫星图像;
预处理模块,用于以至少两帧所述光学卫星图像中任意一帧光学卫星图像作为基准图像,对除所述基准图像之外的其余待配准图像均进行预处理得到对应的配准图像;
差分模块,用于对所述基准图像及所有配准图像依次两两差分运算,得到至少两张对应的二值图;
虚警去除模块,用于对每张二值图均进行对象信息提取,确定所述每张二值图中的目标对象,并对所述目标对象进行虚警去除,得到所述每张二值图中的动目标。
10.如权利要求9所述的动目标自动检测装置,其特征在于,所述预处理模块具体用于:
依据所述基准图像的灰度值,对所述待配准图像进行图像灰度校正,得到与所述基准图像灰度响应一致的校正图像;
依据基准图像对所述校正图像进行图像配准得到对应的配准图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811063853.4A CN109035306B (zh) | 2018-09-12 | 2018-09-12 | 动目标自动检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811063853.4A CN109035306B (zh) | 2018-09-12 | 2018-09-12 | 动目标自动检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109035306A true CN109035306A (zh) | 2018-12-18 |
CN109035306B CN109035306B (zh) | 2020-12-15 |
Family
ID=64621160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811063853.4A Active CN109035306B (zh) | 2018-09-12 | 2018-09-12 | 动目标自动检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035306B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782459A (zh) * | 2019-01-08 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种图像处理方法及装置 |
CN112308771A (zh) * | 2019-07-31 | 2021-02-02 | 维沃移动通信有限公司 | 一种图像处理方法、装置及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11234660A (ja) * | 1998-02-18 | 1999-08-27 | Toshiba Corp | 移動目標検出処理装置及び方法 |
CN101930072A (zh) * | 2010-07-28 | 2010-12-29 | 重庆大学 | 基于多特征融合的红外弱小运动目标航迹起始方法 |
CN104851097A (zh) * | 2015-05-19 | 2015-08-19 | 西安电子科技大学 | 基于目标形状与阴影辅助的多通道sar-gmti方法 |
CN106874949A (zh) * | 2017-02-10 | 2017-06-20 | 华中科技大学 | 一种基于红外图像的动平台运动目标检测方法及*** |
CN106887010A (zh) * | 2017-01-13 | 2017-06-23 | 西北工业大学深圳研究院 | 基于高层场景信息的地面运动目标检测方法 |
CN107563961A (zh) * | 2017-09-01 | 2018-01-09 | 首都师范大学 | 一种基于相机传感器的动目标检测的***及方法 |
CN107945212A (zh) * | 2017-11-29 | 2018-04-20 | 中国人民解放***箭军工程大学 | 基于惯导信息辅助和背景差分法的红外弱小移动目标检测方法 |
-
2018
- 2018-09-12 CN CN201811063853.4A patent/CN109035306B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11234660A (ja) * | 1998-02-18 | 1999-08-27 | Toshiba Corp | 移動目標検出処理装置及び方法 |
CN101930072A (zh) * | 2010-07-28 | 2010-12-29 | 重庆大学 | 基于多特征融合的红外弱小运动目标航迹起始方法 |
CN104851097A (zh) * | 2015-05-19 | 2015-08-19 | 西安电子科技大学 | 基于目标形状与阴影辅助的多通道sar-gmti方法 |
CN106887010A (zh) * | 2017-01-13 | 2017-06-23 | 西北工业大学深圳研究院 | 基于高层场景信息的地面运动目标检测方法 |
CN106874949A (zh) * | 2017-02-10 | 2017-06-20 | 华中科技大学 | 一种基于红外图像的动平台运动目标检测方法及*** |
CN107563961A (zh) * | 2017-09-01 | 2018-01-09 | 首都师范大学 | 一种基于相机传感器的动目标检测的***及方法 |
CN107945212A (zh) * | 2017-11-29 | 2018-04-20 | 中国人民解放***箭军工程大学 | 基于惯导信息辅助和背景差分法的红外弱小移动目标检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782459A (zh) * | 2019-01-08 | 2020-02-11 | 北京嘀嘀无限科技发展有限公司 | 一种图像处理方法及装置 |
CN112308771A (zh) * | 2019-07-31 | 2021-02-02 | 维沃移动通信有限公司 | 一种图像处理方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109035306B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363858B (zh) | 一种三维人脸重建方法及*** | |
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
Pape et al. | 3-D histogram-based segmentation and leaf detection for rosette plants | |
CN110458895B (zh) | 图像坐标系的转换方法、装置、设备及存储介质 | |
CN109685045B (zh) | 一种运动目标视频跟踪方法及*** | |
CN105809673B (zh) | 基于surf算法和合并最大相似区域的视频前景分割方法 | |
CN108550166B (zh) | 一种空间目标图像匹配方法 | |
CN110992366B (zh) | 一种图像语义分割方法、装置及存储介质 | |
CN111383252B (zh) | 多相机目标追踪方法、***、装置及存储介质 | |
CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN110378924A (zh) | 基于局部熵的水平集图像分割方法 | |
CN109035306A (zh) | 动目标自动检测方法及装置 | |
Kehl et al. | Automatic illumination‐invariant image‐to‐geometry registration in outdoor environments | |
Apdilah et al. | A study of Frei-Chen approach for edge detection | |
CN111191708A (zh) | 自动化样本关键点标注方法、装置及*** | |
CN114119695A (zh) | 一种图像标注方法、装置及电子设备 | |
CN106709941A (zh) | 一种用于光谱影像序列配准的关键点筛选方法 | |
CN111797832A (zh) | 一种图像感兴趣区域自动生成方法及***及图像处理方法 | |
CN108960285B (zh) | 一种分类模型生成方法、舌体图像分类方法及装置 | |
CN115294035B (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN111079752A (zh) | 识别红外图像中的断路器的方法、装置及可读存储介质 | |
CN116402867A (zh) | 融合sift和ransac的三维重建图像对齐的方法 | |
CN116188826A (zh) | 一种复杂光照条件下的模板匹配方法及装置 | |
Schubert et al. | Robust registration and filtering for moving object detection in aerial videos | |
Zhang et al. | A combined approach to single-camera-based lane detection in driverless navigation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |