CN109816606A - 一种利用光学遥感卫星进行目标跟踪的方法 - Google Patents
一种利用光学遥感卫星进行目标跟踪的方法 Download PDFInfo
- Publication number
- CN109816606A CN109816606A CN201910051708.2A CN201910051708A CN109816606A CN 109816606 A CN109816606 A CN 109816606A CN 201910051708 A CN201910051708 A CN 201910051708A CN 109816606 A CN109816606 A CN 109816606A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- remote sensing
- track
- pseudo
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000003287 optical effect Effects 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 38
- 238000006243 chemical reaction Methods 0.000 claims description 19
- 238000011946 reduction process Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011410 subtraction method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种利用光学遥感卫星进行目标跟踪的方法,利用光学遥感卫星拍摄得到遥感图像,多张遥感图像组成遥感图像序列,方法包括:S1,对遥感图像序列进行预处理,得到预处理后的图像序列;S2,对预处理后的图像序列进行筛选,以筛选出多张目标图像,目标图像包括至少一个目标和/或至少一个与目标相似的伪目标;S3,将多张目标图像中的同一目标或同一伪目标进行关联,得到多条位置轨迹;S4,计算所述多条海面速度轨迹之间的离散Frechet距离,根据多条轨迹之间的离散Frechet距离之和,确定出多条位置轨迹中的目标位置轨迹。实现对密集云场景下的运动舰船的跟踪识别,计算复杂度低、运行速度快,算法简单,易于工程实现。
Description
技术领域
本发明涉及卫星遥感技术领域,尤其涉及一种利用光学遥感卫星进行目标跟踪的方法。
背景技术
静止轨道光学遥感卫星的轨道周期与地球自转周期相同,因此与地球保持相对静止。其拥有较大的成像幅宽,可对指定的大面积区域进行连续观测。高分四号卫星于2015年发射,位于东经105.6°的赤道上方,距地面高度约36000km,星下点空间分辨率优于50m×50m,成像覆盖面积接近500km×500km,可进行大范围实时、连续机动成像和高时间分辨率成像相结合的综合观测。
静止轨道卫星光学遥感图像检测运动舰船为遥感卫星技术应用的一个重要方面,其利用舰船在水面上运动时所形成尾迹的灰度值进行检测,目前常用的光学遥感卫星成像检测目标运动舰船的方法主要有帧差法、光流法和背景减除法等方法。帧差法的原理是对时间上连续的两帧或三帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能;光流法的原理是首先给图像中每个像素点赋予一个速度矢量,形成光流场,若图像中没有运动物体,光流场连续均匀,如果有运动物体,运动物体的光流和图像的光流不同,光流场不再连续均匀,从而可以检测出运动物体及位置;背景减除法的原理是对背景建模,然后进行背景减除剩下前景视作所求的目标。
发明内容
(一)要解决的技术问题
由于点状云的几何特征和运动速度与舰船尾迹的几何特征和运动速度极为相似,上述三种经典运动舰船目标检测方法都不再适用,本发明提供了一种利用遥感卫星进行目标跟踪的方法,以在密集点状云场景下使用静止轨道卫星光学遥感图像准确、快速地检测出目标运动舰船。
(二)技术方案
本发明提供了一种利用光学遥感卫星进行目标跟踪的方法,利用光学卫星拍摄得到多张遥感图像,多张遥感图像组成遥感图像序列,方法包括:S1,对遥感图像序列进行预处理,得到预处理后的图像序列;S2,对预处理后的图像序列进行筛选,以筛选出多张目标图像,目标图像包括至少一个目标和/或至少一个与目标相似的伪目标;S3,将多张目标图像中的同一目标或同一伪目标进行关联,得到多条位置轨迹,其中,多条位置轨迹包括目标位置轨迹或伪目标位置轨迹;S4,计算所述多条轨迹之间的离散Frechet距离,根据多条轨迹之间的离散Frechet距离之和,确定出多条位置轨迹中的目标位置轨迹。
