CN111160177A - 基于卷积的气象传真图等值线交叉点检测方法 - Google Patents
基于卷积的气象传真图等值线交叉点检测方法 Download PDFInfo
- Publication number
- CN111160177A CN111160177A CN201911321050.9A CN201911321050A CN111160177A CN 111160177 A CN111160177 A CN 111160177A CN 201911321050 A CN201911321050 A CN 201911321050A CN 111160177 A CN111160177 A CN 111160177A
- Authority
- CN
- China
- Prior art keywords
- convolution
- points
- point
- contour line
- intersection
- 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 28
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims description 8
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007670 refining Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 17
- 230000005012 migration Effects 0.000 abstract 1
- 238000013508 migration Methods 0.000 abstract 1
- 230000007704 transition Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于卷积的气象传真图等值线交叉点检测方法,首先对气象传真图进行预处理,得到仅含细化等值线的图像;然后将细化的等值线与卷积核进行卷积运算,通过设定阈值以及判断图像的八邻接节点个数得到分类的候选交叉点,再通过计算候选点与每类中心点的最小欧式距离得到最终的交叉点;对于交叉点的迁移以及畸变,通过等值线宽度和最大角度的判定方法进行合并,最终将检测出的交叉点在等值线上进行标记。本发明采用基于卷积的等值线交叉点检测方法,能够在复杂的等值线中保持较高的检测精度,具有计算量小、检测效率高等特点。
Description
技术领域
本发明属于计算机图形学领域,特别是一种基于卷积的气象传真图等值线交叉点检测方法。
背景技术
气象传真图(Meteorological Facsimile Chart)即传真天气图是一种通过气象传真机接收的简单直观的天气图,它通过在一张特制的底图上填出一定区域内各观测点同一时刻的气象数据,从而反映出该区域的天气状况及变化趋势。作为海上航行的重要工具,气象传真图可用于观察和监视航行海域内海况和天气***的发生、演变和移动等情况,对船舶远离恶劣天气、选择合理航线、安排有效作业、保证航行安全等有重要意义。
在对气象传真图中等值线进行一系列的图像处理技术中,常常包括等值线的矢量化、等值线插值、等值线的断线修复、等值线的涡度线检测等,而在实现这些技术前需要得到完整平滑的等值线,从而需要对气象传真图进行预处理,包括底图去除、特殊文字去除、图像去噪等,针对于等值线上的毛刺噪声信息,通过检测出这些毛刺噪声信息与等值线形成的交叉点,再通过已有的方向链码的方法去除毛刺可以达到很好的效果,因此检测出准确的等值线交叉点具有重要意义。当前交叉点的检测方法中,有的基于模板匹配的方法进行检测,有的基于角点检测的方法进行检测,有的通过神经网络进行训练的方式进行检测,但是这些方法存在大量的误检和漏检,同时通过训练集的方法需要针对每类图像建立庞大的数据集而带来巨大的工作量,从而导致检测效率低、计算较为复杂。
发明内容
本发明的目的在于提供一种基于卷积的气象传真图交叉点检测方法,能够在复杂的等值线中保持较高的检测精度,具有较高的鲁棒性,易于实现。
实现本发明目的的技术解决方案为:一种基于卷积的气象传真图交叉点检测方法,包括以下步骤:
步骤1,对气象传真图进行预处理,得到细化的等值线图;
步骤2,将细化的等值线与卷积核进行卷积运算,通过设定阈值以及判断图像的八邻接节点个数得到分类的候选交叉点;
步骤3,计算候选交叉点与每类中心点的最小欧式距离得到最终的交叉点;
步骤4,计算畸变交叉点所在等值线的宽度与最大角度,将满足阈值的点进行合并;
步骤5,在等值线上将交叉点进行标记。
本发明与现有技术相比,其显著优点为:(1)通过将细化的气象传真图与卷积核进行卷积计算方法简单,运算速度快,对于多种复杂情形的等值线,不会出现误检测以及漏检,通过设定阈值可以快速的检测到交叉点的位置坐标;(2)对于细化过程中存在畸变的交叉点,通过判断原等值线上的宽度以及细化等值线的最大角度来合并具有较高的严谨性,同时计算速度快,具有较高的识别率,将两种方法结合进行判定,有较高的检测效率,为后来的等值线的处理带来了极大的方便。
