CN109948623A - 一种空间弱小目标相对导航图像二值化图像生成方法 - Google Patents
一种空间弱小目标相对导航图像二值化图像生成方法 Download PDFInfo
- Publication number
- CN109948623A CN109948623A CN201910160887.3A CN201910160887A CN109948623A CN 109948623 A CN109948623 A CN 109948623A CN 201910160887 A CN201910160887 A CN 201910160887A CN 109948623 A CN109948623 A CN 109948623A
- Authority
- CN
- China
- Prior art keywords
- image
- brightness
- weak target
- value
- relative navigation
- 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
Landscapes
- Image Analysis (AREA)
Abstract
一种空间弱小目标相对导航图像二值化图像生成方法,涉及在轨运动目标与背景分割提取领域;包括如下步骤:步骤一、将相机获得的空间弱小目标图像按像素尺寸划分为M行*N列个方格;步骤二、按照像素的亮度级别进行统计,计算第k级亮度的占比H(ωk);步骤三、对k级亮度的占比H(ωk)进行积分,计算第k级亮度对应的小于等于第k级亮度的有效像素比M(ωk);步骤四、根据空间弱小目标占图像的面积比Pt确定有效亮度分割值;步骤五、根据步骤四得到的有效亮度分割值,对图像进行二值化处理;得到二值化图像;本发明适合星上处理能力严重受限的情况下采用,同时对光照条件较差,目标成像面积较小的空间弱小目标具有较高的检测识别率。
Description
技术领域
本发明涉及一种在轨运动目标与背景分割提取领域,特别是一种空间弱小目标相对导航图像二值化图像生成方法。
背景技术
随着航天器研制技术进步,智能化正成为未来航天器发展的趋势。航天器智能化的前提就是要求航天器具备周围环境感知能力,可以对周围目标进行空间相对导航。空间相对导航是指航天器利用自身携带的感知测量装置对周围目标进行的感知、测量、辨识,获取目标位置、轮廓和运动状态等信息的过程。常用的感知测量装置包括可见光相机、红外相机、TOF相机、激光雷达等,其中可见光相机由于成本低廉,分辨率高的优势得到了普遍应用。实施在轨相对导航时,由航天器携带的可见光相机对相对导航目标进行成像,并利用星上处理器对图像进行实时处理,获取相对导航目标的位置信息。当目标距离较远时,相机获得的图像质量较差,亮度较低,为目标提出带来了困难。
阈值处理是目标提取常用的处理方法,主要根据图像的亮度变化来寻找目标。常用的阈值处理主要有两种形式:均一阈值和自适应阈值。均一阈值对灰度图像进行固定阈值分割,大于给定阈值的像素置为1,小于等于给定阈值的像素置为0。很明显,均一阈值需要大量的先验知识,如果阈值选择不当可能会导致目标信息丢失。
自适应阈值处理是一种高级阈值处理方法,通过目标和背景亮度不同,计算出一个最有分割阈值,将目标和背景分离,其中大津法(OTSU法)是最受欢迎的阈值处理方法之一。但是由于空间弱小目标占图像的面积比例小,目标亮度低,在计算阈值时很容易被忽略,造成目标丢失,从而导致目标提取失败。
发明内容
本发明的目的在于克服现有技术的上述不足,提供一种空间弱小目标相对导航图像二值化图像生成方法,适合星上处理能力严重受限的情况下采用,同时对光照条件较差,目标成像面积较小的空间弱小目标具有较高的检测识别率。
本发明的上述目的是通过如下技术方案予以实现的:
一种空间弱小目标相对导航图像二值化图像生成方法,包括如下步骤:
步骤一、将相机获得的空间弱小目标图像按像素尺寸划分为M行*N列个方格;M为正整数,N为正整数;
步骤二、按照像素的亮度级别进行统计,计算第k级亮度的占比H(ωk);
步骤三、对k级亮度的占比H(ωk)进行积分,计算第k级亮度对应的小于等于第k级亮度的有效像素比M(ωk);
步骤四、根据空间弱小目标占图像的面积比Pt确定有效亮度分割值;
步骤五、根据步骤四得到的有效亮度分割值,对图像进行二值化处理;最终得到二值化图像。
在上述的一种空间弱小目标相对导航图像二值化图像生成方法,所述步骤一中,像素的标准采用8位像素。
在上述的一种空间弱小目标相对导航图像二值化图像生成方法,所述步骤二中,第k级亮度的占比H(ωk)的计算方法为:
式中,ωk为第k级亮度的亮度值;其中,0≤k≤255;
nk为第k级亮度的像素个数。
在上述的一种空间弱小目标相对导航图像二值化图像生成方法,所述步骤三中,有效像素比M(ωk)的计算方法为:
在上述的一种空间弱小目标相对导航图像二值化图像生成方法,所述步骤四中,空间弱小目标占图像的面积比Pt通过测量得到。
在上述的一种空间弱小目标相对导航图像二值化图像生成方法,所述Pt为正数,且Pt小于0.01。
在上述的一种空间弱小目标相对导航图像二值化图像生成方法,所述步骤四中,有效亮度分割值的确定方法为:
将有效像素比M(ωk)与1-Pt比较;逐渐增加ωk值,直至M(ωk)大于1-Pt,此时的ωk即为分割值。
在上述的一种空间弱小目标相对导航图像二值化图像生成方法,所述步骤五中,对图像进行二值化处理的方法为:
将每个亮度级别的有效亮度分割值,分别与图像中各像素对应亮度级别的亮度值进行别交;当图像中各像素对应亮度级别的亮度值大于有效亮度分割值时,该像素置为1,该像素为亮;当图像中各像素对应亮度级别的亮度值小于等于有效亮度分割值时,该像素置为0,该像素置为0,该像素为暗。