可选地,步骤S4之前还包括:将多条位置轨迹换算为多条海面速度轨迹。
可选地,将所述多条位置轨迹换算为多条海面速度轨迹具体为通过换算公式将多条位置轨迹换算为多条海面速度轨迹,其中,换算公式包括:
其中,V为多条海面速度轨迹组成的海面速度轨迹矩阵,k为遥感图像中每一像素对应的海面实际距离,T为拍摄遥感图像序列所需时长,D为多条位置轨迹组成的位置轨迹矩阵。
可选地,步骤S4具体为:S41,计算多条海面速度轨迹之间的离散Frechet距离矩阵;S42,对离散Frechet距离矩阵进行归一化处理,得到归一化Frechet距离矩阵;S43,计算每条海面速度轨迹与其他海面速度轨迹之间的离散Frechet距离之和,根据离散Frechet距离之和确定目标的运行轨迹。
可选地,步骤S2具体为:根据目标的几何特征对所述预处理图像序列进行筛选,以得到多张包括所述目标和伪目标的图像,其中,几何特征包括像素点数、长度、宽度或长宽比中的一种或多种。
可选地,步骤S3中采用最邻近(Nearest Neighbor,NN)方法或联合概率数据关联(Joint Probability Data Association,JPDA)方法或多假设跟踪(Multiple HypothesisTracking,MHT)方法将多张目标图像中的同一目标或同一伪目标进行关联。
可选地,步骤S3还包括根据预设条件识别图像中的目标和/或伪目标。
可选地,预设条件包括:
其中,z(k)为k时刻图像中目标和伪目标的位置矩阵,z(k+1)为(k+1)时刻图像中目标和伪目标的位置矩阵,为通过k时刻对(k+1)时刻目标和参照目标的预测位置矩阵,S(k+1)表示(k+1)时刻的新息协方差矩阵,γ可由χ2分布表获得,上角标T为矩阵转置标识。
可选地,步骤S1具体包括:S11,对遥感图像序列进行降噪处理;S12,对降噪处理后的图像进行图像增强处理,并进行二值化处理;S13,对二值化处理后的图像进行膨胀处理。
可选地,二值化处理包括:
其中,B(x,y,n)为遥感图像序列中第n幅图像经过二值化处理后坐标为(x,y)的值,F(x,y,n)为遥感图像序列中第n幅图像二值化处理前坐标为(x,y)的值,FTH为对图像进行二值化处理的临界阈值。
(三)有益效果
本发明提供了一种利用光学遥感卫星进行目标跟踪的方法,该方法通过对遥感卫星的成像进行裁剪、降噪、增强、二值化、膨胀处理、目标筛选、数据关联、运动参数估计、计算离散Frechet距离、离散Frechet距离矩阵归一化及离散Frechet距离求和等操作,实现对密集云场景下的运动舰船的跟踪识别,计算复杂度低、运行速度快,算法简单,易于工程实现。
附图说明
图1示意性示出了本公开实施例中利用光学遥感卫星进行目标跟踪的方法步骤图;
图2示意性示出了本公开实施例中图1所述光学遥感卫星生成的遥感图像序列;
图3示意性示出了本公开实施例中图1中步骤S1对应的详细步骤图;
图4示意性示出了本公开实施例中图2所述的遥感图像经过图像增强后的示意图;
图5示意性示出了本公开实施例中图4中遥感图像经过二值化处理后的图像;
图6示意性示出了本公开实施例中图5中的图像经过膨胀处理后的图像;
图7示意性示出了本公开实施例中图6中的图像经过几何特征筛选后的图像;
图8示意性示出了本公开实施例中多个所述图7中的图像中的目标和伪目标关联后的图像;
图9示意性示出了本公开实施例中图1中的步骤S4的详细步骤流程图;
图10示意性示出了本公开实施例中归一化后离散Frechet距离之和的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
本发明提供了一种利用光学遥感卫星进行目标跟踪的方法,利用光学遥感卫星拍摄得到多张遥感图像,多张遥感图像组成遥感图像序列,参见图1,方法包括:S1,对遥感图像序列进行预处理,得到预处理后的图像序列;S2,对预处理后的图像序列进行筛选,以筛选出多张目标图像,该目标图像包括至少一个目标和/或至少一个与所述目标相似的伪目标;S3,将所述多张目标图像中的同一目标或同一伪目标进行关联,得到多条位置轨迹,其中,所述多条位置轨迹包括目标位置轨迹或伪目标位置轨迹;S4,计算所述多条轨迹之间的离散Frechet距离,根据多条轨迹之间的离散Frechet距离之和,确定出所述多条位置轨迹中的目标位置轨迹。下面将以光学遥感卫星对运动舰船进行跟踪为例对本发明进行详细介绍,在遥感卫星对运动舰船进行跟踪时,由于舰船的运动和天空中云的运动相似,在跟踪过程中,云的运动会对运动舰船的追踪造成干扰,因此本发明实施例中的目标为运动舰船,水面上可能存在多个运动舰船,因此同一图像上可能存在多个目标,相应的云块设置为伪目标,同样可能会出现多片云块,因此同一图像上可能会出现多个伪目标,伪目标和目标在图像具有相同或相似的属性,导致得到的图像中无法分辨哪些是我们需要的目标,因此需要将目标从目标和伪目标的集合中识别出来。