附图说明
图1是本发明基于卷积的气象传真图等值线交叉点检测方法流程图。
图2是本发明实施例的原始气象传真图。
图3是本发明实施例的预处理后细化等值线图。
图4是本发明实施例的等值线交叉点样例图。
图5是本发明实施例的等值线卷积样例图。
图6是本发明实施例的交叉点畸变示意图。
图7是本发明实施例的等值线的宽度以及最大角度示意图。
图8是本发明实施例的等值线交叉点检测结果图。
具体实施方式
结合图1,一种基于卷积的气象传真图等值线交叉点检测方法,包括以下步骤:
步骤1:对气象传真图进行预处理,得到细化的等值线图;
步骤2:将细化的等值线与卷积核进行卷积运算,通过设定阈值以及判断图像的八邻接节点个数得到分类的候选交叉点;
步骤3:计算候选交叉点与每类中心点的最小欧式距离得到最终的交叉点;
步骤4:计算畸变交叉点所在等值线的宽度与最大角度,将满足阈值的点进行合并;
步骤5:在等值线上将交叉点进行标记。
进一步的,步骤1进行的预处理包括底图去除、经纬海岸线去除、特殊字符去除、小面积噪声去除,图像二值化、细化,其中所述小面积噪声去除是指利用连通域的面积去除部分噪声。
进一步的,步骤2中首先对细化的等值线采用卷积核为进行卷积运算,则原细化图像中每个像素点的卷积值其中ai(j)为像素点ai的第j个邻接点的像素值,再将得到的卷积值与细化图像做点积,得到对应细化部分的卷积值。然后设定卷积值阈值,将满足卷积值阈值的像素点作为细化等值线的候选交叉点,对这些候选交叉点进行分类,若是在一个八邻域内,则把这些候选交叉点标记为一类。
进一步的,步骤3中对同一类的中心点选取到这些点中心距离最小的点(xl,yl)=min{dist((xi,yi),(xm,ym))},其中(xi,yi)表示每一类中像素点的坐标,删去同一类中的其他点,得到最终的交叉点。
进一步的,步骤4中对于细化过程中造成的交叉点的畸变,按照两点间的欧式距离进行分组,将满足最小距离阈值的两个点划分成一组,同时这两个点需要同时满足两个条件:1.两点属于同一连通域,即两像素点之间存在一条等值线;2.两点间的阈值大小满足:d(Fi,Fj)<K,其中Fi、Fj为畸变交叉点的坐标,K为距离阈值,对于满足以上两个约束条件的点,由于在原气象传真图等值线上产生交叉的部分的等值线的宽度以及畸变后的等值线的角度是一致的,利用细化等值线上各像素点的信息计算出交叉点各分叉线的方向,设Pk为当前像素点,Pk+s为细化等值线上距离Pk步长为s的像素点,则当前像素点Pk的方向为:其中通过细化图像上像素点的方向找到每条等值线的边缘,利用左右边界的像素空间坐标信息可以计算出等值线的宽度。像素点Pk宽度计算公式为:其中为左边界的行列坐标;为右边界的行列坐标。再通过在两个分叉线方向上选取k1、k2个像素点长度的坐标(xk1,yk1),(xk2,yk2);计算分叉线选取的像素点的长度以及两点与交叉点的长度;
根据余弦定理求出每两个分支间的角度
θ=arccos((a2+b2-c2)/2ab)
下面结合实施例和附图对本发明进行详细说明。
实施例
本实施例提出一种基于卷积的气象传真图等值线交叉点检测方法,通过将细化图像与卷积核进行卷积运算,在阈值条件的约束下可以快速的检测到交叉点的位置坐标,然后对于畸变的交叉点利用宽度和最大角度的判别方法进行合并,最终得到准确的气象传真图等值线交叉点。如图1所示,基于卷积的气象传真图等值线交叉点检测方法,包括以下步骤:
第一步,对气象传真图进行预处理,保留等值线关键信息。图2是日本JMH在2018年10月份发布的原始的一张气象传真图,从图中可见,除等值线外还包含经纬海岸线、底图、题图例、锋线、特殊字符等冗余信息。因此,要对其进行底图去除、图像二值化、细化、小面积噪声去除,其中所述小面积噪声去除是指利用连通域的面积去除部分噪声,最后得到细化的等值线图像,如图3所示。
第二步,对预处理后的细化等值线与卷积核为进行卷积运算,则原细化图像中每个像素点的卷积值其中ai(j)为像素点ai的第j个邻接点的像素值,得到的卷积值与细化图像做点积,得到对应细化部分的卷积值,然后设定卷积值阈值,将满足卷积值阈值的像素点作为细化等值线的候选交叉点,对这些候选交叉点进行分类,若是在一个八邻域内,则把这些候选交叉点标记为一类,其中等值线交叉点的样例图如图4所示,以及交叉点与卷积核 卷积过程如图5所示。