本发明与现有技术相比具有如下优点:
(1)本发明优点在于快速性和抗弱光性,适合星上处理能力严重受限的情况下采用,同时对光照条件较差,目标成像面积较小的空间弱小目标具有较高的检测识别率;
(2)本发明提升空间小目标在光照条件差的情况下的识别率;由于空间弱小目标占图像的面积比例小,目标亮度低,在计算阈值时很容易被忽略,造成目标丢失,从而导致目标提取失败;采用本发明提出的方法可以从星载相机拍摄的图片中快速确定相对导航目标。
附图说明
图1为本发明二值化图像生成流程图;
图2为本发明空间弱小目标图像示意图;
图3为本发明二值化图像示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细的描述:
本发明针对空间弱小目标成像像素少,目标亮度低的特点,提供一种空间弱小目标相对导航图像二值化图像生成方法,提升了空间小目标在光照条件差的情况下的识别率。采用本发明提出的方法可以从星载相机拍摄的图片中快速确定相对导航目标。由于空间弱小目标占图像的面积比例小,目标亮度低,在计算阈值时很容易被忽略,造成目标丢失,从而导致目标提取失败。相对于传统方法,本发明所提出方法优势在于快速性和抗弱光性。
如图1所示为二值化图像生成流程图,由图可知,一种空间弱小目标相对导航图像二值化图像生成方法,包括如下步骤:
步骤一、如图2所示为空间弱小目标图像示意图,由图可知,将相机获得的空间弱小目标图像按像素尺寸划分为M行*N列个方格;M为正整数,N为正整数;像素的标准采用8位像素。
步骤二、按照像素的亮度级别进行统计,计算第k级亮度的占比H(ωk);
第k级亮度的占比H(ωk)的计算方法为:
式中,ωk为第k级亮度的亮度值;其中,0≤k≤255;
nk为第k级亮度的像素个数。
步骤三、对k级亮度的占比H(ωk)进行积分,计算第k级亮度对应的小于等于第k级亮度的有效像素比M(ωk);
有效像素比M(ωk)的计算方法为:
步骤四、根据空间弱小目标占图像的面积比Pt确定有效亮度分割值;其中,空间弱小目标占图像的面积比Pt通过测量得到;Pt为正数,且Pt小于0.01。有效亮度分割值的确定方法为:
将有效像素比M(ωk)与1-Pt比较;逐渐增加ωk值,直至M(ωk)大于1-Pt,此时的ωk即为分割值。
步骤五、根据步骤四得到的有效亮度分割值,对图像进行二值化处理;最终得到二值化图像。对图像进行二值化处理的方法为:
如图3所示为二值化图像示意图,由图可知,将每个亮度级别的有效亮度分割值,分别与图像中各像素对应亮度级别的亮度值进行别交;当图像中各像素对应亮度级别的亮度值大于有效亮度分割值时,该像素置为1,该像素为亮;当图像中各像素对应亮度级别的亮度值小于等于有效亮度分割值时,该像素置为0,该像素置为0,该像素为暗。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (8)
1.一种空间弱小目标相对导航图像二值化图像生成方法,其特征在于:包括如下步骤:
步骤一、将相机获得的空间弱小目标图像按像素尺寸划分为M行*N列个方格;M为正整数,N为正整数;
步骤二、按照像素的亮度级别进行统计,计算第k级亮度的占比H(ωk);
步骤三、对k级亮度的占比H(ωk)进行积分,计算第k级亮度对应的小于等于第k级亮度的有效像素比M(ωk);
步骤四、根据空间弱小目标占图像的面积比Pt确定有效亮度分割值;
步骤五、根据步骤四得到的有效亮度分割值,对图像进行二值化处理;最终得到二值化图像。
2.根据权利要求1所述的一种空间弱小目标相对导航图像二值化图像生成方法,其特征在于:所述步骤一中,像素的标准采用8位像素。
3.根据权利要求2所述的一种空间弱小目标相对导航图像二值化图像生成方法,其特征在于:所述步骤二中,第k级亮度的占比H(ωk)的计算方法为:
式中,ωk为第k级亮度的亮度值;其中,0≤k≤255;
nk为第k级亮度的像素个数。
4.根据权利要求3所述的一种空间弱小目标相对导航图像二值化图像生成方法,其特征在于:所述步骤三中,有效像素比M(ωk)的计算方法为:
5.根据权利要求4所述的一种空间弱小目标相对导航图像二值化图像生成方法,其特征在于:所述步骤四中,空间弱小目标占图像的面积比Pt通过测量得到。
6.根据权利要求5所述的一种空间弱小目标相对导航图像二值化图像生成方法,其特征在于:所述Pt为正数,且Pt小于0.01。
7.根据权利要求6所述的一种空间弱小目标相对导航图像二值化图像生成方法,其特征在于:所述步骤四中,有效亮度分割值的确定方法为:
将有效像素比M(ωk)与1-Pt比较;逐渐增加ωk值,直至M(ωk)大于1-Pt,此时的ωk即为分割值。
8.根据权利要求7所述的一种空间弱小目标相对导航图像二值化图像生成方法,其特征在于:所述步骤五中,对图像进行二值化处理的方法为:
将每个亮度级别的有效亮度分割值,分别与图像中各像素对应亮度级别的亮度值进行别交;当图像中各像素对应亮度级别的亮度值大于有效亮度分割值时,该像素置为1,该像素为亮;当图像中各像素对应亮度级别的亮度值小于等于有效亮度分割值时,该像素置为0,该像素置为0,该像素为暗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160887.3A CN109948623A (zh) | 2019-03-04 | 2019-03-04 | 一种空间弱小目标相对导航图像二值化图像生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160887.3A CN109948623A (zh) | 2019-03-04 | 2019-03-04 | 一种空间弱小目标相对导航图像二值化图像生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109948623A true CN109948623A (zh) | 2019-06-28 |