具体的,S1,对遥感图像序列进行预处理,得到预处理后的图像序列;
利用遥感卫星如静止轨道卫星对运动舰船所出现的区域进行拍摄,生成多个如图2所示的遥感图像,该多个遥感图像组成遥感图像序列,对该遥感图像序列进行预处理生成预处理图像序列,参见图3,具体包括:
S11,对遥感图像序列进行降噪处理;
在遥感图像序列进行降噪处理之前有时还需要首先对遥感图像进行裁剪,在实际的遥感卫星成像的过程中,往往为了将目标运动舰船拍摄进图像,在拍摄的过程中的拍摄范围往往比较大,导致成像范围比较大,而后期对其进行处理过程中需要研究的范围仅仅是目标运行舰船附件的区域,因此需要对遥感图像进行裁剪,以减小后期数据处理量,提高数据处理效率。
值得说明的是,是否对遥感图像进行裁剪需要根据实际情况进行设定,如生成的遥感图像本身范围正是所要分析的目标运动舰船的范围,此时可以不对其进行裁剪,对图像进行裁剪与否均在本发明的保护范围之内,本发明实施例以该遥感图像需要裁剪为例进行说明。
为遥感图像序列进行裁剪之后,需要对遥感图像序列中的图像进行降噪处理。现实中的数字图像在数字化和传输过程中常受到成像设备或外部环境噪声干扰等影响,生成含噪图像或噪声图像,因此需要对裁剪后的遥感图像序列进行降噪处理,常见的遥感图像降噪方法包括邻域平均法、中值滤波法和维纳滤波法等。
S12,对降噪处理后的图像进行图像增强处理,并进行二值化处理;
运动舰船的尾迹灰度通常远小于云和陆地的灰度,因此需要通过图像增强处理提高运动舰船尾迹与图像最大灰度值的比值,利于后续尾迹灰度峰值的提取。常用的图像增强方法有对数变换法、gamma变换法和对比度拉伸变换法等。将进行降噪处理后的图像序列矩阵经过图像增强处理后,参见图4,得到图像数据矩阵F。
对图像增强处理后的图像数据矩阵F进行二值化处理如下:
其中,B(x,y,n)为所述遥感图像序列中第n幅图像经过二值化处理后坐标为(x,y)的值,F(x,y,n)为所述遥感图像序列中第n幅图像二值化处理前坐标为(x,y)的值,FTH为对图像进行二值化处理的临界阈值。对其进行二值化处理后的图像如图5所示,可以看出图像中的对比度更加明显。
S13,对二值化处理后的图像进行膨胀处理。
对进二值化处理后的遥感图像序列进行膨胀处理,使临近的碎云相互连通,从而在筛选目标时减少虚警,,如图6所示,膨胀处理过程如下:
其中,r为结构元S对被膨胀处理的二值化图像B(k)的所有位移的集合。
S2,对预处理后的图像序列进行筛选,以筛选出多张目标图像,该目标图像包括至少一个目标和/或至少一个与目标相似的伪目标;
对上述步骤S1处理后的图像进行筛选,因为有可能遥感图像中并不含所要研究的目标运动舰船,具体的可以根据目标运动舰船的几何特征进行初步筛选,如该目标运动舰船的像素点、长度、宽度和长宽比等,将包含目标运行舰船的遥感图像筛选出来,当然有时云块也和目标运动舰船有相似的几何特征,因此在此时筛选后会得到作为目标的运动舰船还有作为伪目标的云块,有时水面上会包括多个运动舰船,天空中会有多片云朵该目标和伪目标常常显示为相似的几何特征,如像素点会呈一定规律,会有固定长宽比等,筛选出的图像如图7中白色矩形框中的图像即为目标或伪目标。
S3,将所述多张目标图像中的同一目标或同一伪目标进行关联,得到多条位置轨迹,其中,多条位置轨迹包括目标位置轨迹或伪目标位置轨迹;
由上可知,每张遥感图像中可能包括多个运动舰船和多片云朵,多张遥感图像中的多个运行舰船中每一运动舰船组成的轨迹应该是连续的,同理,多张遥感图像中的多片云朵中每一云朵组成的轨迹应该是连续的,因此,需要将多张遥感图像中的多个运动舰船的运动轨迹进行关联以得到每一运动舰船的运行轨迹,将多片云朵的运动轨迹进行关联以得到每一片云朵的运行轨迹,具体的,由于此时并不知哪些是像素点是目标哪些像素点是伪目标,此时需要将多张图像中具有相似几何特征的目标或伪目标进行关联,如图像1中的包括目标或伪目标点1、目标或伪目标点2、目标或伪目标点3、……,在图像2、图像3、……中同样包括目标或伪目标点1、目标或伪目标点2、目标或伪目标点3、……,将图1中目标或伪目标点1与其他图像中的目标或伪目标点1关联,将图1中目标或伪目标点1与其他图像中的目标或伪目标点1关联,生成多条位置轨迹,如图8所示,白色条状轨迹即为目标或伪目标的运行轨迹。