第三步,对同一类的中心点选取到这些点中心距离最小的点(xl,yl)=min{dist((xi,yi),(xm,ym))},其中(xi,yi)表示每一类中像素点的坐标,删去同一类中的其他点,得到最终的交叉点。同时对于细化过程中造成的交叉点的畸变,按照两点间的欧式距离进行分组,将满足最小距离阈值的两个点划分成一组,同时这两个点需要同时满足两个条件:1.两点属于同一连通域,即两像素点之间存在一条等值线2.两点间的阈值大小满足:d(Fi,Fj)<K,其中Fi、Fj为畸变交叉点的坐标,K为距离阈值,对于满足以上两个约束条件的点,由于在原气象传真图等值线上产生交叉的部分的等值线的宽度以及畸变后的等值线的角度是一致的,利用细化等值线上各像素点的信息计算出交叉点各分叉线的方向,设Pk为当前像素点,Pk+s为细化等值线上距离Pk步长为s的像素点,则当前像素点Pk的方向为:其中通过细化图像上像素点的方向找到每条等值线的边缘,利用左右边界的像素空间坐标信息可以计算出等值线的宽度。像素点Pk宽度计算公式为:其中为左边界的行列坐标;为右边界的行列坐标。再通过在两个分叉线方向上选取k1、k2个像素点长度的坐标(xk1,yk1),(xk2,yk2);计算分叉线选取的像素点的长度以及两点与交叉点的长度;
根据余弦定理求出每两个分支间的角度
θ=arccos((a2+b2-c2)/2ab)
Claims (5)
1.一种基于卷积的气象传真图等值线交叉点检测方法,其特征在于,包括以下步骤:
步骤1,对气象传真图进行预处理,得到细化的等值线图;
步骤2,将细化的等值线与卷积核进行卷积运算,通过设定阈值以及判断图像的八邻接节点个数得到分类的候选交叉点;
步骤3,计算候选交叉点与每类中心点的最小欧式距离得到最终的交叉点;
步骤4,计算畸变交叉点所在等值线的宽度与最大角度,将满足阈值的点进行合并;
步骤5,在等值线上将交叉点进行标记。
2.根据权利要求1所述的基于卷积的气象传真图等值线交叉点检测方法,其特征在于,步骤1进行的预处理包括底图去除、经纬海岸线去除、特殊字符去除、小面积噪声去除,以及图像二值化、细化,其中所述小面积噪声去除是利用连通域的面积去除部分噪声。
5.根据权利要求1所述的基于卷积的气象传真图等值线交叉点检测方法,其特征在于,步骤4中对于细化过程中造成的交叉点的畸变,按照两点间的欧式距离进行分组,将满足最小距离阈值的两个点划分成一组,同时这两个点需要同时满足两个条件:(1)两点属于同一连通域,即两像素点之间存在一条等值线;(2)两点间距离的阈值大小满足:d(Fi,Fj)<K;其中Fi、Fj为畸变交叉点的坐标,K为距离阈值;
对于满足以上两个约束条件的点,利用细化等值线上各像素点的信息计算出交叉点各分叉线的方向,设Pk为当前像素点,Pk+s为细化等值线上距离Pk步长为s的像素点,则当前像素点Pk的方向为:
通过细化图像上像素点的方向找到每条等值线的边缘,利用左右边界的像素空间坐标信息计算出等值线的宽度;像素点Pk宽度计算公式为:
再通过在两个分叉线方向上选取k1、k2个像素点长度的坐标(xk1,yk1),(xk2,yk2),计算分叉线选取的像素点间的长度以及两点与交叉点的长度:
根据余弦定理求出每两个分支间的角度
θ=arccos((a2+b2-c2)/2ab)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911321050.9A CN111160177B (zh) | 2019-12-19 | 2019-12-19 | 基于卷积的气象传真图等值线交叉点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911321050.9A CN111160177B (zh) | 2019-12-19 | 2019-12-19 | 基于卷积的气象传真图等值线交叉点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160177A true CN111160177A (zh) | 2020-05-15 |
CN111160177B CN111160177B (zh) | 2022-11-01 |
Family
ID=70557408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911321050.9A Active CN111160177B (zh) | 2019-12-19 | 2019-12-19 | 基于卷积的气象传真图等值线交叉点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160177B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070133879A1 (en) * | 2005-12-14 | 2007-06-14 | Denso Corporation | Ellipsoid detecting method, figure center detecting method, image recognizing device, and controller based on image |
CN101894373A (zh) * | 2010-08-19 | 2010-11-24 | 潘海朗 | 采用外接矩形的气象传真图像锋线提取方法 |
CN107464272A (zh) * | 2017-07-19 | 2017-12-12 | 南京理工大学 | 基于关键点的中心扩散式气象传真图等值线的插值方法 |
-
2019