Family
ID=67008259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910160887.3A Pending CN109948623A (zh) | 2019-03-04 | 2019-03-04 | 一种空间弱小目标相对导航图像二值化图像生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948623A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766079A (zh) * | 2015-05-05 | 2015-07-08 | 四川九洲电器集团有限责任公司 | 一种远距离红外弱小目标检测方法 |
-
2019
- 2019-03-04 CN CN201910160887.3A patent/CN109948623A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104766079A (zh) * | 2015-05-05 | 2015-07-08 | 四川九洲电器集团有限责任公司 | 一种远距离红外弱小目标检测方法 |
Non-Patent Citations (2)
Title |
---|
倪华平: "外小目标检测的FPGA实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
梁吉胜: "圆形***图像提取与配准方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
US9466005B2 (en) | Method and system for classifying painted road markings in an automotive driver-vehicle-assistance device | |
CN107967482A (zh) | 图标识别方法及装置 | |
CN107507226B (zh) | 一种图像匹配的方法及装置 | |
EP2234064A1 (en) | Method for estimating 3D pose of specular objects | |
US9875415B2 (en) | Method and system for classifying painted road markings in an automotive driver-vehicle-asistance device | |
CN106204617B (zh) | 基于残差图像直方图循环移位的自适应图像二值化方法 | |
Langmann et al. | Multi-modal background subtraction using gaussian mixture models | |
CN105405138B (zh) | 基于显著性检测的水面目标跟踪方法 | |
Xiao et al. | Shadow removal from single rgb-d images | |
CN111709968A (zh) | 一种基于图像处理的低空目标探测跟踪方法 | |
CN106447910B (zh) | 一种纸币识别的方法及装置 | |
CN108257153A (zh) | 一种基于方向梯度统计特征的目标跟踪方法 | |
CN107316318A (zh) | 基于多子区域背景拟合的空中目标自动检测方法 | |
JP5338762B2 (ja) | ホワイトバランス係数算出装置及びプログラム | |
US9727780B2 (en) | Pedestrian detecting system | |
CN111089586B (zh) | 一种基于多帧累加算法的全天时星敏感器星点提取方法 | |
WO2016081240A1 (en) | Method and system for classifying painted road markings in an automotive driver-vehicle-assistance device | |
CN111583315A (zh) | 一种新的可见光图像和红外图像配准方法及装置 | |
CN109948623A (zh) | 一种空间弱小目标相对导航图像二值化图像生成方法 | |
KR101391667B1 (ko) | 크기 변화에 강건한 범주 물체 인식을 위한 모델 학습 및 인식 방법 | |
CN111833384B (zh) | 一种可见光和红外图像快速配准方法及装置 | |
CN104599283A (zh) | 一种基于深度差恢复相机高度的图像深度改进方法 | |
CN110136104B (zh) | 基于无人机地面站的图像处理方法、***及介质 | |
TWI589468B (zh) | 行人偵測系統 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
RJ01 | Rejection of invention patent application after publication |