同一研究时间窗口中,在水面上不会出现在同一时刻航行轨迹交叉的情况,综合考虑关联准确度、计算复杂度和工程实现难度,可以使用最邻近(Nearest Neighbor,NN)方法或联合概率数据关联(Joint Probability Data Association,JPDA)方法或多假设跟踪(Multiple Hypothesis Tracking,MHT)方法等。
根据预设条件识别所述图像中所述目标和/或伪目标,该预设条件考虑k+1时刻的筛选得到的舰船目标位置是否满足:
其中,z(k)为k时刻所述图像中目标和伪目标的位置矩阵,z(k+1)为(k+1)时刻所述图像中目标和伪目标的位置,为通过k时刻对(k+1)时刻所述目标和伪目标的预测位置矩阵,S(k+1)表示(k+1)时刻的新息协方差矩阵,γ可由χ2分布表获得,上角标T为矩阵转置标识。
若(k+1)时刻只有一个目标或伪目标中的位置在所述预设临界值内,则该目标或伪目标的位置即为(k+1)时刻对应的图像中的位置;若(k+1)时刻至少两个目标或伪目标中的位置满足要求,则取k+1时刻对应的目标或伪目标在所述图像中的位置为与k时刻对应的图像中的目标或伪目标之间距离最小时对应的位置。
任意两个运动轨迹P和Q的离散Frechet距离为M(P,Q),其取最小距离Mw(P,Q)时对应的位置即为对应的目标或伪目标的位置,其中,W为运动轨迹P和Q之间的离散Frechet距离矩阵。
得到多个目标和伪目标的位置轨迹,由于该位置轨迹仅仅是呈现在遥感图像中的图像位置并不是实际的轨迹曲线,因此需要将上述多条位置轨迹进行换算,换算为对应的水面上运动的距离,进一步结合上述遥感图像序列拍摄的总时长计算出对应的多条海面速度轨迹,具体的换算公式为:
其中,V为多条海面速度轨迹组成的海面速度轨迹矩阵,k为遥感图像中每一像素对应的海面实际距离,T为拍摄遥感图像序列所需时长,D为多条位置轨迹组成的位置轨迹矩阵。通过上式得出如图8所示的多条位置轨迹对应的多条海面速度轨迹。
S4,计算所述多条轨迹之间的离散Frechet距离,根据多条轨迹之间的离散Frechet距离之和,确定出多条位置轨迹中的目标位置轨迹。
具体的,参见图9,S41,计算多条海面速度轨迹之间的离散Frechet距离矩阵。
云朵的运动方向通常是一致的,而目标运动舰船的运行轨迹和云朵的运动方向是不一致的,因此可以通过计算每条运行轨迹与其它各运行轨迹之间的离散Frechet距离的大小,来定量描述不同运行轨迹之间的相似度。
S42,对离散Frechet距离矩阵进行归一化处理,得到归一化Frechet距离矩阵;S43,计算每条海面速度轨迹与其他海面速度轨迹之间的离散Frechet距离之和,根据离散Frechet距离之和确定目标的运行轨迹。
对离散Frechet距离矩阵进行归一化处理,然后计算每条运行轨迹与其它运行轨迹之间的离散Frechet距离之和,离散Frechet距离之和明显高于多数运行轨迹,则意味着该运行轨迹与其它运行轨迹明显不同,参见图10,运动轨迹2对应的实体即可确定为目标运行舰船。由于离散Frechet距离矩阵d(P,Q)是对称矩阵,因此,对矩阵d(P,Q)行方向或列方向求和结果相同。
综上可知,本发明实施例提供了一种利用光学遥感卫星进行目标跟踪的方法,该方法通过输入光学遥感图像序列并对遥感图像序列进行图像裁剪、图像降噪、图像增强、图像二值化、膨胀处理、目标筛选、数据关联、运动参数估计、计算离散Frechet距离、离散Frechet距离矩阵归一化及离散Frechet距离求和等操作,最后实现对密集点状云场景下的目标运动舰船进行高准确率、高成功率检测和运动参数估计,并且计算复杂度低,运行速度快,算法简单,易于工程实现。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种利用光学遥感卫星进行目标跟踪的方法,利用所述光学遥感卫星拍摄得到多张遥感图像,所述多张遥感图像组成遥感图像序列,其特征在于,所述方法包括:
S1,对所述遥感图像序列进行预处理,得到预处理后的图像序列;
S2,对所述预处理后的图像序列进行筛选,以筛选出多张目标图像,所述目标图像包括至少一个目标和/或至少一个与所述目标相似的伪目标;
S3,将所述多张目标图像中的同一目标或同一伪目标进行关联,得到多条位置轨迹,其中,所述多条位置轨迹包括目标位置轨迹或伪目标位置轨迹;
S4,计算所述多条轨迹之间的离散Frechet距离,根据多条轨迹之间的离散Frechet距离之和,确定出所述多条位置轨迹中的目标位置轨迹。
2.根据权利要求1所述的方法,其特征在于,步骤S4之前还包括:
将所述多条位置轨迹换算为多条海面速度轨迹。
3.根据权利要求2所述的方法,其特征在于,将所述多条位置轨迹换算为多条海面速度轨迹,具体为通过换算公式将所述多条位置轨迹换算为多条海面速度轨迹,其中,所述换算公式包括:
其中,V为所述多条海面速度轨迹组成的海面速度轨迹矩阵,k为所述遥感图像中每一像素对应的海面实际距离,T为拍摄所述遥感图像序列所需时长,D为所述多条位置轨迹组成的位置轨迹矩阵。
4.根据权利要求3所述的方法,其特征在于,步骤S4具体为:
S41,计算所述多条海面速度轨迹之间的离散Frechet距离矩阵;
S42,对所述离散Frechet距离矩阵进行归一化处理,得到归一化Frechet距离矩阵;
S43,计算每条海面速度轨迹与其他海面速度轨迹之间的离散Frechet距离之和,根据所述离散Frechet距离之和确定所述目标的运行轨迹。
5.根据权利要求1所述的方法,其特征在于,步骤S2具体为:
根据所述目标的几何特征对所述预处理图像序列进行筛选,以得到多张包括所述目标和伪目标的图像,其中,所述几何特征包括像素点数、长度、宽度或长宽比中的一种或多种。
6.根据权利要求1所述的方法,其特征在于,步骤S3中采用最邻近方法、联合概率数据关联方法或多假设跟踪方法中的一种和/或多种将所述多张目标图像中的同一目标或同一伪目标进行关联。
7.根据权利要求6所述的方法,其特征在于,步骤S3还包括根据预设条件识别所述图像中的目标和/或伪目标。
8.根据权利要求8所述的方法,其特征在于,所述预设条件包括:
其中,z(k)为k时刻所述图像中目标和伪目标的位置矩阵,z(k+1)为(k+1)时刻所述图像中目标和伪目标的位置矩阵,为通过k时刻对(k+1)时刻所述目标和参照目标的预测位置矩阵,S(k+1)表示(k+1)时刻的新息协方差矩阵,γ可由χ2分布表获得,,上角标T为矩阵转置标识。
9.根据权利要求1所述的方法,其特征在于,所述步骤S1具体包括:
S11,对遥感图像序列进行降噪处理;
S12,对所述降噪处理后的图像进行图像增强处理,并进行二值化处理;
S13,对所述二值化处理后的图像进行膨胀处理。
10.根据权利要求9所述的方法,其特征在于,所述二值化处理包括:
其中,B(x,y,n)为所述遥感图像序列中第n幅图像经过二值化处理后坐标为(x,y)的值,F(x,y,n)为所述遥感图像序列中第n幅图像二值化处理前坐标为(x,y)的值,FTH为对图像进行二值化处理的临界阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910051708.2A CN109816606B (zh) | 2019-01-18 | 2019-01-18 | 一种利用光学遥感卫星进行目标跟踪的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910051708.2A CN109816606B (zh) | 2019-01-18 | 2019-01-18 | 一种利用光学遥感卫星进行目标跟踪的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816606A true CN109816606A (zh) | 2019-05-28 |
CN109816606B CN109816606B (zh) | 2022-01-04 |
Family
ID=66604711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910051708.2A Active CN109816606B (zh) | 2019-01-18 | 2019-01-18 | 一种利用光学遥感卫星进行目标跟踪的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816606B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458089A (zh) * | 2019-08-08 | 2019-11-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于高低轨光学卫星观测的海上目标关联***及方法 |
CN110782447A (zh) * | 2019-10-25 | 2020-02-11 | 中国科学院电子学研究所 | 地球静止轨道卫星光学遥感图像多运动舰船目标检测方法 |
CN111445388A (zh) * | 2019-12-27 | 2020-07-24 | 珠海大横琴科技发展有限公司 | 一种图像超分辨重建模型训练方法、船只跟踪方法及装置 |
CN111832423A (zh) * | 2020-06-19 | 2020-10-27 | 北京邮电大学 | 一种票据信息识别方法、装置及*** |