- 2019-12-19 CN CN201911321050.9A patent/CN111160177B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070133879A1 (en) * | 2005-12-14 | 2007-06-14 | Denso Corporation | Ellipsoid detecting method, figure center detecting method, image recognizing device, and controller based on image |
CN101894373A (zh) * | 2010-08-19 | 2010-11-24 | 潘海朗 | 采用外接矩形的气象传真图像锋线提取方法 |
CN107464272A (zh) * | 2017-07-19 | 2017-12-12 | 南京理工大学 | 基于关键点的中心扩散式气象传真图等值线的插值方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111160177B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113450596B (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
US9507052B2 (en) | Automatic recognition method of continental slope foot point based on terrain grid | |
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
CN103971102A (zh) | 基于手指轮廓和决策树的静态手势识别方法 | |
CN104573705A (zh) | 一种建筑物激光扫描点云数据的聚类方法 | |
CN109635733B (zh) | 基于视觉显著性和队列修正的停车场和车辆目标检测方法 | |
CN110008900B (zh) | 一种由区域到目标的可见光遥感图像候选目标提取方法 | |
CN106845458B (zh) | 一种基于核超限学习机的快速交通标识检测方法 | |
CN112364834A (zh) | 一种基于深度学习和图像处理的表格识别的还原方法 | |
CN113807301A (zh) | 一种新增建设用地自动提取方法及自动提取*** | |
CN112198170A (zh) | 一种无缝钢管外表面三维检测中识别水滴的检测方法 | |
Wang et al. | An ensemble learning approach with multi-depth attention mechanism for road damage detection | |
CN109271882B (zh) | 一种区分颜色的手写体汉字提取方法 | |
CN111160177B (zh) | 基于卷积的气象传真图等值线交叉点检测方法 | |
CN117253150A (zh) | 一种基于高分辨率遥感图像的船舶轮廓提取方法及*** | |
Chen et al. | A pattern recognition method for automating tactile graphics translation from hand-drawn maps | |
CN113516123A (zh) | 一种针对轮胎压印字符的检测识别方法 | |
Huahong et al. | A new type method of adhesive handwritten digit recognition based on improved faster RCNN | |
CN115841671A (zh) | 一种书法字骨架矫正方法、***及存储介质 | |
CN115797649A (zh) | 一种复杂背景下的裂缝提取方法 | |
CN112101347B (zh) | 文本检测方法、装置、电子设备及计算机存储介质 | |
CN102938156B (zh) | 一种基于积分图像的面状注记配置方法 | |
Widyaningrum et al. | Tailored features for semantic segmentation with a DGCNN using free training samples of a colored airborne point cloud | |
CN110120058B (zh) | 一种高程散点生成紧致外边界的方法 | |
Xumin et al. | Research on vectorization of weather radar image |
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 |