CN115731261A (zh) * | 2021-08-27 | 2023-03-03 | 河北省交通规划设计研究院有限公司 | 基于高速公路雷达数据的车辆换道行为识别方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879766A (zh) * | 2011-07-11 | 2013-01-16 | 哈尔滨工业大学 | 一种高频地波雷达弱目标检测跟踪方法和装置 |
CN106875420A (zh) * | 2016-12-29 | 2017-06-20 | 北京理工雷科电子信息技术有限公司 | 一种基于遥感平台的空中动目标序列图像仿真方法 |
CN106910206A (zh) * | 2017-01-17 | 2017-06-30 | 邢惠钧 | 一种目标跟踪方法及装置 |
CN108734103A (zh) * | 2018-04-20 | 2018-11-02 | 复旦大学 | 卫星视频中运动目标的检测与跟踪方法 |
CN108805904A (zh) * | 2018-05-25 | 2018-11-13 | 中国空间技术研究院 | 一种基于卫星序列图像的运动舰船检测与跟踪方法 |
CN109034075A (zh) * | 2018-07-31 | 2018-12-18 | 中国人民解放军61646部队 | 面阵凝视型遥感卫星跟踪舰船目标的方法 |
-
2019
- 2019-01-18 CN CN201910051708.2A patent/CN109816606B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879766A (zh) * | 2011-07-11 | 2013-01-16 | 哈尔滨工业大学 | 一种高频地波雷达弱目标检测跟踪方法和装置 |
CN106875420A (zh) * | 2016-12-29 | 2017-06-20 | 北京理工雷科电子信息技术有限公司 | 一种基于遥感平台的空中动目标序列图像仿真方法 |
CN106910206A (zh) * | 2017-01-17 | 2017-06-30 | 邢惠钧 | 一种目标跟踪方法及装置 |
CN108734103A (zh) * | 2018-04-20 | 2018-11-02 | 复旦大学 | 卫星视频中运动目标的检测与跟踪方法 |
CN108805904A (zh) * | 2018-05-25 | 2018-11-13 | 中国空间技术研究院 | 一种基于卫星序列图像的运动舰船检测与跟踪方法 |
CN109034075A (zh) * | 2018-07-31 | 2018-12-18 | 中国人民解放军61646部队 | 面阵凝视型遥感卫星跟踪舰船目标的方法 |
Non-Patent Citations (2)
Title |
---|
CAO J: "PCA-based hierarchical clustering of AIS trajectories with automatic extraction of clusters", 《IEEE》 * |
杨博辰: "基于AIS的船舶轨迹分析的研究与应用", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458089A (zh) * | 2019-08-08 | 2019-11-15 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于高低轨光学卫星观测的海上目标关联***及方法 |
CN110458089B (zh) * | 2019-08-08 | 2020-11-06 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于高低轨光学卫星观测的海上目标关联***及方法 |
CN110782447A (zh) * | 2019-10-25 | 2020-02-11 | 中国科学院电子学研究所 | 地球静止轨道卫星光学遥感图像多运动舰船目标检测方法 |
CN111445388A (zh) * | 2019-12-27 | 2020-07-24 | 珠海大横琴科技发展有限公司 | 一种图像超分辨重建模型训练方法、船只跟踪方法及装置 |
CN111832423A (zh) * | 2020-06-19 | 2020-10-27 | 北京邮电大学 | 一种票据信息识别方法、装置及*** |
CN115731261A (zh) * | 2021-08-27 | 2023-03-03 | 河北省交通规划设计研究院有限公司 | 基于高速公路雷达数据的车辆换道行为识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109816606B (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816606A (zh) | 一种利用光学遥感卫星进行目标跟踪的方法 | |
Elgharib et al. | Video magnification in presence of large motions | |
CN111626290B (zh) | 一种复杂海面环境下的红外舰船目标检测识别方法 | |
CN100565244C (zh) | 多模多目标精密跟踪装置和方法 | |
KR100837891B1 (ko) | 화상 시퀀스에서의 밸런스드 오브젝트 추적기 | |
CN101676744B (zh) | 一种复杂背景低信噪比下弱小目标高精度跟踪方法 | |
Anantrasirichai et al. | Atmospheric turbulence mitigation for sequences with moving objects using recursive image fusion | |
CN109859247B (zh) | 近地面场景红外小目标检测方法 | |
CN110516606A (zh) | 高分辨率卫星影像任意方向舰船目标检测方法 | |
CN110490904B (zh) | 一种弱小目标检测与跟踪方法 | |
CN109215018A (zh) | 基于Canny算子和高斯形态学的船舶检测方法 | |
CN110400294B (zh) | 一种红外目标探测***及探测方法 | |
US5406501A (en) | Method and device for use in detecting moving targets | |
EP3332388B1 (en) | Temporally adaptive processing | |
CN109815871B (zh) | 基于光学遥感图像的目标舰船检测及跟踪方法 | |
CN201114551Y (zh) | 多模多目标精密跟踪装置 | |
Long et al. | Underwater forward-looking sonar images target detection via speckle reduction and scene prior | |
CN109063602A (zh) | 基于路径连贯性函数的星空背景下的目标跟踪方法和装置 | |
Chen et al. | Real-time object tracking via CamShift-based robust framework | |
CN110095774A (zh) | 一种圆迹视频sar动目标检测方法 | |
CN114241008A (zh) | 一种适应场景和目标变化的长时区域跟踪方法 | |
Balasubramanian et al. | Utilization of robust video processing techniques to aid efficient object detection and tracking | |
Wagner | Morphological component analysis in SAR images to improve the generalization of ATR systems | |
KR100994991B1 (ko) | 영상 추적 장치 및 그의 영상 추적 방법 | |
CN111126131B (zh) | 一种高效率暗弱空间目标识别方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210701 Address after: 100190 No. 19 West North Fourth Ring Road, Haidian District, Beijing Applicant after: Aerospace Information Research Institute,Chinese Academy of Sciences Address before: 100190 No. 19 West North Fourth Ring Road, Haidian District, Beijing Applicant before: Institute of Electronics, Chinese Academy of Sciences |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |