CN112649793A - 海面目标雷达点迹凝聚方法、装置、电子设备及存储介质 - Google Patents
海面目标雷达点迹凝聚方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112649793A CN112649793A CN202011607576.6A CN202011607576A CN112649793A CN 112649793 A CN112649793 A CN 112649793A CN 202011607576 A CN202011607576 A CN 202011607576A CN 112649793 A CN112649793 A CN 112649793A
- Authority
- CN
- China
- Prior art keywords
- contour
- sea surface
- point
- pixel
- target
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种海面目标雷达点迹凝聚方法、装置、电子设备及存储介质,包括:获取针对海面区域利用雷达采集得到的回波图像;进行二值化和形态学的预处理得到处理后图像;利用对应的预设掩模检测处理后图像中各个海面目标的轮廓像素点得到轮廓跟踪后图像;针对轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长得到区域像素点;针对每个海面目标,对区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果。本发明利用满足互邻条件及互连条件的大小为(2m+1)×(2n+1)的预设掩模,可解决传统轮廓跟踪算法不能提取像素点非连通目标轮廓的缺陷,且利用区域生长获得目标所有像素点后进行点迹凝聚,可提高点迹凝聚的精确度。
Description
技术领域
本发明属于雷达数据处理技术领域,具体涉及一种海面目标雷达点迹凝聚方法、装置、电子设备及存储介质。
背景技术
为了对海面目标进行检测,通常使用雷达向海面目标发射电磁波照射,通过对接收到的包含有目标信息的回波数据进行一系列的处理,最终可以得到目标的相关参数,包括距离、径向速度等等。随着检测精度的提高,回波数据中检测到的目标不再是仅由一个或少数几个点组成的点目标,而是由多个原始点迹数据组成,同时目标发生***和扩展的情况也越来越多。在目标跟踪过程中,为了保证航迹文件信息的准确性与可靠性,高精度的点迹凝聚算法至关重要。
点迹凝聚是雷达目标检测中判断某一点迹块是否为目标并且估计出此点迹块的质心作为目标位置的过程。雷达点迹凝聚是雷达数据处理技术领域中的重要部分,是数据处理的重点内容之一。
传统的点迹凝聚算法通过8链码进行轮廓跟踪提取目标轮廓,从而检测出雷达回波图像中的目标,再对目标进行点迹凝聚。但是,上述传统算法只适用于像素点连通的目标,如果组成目标的像素点是非连通的,传统算法会对该目标提取出两个或多个轮廓,将一个目标检测成多个目标,造成目标误判。并且,仅利用提取的轮廓点确定目标的点迹凝聚位置,忽略了目标整体区域的像素值,因此,导致点迹凝聚的精确度并不高。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种海面目标雷达点迹凝聚方法、装置、电子设备及存储介质。本发明要解决的技术问题通过以下技术方案实现:
第一方面,本发明实施例提供了一种海面目标雷达点迹凝聚方法,所述方法包括:
获取针对海面区域利用雷达采集得到的回波图像;所述回波图像包括至少一个海面目标;
对所述回波图像进行二值化和形态学的预处理,得到处理后图像;
利用所述处理后图像对应的预设掩模,检测所述处理后图像中各个海面目标的轮廓像素点,得到轮廓跟踪后图像;其中,所述预设掩模的大小为(2m+1)×(2n+1),m和n为正整数;在所述预设掩模的区域内,第一像素点和第二像素点满足互邻条件,且所述第二像素点与至少一个第三像素点满足互连条件,所述第一像素点和所述第三像素点为任意像素点,所述第二像素点为当前轮廓像素点;
针对所述轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长,得到包含所述轮廓像素点在内的多个像素点作为该海面目标的区域像素点;
针对每个海面目标,对该海面目标的所述区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果。
在本发明的一个实施例中,所述对所述回波图像进行二值化和形态学的预处理,得到处理后图像,包括:
利用恒虚警技术对所述回波图像进行处理,获得二值图像;其中,所述二值图像中背景部分的像素值为0,目标部分的像素值为1;
对所述二值图像利用预设大小的矩形结构元素依次进行膨胀操作和腐蚀操作,得到处理后图像。
在本发明的一个实施例中,
所述互邻条件为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,所述第一像素点与所述第二像素点互邻,所述第一像素点的坐标位置为(X,Y),所述第二像素点的坐标位置为(Xp,Yp);
所述互连条件为:对于所述第二像素点和所述第三像素点,在所述预设掩模的区域内存在一像素序列[P=P0,P1,···,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,且所述像素序列中的每个像素点的值相同,其中P代表所述第二像素点,Q代表所述第三像素点。
在本发明的一个实施例中,所述利用所述处理后图像对应的预设掩模,检测所述处理后图像中各个海面目标的轮廓像素点,得到轮廓跟踪后图像,包括:
依据预定扫描顺序扫描所述处理后图像,将得到的像素值为1且为未处理状态的首个像素点作为待跟踪的当前海面目标的轮廓像素点中的起始点;
针对所述当前海面目标,从所述起始点开始,利用所述预设掩模依次查找下一个轮廓像素点,直至查找到该当前海面目标的所有轮廓像素点,并将查找过的像素点确定为已处理状态;
依据预定扫描顺序继续扫描所述处理后图像,更新待跟踪的当前海面目标,重复迭代直至所述处理后图像中所有像素点均为已处理状态,则结束轮廓跟踪处理,得到各个海面目标的轮廓像素点;
将包含各个海面目标的轮廓像素点的图像作为轮廓跟踪后图像。
在本发明的一个实施例中,所述针对所述当前海面目标,从所述起始点开始,利用所述预设掩模依次查找下一个轮廓像素点,直至查找到该当前海面目标的所有轮廓像素点,并将查找过的像素点确定为已处理状态,包括:
将所述起始点作为该当前海面目标的当前轮廓像素点,在所述预设掩模的区域内按照0到[(2m+1)×(2n+1)-2]的顺序查找各像素点,将首次出现的像素值为1且为未处理状态的像素点作为目标轮廓像素点,并将查找过的像素点确定为已处理状态;
判断所述目标轮廓像素点是否为所述起始点,如果否,则将所述目标轮廓像素点更新为当前轮廓像素点继续执行轮廓跟踪;如果是,则结束该当前海面目标的轮廓跟踪,由所述起始点以及查找到的各个目标轮廓像素点得到该当前海面目标的所有轮廓像素点。
在本发明的一个实施例中,所述针对所述轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长,得到包含所述轮廓像素点在内的多个像素点作为该海面目标的区域像素点,包括:
针对所述轮廓跟踪后图像中的每个海面目标,将该海面目标的每个轮廓像素点作为种子点,遍历该种子点的预设邻域内的像素点,查找到像素值为1的像素点归入该海面目标的区域像素点集合;反复迭代直至所述区域像素点集合中任意像素点的预设领域内,像素值为1的像素点均已归入所述区域像素点集合中;将确定的所述区域像素点集合中的所有像素点作为该海面目标的区域像素点。
在本发明的一个实施例中,所述针对每个海面目标,对该海面目标的所述区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果,包括:
针对每个海面目标,对该海面目标的所述区域像素点利用质心法进行点迹凝聚处理,获得该海面目标的点迹凝聚位置的坐标;并确定所述点迹凝聚位置对应的幅值为所述回波图像中各个点迹对应的幅值中的最大值;
将获得的所述点迹凝聚位置的坐标和幅值作为该海面目标的点迹凝聚结果。
第二方面,本发明实施例提供了一种海面目标雷达点迹凝聚装置,所述装置包括:
图像获取模块,用于获取针对海面区域利用雷达采集得到的回波图像;所述回波图像包括至少一个海面目标;
图像预处理模块,用于对所述回波图像进行二值化和形态学的预处理,得到处理后图像;
目标轮廓检测模块,用于利用所述处理后图像对应的预设掩模,检测所述处理后图像中各个海面目标的轮廓像素点,得到轮廓跟踪后图像;其中,所述预设掩模的大小为(2m+1)×(2n+1),m和n为正整数;在所述预设掩模的区域内,第一像素点和第二像素点满足互邻条件,且所述第二像素点与至少一个第三像素点满足互连条件,所述第一像素点和所述第三像素点为任意像素点,所述第二像素点为当前轮廓像素点;
区域生长模块,用于针对所述轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长,得到包含所述轮廓像素点在内的多个像素点作为该海面目标的区域像素点;
点迹凝聚模块,用于针对每个海面目标,对该海面目标的所述区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果。
第三方面,本发明实施例提供了一种电子设备,包括处理器和存储器,其中,
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现本发明实施例所提供的海面目标雷达点迹凝聚方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例所提供的海面目标雷达点迹凝聚方法的步骤。
本发明实施例在8链码基础上首先提出一种基于(m,n)-掩模的轮廓跟踪方法,该方法考虑距离的(m,n)-连通性。该方法在轮廓跟踪过程中,对于连通目标,其提取的轮廓为粗轮廓,类似于对8链码轮廓点的采样,实验结果表明,对于同一连通目标,(3,3)-掩模获得的目标轮廓点数相比于8链码减少了58.6%,极大地压缩了轮廓点数据量;对于非连通目标,因为预设掩模区域的大小为(2m+1)×(2n+1),在预设掩模区域内,第一像素点和第二像素点满足互邻条件,且预设掩模区域内任意两个像素点满足互连条件,因此该方法可以很好地提取目标轮廓,解决了8链码算法不能提取像素点非连通目标轮廓的缺陷,拓展了轮廓跟踪方法在雷达点迹凝聚领域的应用。并且,为了提高海面目标的点迹凝聚精度,本发明实施例将该基于(m,n)-掩模的轮廓跟踪方法与区域生长相结合得到一种基于(m,n)-掩模轮廓跟踪区域生长的海面目标雷达点迹凝聚方法。该方法得到海面目标包含的所有像素点之后再做点迹凝聚处理,因此得到的点迹凝聚结果的精确度更高。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1为现有技术提供的一种4链码的示意图;
图2为现有技术提供的一种8链码的示意图;
图3为现有技术提供的一种8链码轮廓跟踪方向的示意图;
图4为现有技术提供的一种轮廓跟踪算法示意图;
图5为本发明实施例提供的一种海面目标雷达点迹凝聚方法的流程示意图;
图6为本发明实施例提供的DP-CFAR处理前后对比图;
图7为本发明实施例所提供的二值图像和处理后图像;
图8为传统3*3掩模的示意图;
图9为本实施例在m=3、n=3时的(m,n)-掩模的示意图;
图10为现有技术中区域生长算法示意图;
图11(a)为本发明实施例中截取的海面雷达原始的回波图像;图11(b)为本发明实施例中DP-CFAR处理后的结果;图11(c)为本发明实施例中使用矩形结构元素膨胀腐蚀后的结果;
图12(a)为8链码轮廓跟踪结果;图12(b)为8链码轮廓跟踪后点迹凝聚结果;
图13(a)为本发明实施例提供的(3,3)-掩模轮廓跟踪结果,图13(b)为本发明实施例提供的(3,3)-掩模轮廓跟踪后点迹凝聚结果;
图14(a)为本发明实施例提供的仿真雷达回波图像;图14(b)为本发明实施例提供的(3,3)-掩模轮廓跟踪结果;图14(c)为本发明实施例针对图14(b)利用质心法得到的点迹凝聚结果;图14(d)为本发明实施例针对图14(b)提供的8邻域生长准则区域生长结果;图14(e)为本发明实施例针对图14(d)利用质心法得到的点迹凝聚结果;图14(f)为本发明实施例针对图14(b)提供的4邻域生长准则区域生长结果;图14(g)为本发明实施例针对图14(b)提供的24邻域生长准则区域生长结果;
图15(a)为本发明实施例针对图12(a)和图13(a)提供的8邻域生长准则区域生长结果;图15(b)为本发明实施例针对图15(a)利用质心法得到的点迹凝聚结果;
图16为本发明实施例提供的一种海面目标雷达点迹凝聚装置的结构示意图;
图17为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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。
为了解决现有技术无法提取像素点非连通目标轮廓的缺陷,以及为了提高海面目标的点迹凝聚精度,本发明实施例提供了一种海面目标雷达点迹凝聚方法、装置、电子设备及存储介质。
需要说明的是,本发明实施例所提供的一种海面目标雷达点迹凝聚方法的执行主体可以为一种海面目标雷达点迹凝聚装置,该装置可以运行于电子设备中。其中,该电子设备可以为一服务器或终端设备等,比如可以为一图像处理设备等,当然并不局限于此。
为了便于理解本方案,首先对现有技术中的链码进行介绍。
链码广泛应用于计算机图像中,通过得到物体的边界,实现对物体的描述和表达。在图像处理中,对于由灰度图转换而成的二值图像,链码常用来对图像中的目标进行描述。常用的链码为4链码和8链码,通常8链码的使用相对较多。4链码和8链码的示意图如图1和图2所示。图1为现有技术提供的一种4链码的示意图。图2为现有技术提供的一种8链码的示意图。
轮廓跟踪算法原理为:根据轮廓跟踪准则依次寻找下一个轮廓点,直到回到轮廓跟踪的起始点。如图3所示,图3为现有技术提供的一种8链码轮廓跟踪方向的示意图。图3中黑色圆为上次跟踪到的轮廓点,灰色圆为当前已找到的轮廓点,相对于黑色圆,灰色圆有8种方向,称其为轮廓跟踪方向。针对8个灰色圆的轮廓跟踪方向,在本次轮廓跟踪过程中首先要查找的像素点不同,其方向如图3所示。
为了更好地对算法进行说明,请参见图4,图4为现有技术提供的一种轮廓跟踪算法示意图。图4展示了8链码轮廓跟踪算法的基本过程。黑色圆为目标轮廓点,a与b是目前已经找到的两个轮廓点,方向由a到b,为了找到b的下一个轮廓点,下一步搜素的像素点是b0,然后是b1,接下来是b2,即按照顺时针方向在8邻域像素点中查找下一个轮廓点,当轮廓点c找到,跟踪方向更新为b到c,在搜索c的下一个轮廓点的过程中,由于b1,b2已被搜索过,不再对其进行重复遍历,因此第一个搜索的是c1像素点,搜索完c1之后,在链码值为2的方向上找到c的下一个轮廓点d。按照该算法依次查找下一个轮廓点,直到回到轮廓跟踪的起始点。
8链码轮廓跟踪算法通过提取目标轮廓实现对图像中像素点连通目标的表达与检测。通对海面雷达的回波图像进行分析可知,海面上的船只、浮标等孤立目标的形状规则呈椭圆形,且像素点分布密集。因此轮廓跟踪算法可以很好地实现海面目标检测。
但是,8链码轮廓跟踪算法只能提取像素点连通目标的轮廓,如果图像中目标***像素点呈一条连接的线围绕着一个目标,算法就能很好的工作。如果组成目标的像素点是非连通的,即围绕目标的轮廓线是断开的,传统方法会对该目标提取出两个或多个轮廓,将一个目标检测成多个目标,造成目标误判。一般情况下,雷达采集的回波图像中的目标不是逐像素直接连接的,像素点之间可能会出现空隙,此时传统方法已不再适用。
本发明实施例在8链码轮廓跟踪算法上提出一种(m,n)-掩模轮廓跟踪算法。其是8链码轮廓跟踪算法的自然扩展或广义形式,该(m,n)-掩模轮廓跟踪算法跟踪具有新定义的连通性的轮廓点。由于目标像素点之间的距离通常可以反映各像素之间的相关程度,因此本发明实施例在提取目标轮廓进行目标检测时考虑了像素之间的距离信息。下面,对本发明实施例所提供的一种海面目标雷达点迹凝聚方法进行介绍。
请参见图5,图5为本发明实施例提供的一种海面目标雷达点迹凝聚方法的流程示意图,可以包括S1~S5:
S1,获取针对海面区域利用雷达采集得到的回波图像。
本发明实施例中,可以采用各种形式的雷达采集海面目标的回波图像。比如,可以采用Navico Halo脉冲压缩雷达,采集得到大小为M×N的回波图像。其中,M和N分别表示距离单元和方位单元的数量。具体的,回波图像是以回波数据的形式体现的,在本发明实施例的具体实例中,回波图像中距离单元数为2048,脉冲数为4096,形成的是2048×4096的数据矩阵。本领域技术人员可以理解的是,回波图像中包含海面目标的大量点迹。且采集到的回波图像包括至少一个海面目标。海面目标可以包括船只、灯塔、浮标,以及小型岛屿等。
S2,对回波图像进行二值化和形态学的预处理,得到处理后图像。
本领域技术人员可以理解的是,雷达原始回波数据主要由目标点迹、***点迹和虚假点迹组成。杂波、干扰等不期望物体所产生的点迹,称为虚假点迹。在复杂的探测环境下,一个目标的点迹并不在同一连通域中,而是出现了***现象,这些点迹被称为***点迹。为了滤除非目标点迹等,提高图像质量,需要对回波图像进行预处理。
可选的一种实施方式中,S2可以包括S21和S22:
S21,利用恒虚警技术对回波图像进行处理,获得二值图像。
雷达原始回波数据中包含的大量虚假点迹不仅会影响目标信息的提取,而且会降低目标检测与点迹处理的精度。而恒虚警技术可以根据实测数据的不同,自适应地设置检测门限对目标回波中的杂波干扰进行滤除,能够最大限度地减少虚假点迹带来的影响,提高目标的检测概率。
本发明实施例采用的恒虚警技术可以包括:1)均值类恒虚警,包括CA-CFAR(单元平均恒虚警)、GO-CFAR(最大选择恒虚警)、SO-CFAR(最小选择恒虚警);2)有序统计类恒虚警:OS-CFAR;3)双参数恒虚警:DP-CFAR,等等。关于各种恒虚警技术请参见相关现有技术,在此不做赘述。
优选的实施方式中,本发明实施例选用DP-CFAR对回波图像进行处理。回波图像经DP-CFAR处理后,信号强度被二值量化处理,过检测门限的被测单元记为‘1’,否则记为‘0’,形成了方位距离维的二值图像。二值图像中背景部分的像素值为0,目标部分的像素值为1。二值图像的长为原始回波数据的距离单元数,宽为原始回波数据的脉冲个数。请参见图6,图6为本发明实施例提供的DP-CFAR处理前后对比图。其中图6(a)为回波图像;图6(b)为DP-CFAR处理后的二值图像。由图6(a)可看出,回波图像作为原始的海面雷达图像,由能量较低的背景区和能量较高的目标和噪声构成,图像构成相对简单。船只、浮标等孤立目标形状成椭圆形,背景区域占面积较大。同时也可以看到目标所受干扰严重,呈现出若隐若现的状态。由图6(b)可看出,DP-CFAR处理后,部分能量较强的海杂波、噪声等干扰,恒虚警并未将其滤除,图像中仍包含大量虚假点迹,但是相比于目标,其包含像素点较少。
S22,对二值图像利用预设大小的矩形结构元素依次进行膨胀操作和腐蚀操作,得到处理后图像。
形态学后处理技术通过对图像中的***点迹进行合并,可以减少点迹***现象对后续目标检测带来的不利影响。数学形态学(Mathematical Morphology)是基于集合论建立起来的,广泛应用于模式识别等领域。当图像中包含大量孤立噪点,或者目标中有细小空洞时,形态学后处理技术能够很好地解决上述图像问题,改善图像质量。形态学后处理的基础是膨胀和腐蚀运算,以下进行概要介绍。
(1)二值形态学膨胀
A表示一幅图像,B表示结构元素,为B的反射。膨胀过程中,当物体和结构元素接触时产生合并,因此膨胀之后的图像会比原图包含更多的像素点。膨胀能够将图像中像素点个数较少的目标进行放大,填补空洞或者链接裂缝桥是膨胀最简单的应用。“+”表示结构元素原点位置。膨胀算法的基本思想是:在遍历二值图像的过程中,结构元素逐个与图像中的像素点进行比较,当结构元素原点与图像中某点的像素值相同时,将结构元素所在位置的所有点都置为“1”。
(2)二值形态学腐蚀
腐蚀“缩小”或“细化”了二值图像中的物体。AΘB表示A被B腐蚀,即:
或者:
其中A表示一幅图像,B为结构元素。腐蚀操作可以消除目标边界点,实现边界向内收缩,从而去除像素点个数较少、结构较小的目标。腐蚀后图像较原图像所占像素点更少,其图像中的像素点是原图像的一个子集。腐蚀可以消除图像中的小目标,增大其补集。对于像素点个数较少的噪声或者海杂波等干扰,通过腐蚀可以将其滤除,为后续图像处理提供较好的图像质量。腐蚀算法的基本思想是:结构元素在二值图像的平移过程中,当结构元素各位置像素点能够被二值图像对应像素点完全覆盖时,那么仅将原点“+”所对应的二值图像的像素点置为“1”。
本发明实施例中,对DP-CFAR检测后的二值图像进行处理。为了最大限度地减少点迹***对后续目标检测带来的影响,通过对目标点迹在距离维和方位维的***情况进行分析,并根据***特点,选取不同预设大小的结构元素分别进行多次仿真实验。结果显示预设大小为4×3的矩形结构元素效果最好。因此,本发明实施例优选使用4×3的矩形结构元素。针对图6(b)中局部的二值图像进行先膨胀后腐蚀操作后,得到的结果如图7所示。图7为本发明实施例所提供的二值图像和处理后图像。其中图7(a)为图6(b)中局部的二值图像,其中圆圈部分为示例的一个目标;图7(b)为针对图7(a)利用4×3的矩形结构元素进行先膨胀后腐蚀操作后得到的处理后图像。从图7(b)可以看到,目标的原始形状没有发生大的变化,同时点迹***问题也得到了改善,图像中的部分噪点也被滤除,目标点清晰易识别。通过该步骤的处理,可以最大限度地减少点迹***对目标检测带来的影响,为后续处理提供较好的图像基础。
S3,利用处理后图像对应的预设掩模,检测处理后图像中各个海面目标的轮廓像素点,得到轮廓跟踪后图像。
由于像素点之间的距离通常可以反映各像素之间的相关程度,因此在提取目标轮廓进行目标检测时考虑距离信息是很有必要的。因此,为了使非连通的像素点也能够得到准确的跟踪,本发明实施例在8链码轮廓跟踪算法的基础上提供了一种预设掩模。预设掩模的大小为(2m+1)×(2n+1),m和n为正整数;在预设掩模的区域内,第一像素点和第二像素点满足互邻条件,且第二像素点与至少一个第三像素点满足互连条件,第一像素点和第三像素点为任意像素点,第二像素点为当前轮廓像素点。
其中,互邻条件为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,第一像素点与第二像素点互邻,第一像素点的坐标位置为(X,Y),第二像素点的坐标位置为(Xp,Yp)。
互连条件为:对于第二像素点和第三像素点,在预设掩模的区域内存在一像素序列[P=P0,P1,···,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,且像素序列中的每个像素点的值相同,其中P代表第二像素点,Q代表第三像素点。
具体的,在该预设掩模内当前已知位置的像素点(Xp,Yp)与任意像素点(X,Y)满足互邻条件,即对于已知位置的像素点(Xp,Yp),存在一个任意像素点(X,Y)与其互邻,互邻条件为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,此时任意像素点(X,Y)称为像素点(Xp,Yp)的(m,n)-近邻,像素点(Xp,Yp)与任意像素点(X,Y)互为(m,n)-互邻。
因此,当本实施例已经得到一个第二像素点时,与其互邻的第一像素点需要满足的互邻条件即为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,将第一像素点的坐标位置为(X,Y),第二像素点的坐标位置为(Xp,Yp),此时第一像素点与第二像素点互邻。
而对于任意两个像素点P和Q,在预设掩模区域内存在一像素序列[P=P0,P1,···,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,此时该像素序列称为从像素点P到像素点Q的(m,n)-通路。因此对于待跟踪二值图像上任意给定的两个像素点P和Q,如果存在至少一个(m,n)-通路,且其上所有的像素点的值相同(即像素序列上所有的像素点的值均为0或均为1),则称像素点P与像素点Q之间为(m,n)-互连,即像素点P与像素点Q满足互连条件。
因此对于第二像素点而言,为了使其具有一条互连的通路,则在预设掩模区域内应至少有一个第三像素点与其满足互连条件,即对于第二像素点和第三像素点,在预设掩模区域内存在一像素序列[P=P0,P1,···,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,且该像素序列中的每个像素点的值相同,此时P则代表第二像素点,Q则代表第三像素点,P=P0表示像素点P即为P0,Pk=Q表示像素点Q即为Pk。
因此,在(m,n)-连通性条件下,待处理后图像中像素点非连通目标可以通过一个可变大小的(2m+1)×(2n+1)的预设掩模使用轮廓跟踪算法提取其轮廓进行目标识别。对于预设掩模中的数字,方向(雷达图像的方位向)按升序排列,距离(像素点之间的距离)按降序排列,其属于现有技术,在此不再赘述。每个数字表示一个矢量码,用来作为查找下一个轮廓点的查找顺序,数字的集合可以用Dirmn表示。使用该预设掩模时,按顺时针方向提取目标外轮廓时,内轮廓则刚好相反。图8和图9分别为传统3*3掩模和本实施例在m=3、n=3时的(m,n)-掩模(即预设掩模)的示意图。掩模中间的标记x表示当前已检测到的轮廓像素点的位置。
可选的一种实施方式中,S3可以包括S31~S34:
S31,依据预定扫描顺序扫描处理后图像,将得到的像素值为1且为未处理状态的首个像素点作为待跟踪的当前海面目标的轮廓像素点中的起始点。
其中,预定扫描顺序包括从上至下、从左至右,或者从下至上,从左至右,或者从左至右,从上至下等等。在此,对本发明实施例的预定扫描顺序不做限制。
本发明实施例中,默认初始的处理后图像中各个像素点均为未处理状态,在扫描过程中对处理的像素点可以标记为已处理状态。像素值为1表示目标,因此,扫描发现的第一个像素值为1的像素点为第一个海面目标的轮廓像素点之一,将该像素点设为起始点以进行海面目标的轮廓跟踪。
S32,针对当前海面目标,从起始点开始,利用预设掩模依次查找下一个轮廓像素点,直至查找到该当前海面目标的所有轮廓像素点,并将查找过的像素点确定为已处理状态。
可选的,S32可以包括S321和S322:
S321,将起始点作为该当前海面目标的当前轮廓像素点,在预设掩模的区域内按照0到[(2m+1)×(2n+1)-2]的顺序查找各像素点,将首次出现的像素值为1且为未处理状态的像素点作为目标轮廓像素点,并将查找过的像素点确定为已处理状态。
S322,判断目标轮廓像素点是否为起始点,如果否,则将目标轮廓像素点更新为当前轮廓像素点继续执行轮廓跟踪;如果是,则结束该当前海面目标的轮廓跟踪,由起始点以及查找到的各个目标轮廓像素点得到该当前海面目标的所有轮廓像素点。
S33,依据预定扫描顺序继续扫描处理后图像,更新待跟踪的当前海面目标,重复迭代直至处理后图像中所有像素点均为已处理状态,则结束轮廓跟踪处理,得到各个海面目标的轮廓像素点。
S34,将包含各个海面目标的轮廓像素点的图像作为轮廓跟踪后图像。
为了便于理解S3,以下对该步骤的整体进行示例说明,其中预设掩模为(m,n)-掩模:
步骤1、从上至下、从左至右逐像素扫描处理后图像,将得到的第一个像素值为1且为未处理状态的像素点作为目标轮廓跟踪的起始点。
步骤2、基于当前轮廓像素点在预设掩模的区域内按照0到[(2m+1)×(2n+1)-2]的顺序查找得到像素值为1的目标轮廓像素点,将其标记为已处理状态。
具体地,以第一次执行为例,当前轮廓像素点为起始点,那么以起始点为中心,通过大小为(2m+1)×(2n+1)的预设掩模使用轮廓跟踪算法按照0到[(2m+1)×(2n+1)-2]的顺序查找,即从掩模上数字为0的位置开始查询,直到查找到第一个像素值为1的像素点,将该像素点作为第一个目标轮廓像素点。并将其标记为已处理状态。
后续次的执行过程类似,区别在于当前轮廓像素点发生了更新,但具体过程均是以当前轮廓像素点为中心,通过大小为(2m+1)×(2n+1)的预设掩模使用轮廓跟踪算法按照0到[(2m+1)×(2n+1)-2]的顺序查找,即从掩模上数字为0的位置开始查询,直到查找到第一个像素值为1的像素点,将该像素点作为目标轮廓像素点。
另外,在查找的过程中,若查找到的像素点的像素值为0时,则说明该像素点不是轮廓像素点,则将其也标记为已处理状态。
需要说明的是,对于每个预设掩模中的像素点x(当前已检测到的轮廓像素点的位置,即当前轮廓像素点的位置),其可以根据具体情况对应选择m和n的大小,也就是说每个像素点x对应的预设掩模大小可以相同,也可以不同,只要满足互邻条件和互连条件即可。
步骤3、判断目标轮廓像素点是否是起始点,如果是,则执行步骤4;如果否,则将目标轮廓像素点作为当前轮廓像素点,继续执行步骤2。
判断目标轮廓像素点是否是起始点,如果是,则将起始点标记为已处理状态,说明该海面目标的轮廓已寻找完毕,可以进行下一个海面目标的轮廓跟踪;如果否,则说明该海面目标的轮廓还未完全得到,则可以以步骤2的方式继续寻找其他目标轮廓像素点,直至所找到的目标轮廓像素点为起始点时,将起始点标记为已处理状态,结束该海面目标的轮廓跟踪。
步骤4、判断处理后图像中的像素点是否都为已处理状态,如果是,则轮廓跟踪结束,如果否,转步骤1。
如果处理后图像中的像素点均为已处理状态,说明各个海面目标的轮廓像素点均已找到,则可以结束处理后图像的轮廓跟踪过程,得到轮廓跟踪后图像,其中含有各个海面目标的轮廓像素点。
S4,针对轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长,得到包含轮廓像素点在内的多个像素点作为该海面目标的区域像素点。
轮廓跟踪之后,轮廓跟踪后图像中的杂波、噪声等通过设定的阈值已被滤除,只留下海面目标的轮廓。为了提高凝聚精度,本发明实施例使用区域生长法得到海面目标包含的所有像素点后再进行点迹凝聚处理。
区域生长法(Region Growing)是一种经典的图像分割算法,其基本思想是:根据样本集中各像素点的“相似性”将其合并在一起构成区域。首先需找出一个种子点,然后根据某种生长准则,对物体进行“生长”。下面结合图10对区域生长算法进行介绍。图10为现有技术中区域生长算法示意图。
图10(a)为原始图像。5为种子点,现在对其进行区域生长。以种子点为中心,检查它的4邻域,如果所检查的像素点与种子点的灰度值之差的绝对值小于等于某个门限值T,则将该像素点与种子点进行合并生长成为新的种子,然后向周围继续生长。
图10(b)为T=1时区域生长的结果。种子点周围灰度值为4、5、6的像素点都被生长进来,而灰度值为0、1、7的像素点由于超出了门限范围,无法与种子点所在区域进行合并。虽然图像右上角的5也可以成为种子点,但由于7不满足生长要求,不能成为新的种子点,因此5位于合并区域之外。
图10(c)为T=3时区域生长的结果。可以看到图像整个右边都生长成为一个区域。
图10(d)为T=6时区域生长的结果。此时整幅图像都被生长为一个区域。由此可见,门限值的选取是很重要的,不同的门限值会得到不同的生长结果。
可选的一种实施方式中,S4可以包括:
针对轮廓跟踪后图像中的每个海面目标,将该海面目标的每个轮廓像素点作为种子点,遍历该种子点的预设邻域内的像素点,查找到像素值为1的像素点归入该海面目标的区域像素点集合;反复迭代直至区域像素点集合中任意像素点的预设领域内,像素值为1的像素点均已归入区域像素点集合中;将确定的区域像素点集合中的所有像素点作为该海面目标的区域像素点。
以下针对轮廓跟踪后图像的具体处理过程进行详细说明,可以包括以下步骤:
步骤一:按照预定扫描顺序逐像素扫描轮廓跟踪后图像,针对遇到的每个海面目标,将针对该海面目标遇到的第一个值为1且为未处理状态的轮廓像素点,作为该海面目标的区域生长的种子点。
预定扫描顺序如前所述。
步骤二:以该种子点为中心点,搜索其预设邻域内的像素点,如果像素点值为1,则将该像素点与中心点合并。
其中,预设邻域可以包括8邻域、24邻域等。
步骤三:遍历该海面目标的所有轮廓像素点,重复执行步骤二,直到该海面目标的所有轮廓像素点生长完成。
步骤四:以新合并的像素点为种子点,执行步骤二,直到再没有其他像素点可被包含进来为止,同时将该海面目标所有像素点标记确定为已处理状态。
步骤五:判断轮廓跟踪后图像中的像素点是否均为已处理状态,如果是,则区域生长结束,如果否,则转至步骤一。
当轮廓跟踪后图像中的像素点均为已处理状态,表明所有海面目标均已完成区域生长。可以针对每个海面目标,得到包含轮廓像素点在内的多个像素点作为该海面目标的区域像素点。即可以得到每个海面目标完整的像素点。
S5,针对每个海面目标,对该海面目标的区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果。
可选的一种实施方式中,S5可以包括S51~S53:
S51,针对每个海面目标,对该海面目标的区域像素点利用质心法进行点迹凝聚处理,获得该海面目标的点迹凝聚位置的坐标。
区域像素点是一海面目标范围内的所有像素点。对区域像素点利用质心法可以获得一个坐标,用该坐标表示区域像素点的点迹凝聚位置。
所谓质心,就是指其横坐标、纵坐标分别为N个点的横坐标平均值、纵坐标平均值的点。即:假定N个点的坐标分别(x1,y1),(x2,y2),…,(xN,yN)则质心的坐标为((x1+x2+…+xN)/N,(y1+y2+…+yN)/N)。
S52,确定点迹凝聚位置对应的幅值为回波图像中各个点迹对应的幅值中的最大值。
S53,将获得的点迹凝聚位置的坐标和幅值作为该海面目标的点迹凝聚结果。
以下对本实施例的实验结果进行说明。本实施例的实测数据来自Navico Halo脉冲压缩雷达采样得到的海面的回波图像,为了呈现较好的轮廓跟踪效果,选取只有5个船只目标的海面区域的回波图像,用不同的掩模对图像做轮廓跟踪处理并统计目标轮廓点数,对比各方法性能。
请参见图11,图11(a)为本发明实施例中截取的海面雷达原始的回波图像,可以看到,海面上的船只目标灰度高且形状呈椭圆形,深色背景区域灰度低且面积较大。由于目标所受干扰严重,呈现出若隐若现的状态。请参见图11(b),图11(b)为本发明实施例中DP-CFAR处理后的结果,经DP-CFAR处理后得到距离维与方位维构成的二值图像,可以看到,图像中的部分噪声、海杂波等干扰仍未被滤除。部分船只目标在距离向***明显,同时方位向也有***点迹产生。请参见图11(c),图11(c)为本发明实施例中使用矩形结构元素膨胀腐蚀后的结果。其中使用4×3矩形结构。可以看到目标的点迹***得到了改善,同时目标的形状没有发生大的变化,图像中的部分噪点被滤除,目标点清晰易识别。
为了了解本发明实施例提出的基于(m,n)-掩模的轮廓跟踪方法的效果,在不考虑区域生长,仅用轮廓点进行点迹凝聚的情况下。分别使用8链码、(3,3)-掩模两种轮廓跟踪算法对图11(c)进行处理。参见图12和图13。图12中(a)为8链码轮廓跟踪结果,(b)为8链码轮廓跟踪后点迹凝聚结果。图13中(a)为本发明实施例提供的(3,3)-掩模轮廓跟踪结果,(b)为本发明实施例提供的(3,3)-掩模轮廓跟踪后点迹凝聚结果。
通过对图12、图13进行分析,轮廓跟踪算法可以在分布有噪声的图像中检测出船只目标,可以看到,图12的8链码能够得到目标的完整轮廓,同时提取出的目标轮廓更精确。图13的(3,3)-掩模得到的是目标的粗轮廓,类似于对8链码得到的目标轮廓点进行采样,从而减少数据量,实现数据压缩。下面分别对上述两种轮廓跟踪算法得到的5个船只目标的轮廓像素点个数进行统计分析,如表1所示。
表1 8链码和(3,3)-掩模目标的轮廓像素点个点数统计
目标点 | 1 | 2 | 3 | 4 | 5 | 总个数 |
8链码 | 58 | 51 | 38 | 43 | 47 | 237 |
(3,3)-掩模 | 22 | 21 | 16 | 20 | 98 | 177 |
由表1可得,2种方法得到的5个目标的轮廓像素点个数不同。对于同一海面目标点,8链码的轮廓像素点个数多,(3,3)-掩模的轮廓像素点个数少。(m,n)-掩模是基于8链码对轮廓跟踪算法的自然扩展,8链码被看作是(m,n)-掩模的特殊使用情况(m=1,n=1)。因此,通过表2对8链码和(3,3)-掩模得到的轮廓像素点个数进行对比分析。
表2 8链码和(3,3)-掩模轮廓像素点个数对比分析
目标点 | 1 | 2 | 3 | 4 | 5 | 减少个数 |
减少点数 | 36 | 30 | 22 | 24 | 27 | 139 |
减少比例 | 62.1% | 58.8% | 57.9% | 55.8% | 57.4% | 58.6% |
由表2可得,海面的回波图像中5个船只目标的轮廓像素点个数分别减少了62.1%、58.8%、57.9%、55.8%和57.4%,总个数减少了58.6%,轮廓像素点个数减少了一半多,极大地压缩了轮廓点数据量。因此,在轮廓跟踪算法中,如果对数据量有要求,基于(m,n)-掩模的轮廓跟踪算法效果更好。并且点迹凝聚精度并未受影响。
本发明实施例中,利用区域生长,可以得到更加精确的目标点迹凝聚位置。以下以实验数据进行举例说明。
参见图14,图14(a)为本发明实施例提供的仿真雷达回波图像;图14(b)为本发明实施例提供的(3,3)-掩模轮廓跟踪结果;图14(c)为本发明实施例针对图14(b)利用质心法得到的点迹凝聚结果;图14(d)为本发明实施例针对图14(b)提供的8邻域生长准则区域生长结果;图14(e)为本发明实施例针对图14(d)利用质心法得到的点迹凝聚结果;
图14(a)为包含4个像素点非连通目标的仿真雷达回波图像(距离向200个距离单元数,方位向200个脉冲数),图像中除了目标之外,还受部分杂波的干扰。采用(3,3)-掩模对其进行轮廓跟踪,然后对目标轮廓横纵坐标取均值获得点迹凝聚位置。实验结果如图14(b)和图14(c)所示。
由图14(b)可知,轮廓跟踪后只得到4个目标粗轮廓,图像中像素点个数较少的噪声等干扰已被滤除。图14(c)为目标点迹凝聚结果,图像中4个目标凝聚后点迹数据分别为(141.48,26.72,204)、(24.9,118.95,31)、(161,143.5909,207)和(87,180.9231,193)。前两个坐标值分别代表脉冲数与距离单元数,第三个值表示凝聚后信号幅值。可以看到,(3,3)-掩模对于非连通目标有很好的轮廓跟踪效果,其提取的轮廓为粗轮廓。在轮廓跟踪过程中,通过设置阈值将噪声、干扰等杂波点滤除,只留下目标的轮廓,实现了在分布有噪声的图像中对像素点非连通目标的检测,然后基于目标轮廓做点迹凝聚处理,得到目标唯一点迹位置。
图14(d)、(e)分别为仿真雷达图像通过8邻域生长准则生长和目标点迹凝聚结果,4个目标凝聚后点迹数据分别为(141.5223,24.7011,204)、(25.3234,118.3887,31)、(160.9242,142.3423,207)和(87.2612,182.6548,193),凝聚位置在图中以横线指向。凝聚后信号幅度仍取原始目标回波最大值。对比图14(a)可知,8邻域生长准则生长后得到了目标包含的所有像素点,没有出现像素点丢失现象。因此,验证了本发明实施例所提出方法的可行性。但是,由于目标像素点的非连通性,如果通过4邻域生长准则进行区域生长,则有部分像素点并不能生长到,导致目标中部分像素点丢失。下面分别用4邻域生长准则和24邻域生长准则对图14(b)进行区域生长,结果如图14(f)和图14(g)所示。图14(f)为本发明实施例针对图14(b)提供的4邻域生长准则区域生长结果;图14(g)为本发明实施例针对图14(b)提供的24邻域生长准则区域生长结果。
对比可见,8邻域和24邻域生长准则下区域生长结果相同,没有出现像素点的丢失。4邻域生长准则由于在生长过程中,只对轮廓点(种子点)的四个方向像素点进行搜索,4个斜方向的像素点因为缺少种子点并不能被遍历到,导致目标像素点丢失。图14(f)用箭头对丢失像素点的位置进行了标注。因此,对于非连通目标,在区域生长过程中,应尽量选择遍历种子点尽可能多的邻域,才会得到正确的区域生长结果。
本发明实施例针对图12(a)和图13(a),采用8邻域生长准则对其进行区域生长。实验结果表明,8链码和(3,3)-掩模区域生长结果相同,如图15(a)所示,点迹凝聚结果如图15(b)所示。图15(a)为本发明实施例针对图12(a)和图13(a)提供的8邻域生长准则区域生长结果;图15(b)为本发明实施例针对图15(a)利用质心法得到的点迹凝聚结果,其中点迹凝聚位置以横线指向。对比可见,区域生长后得到了目标包含的所有像素点,验证了本发明实施例方法的可行性。同时,实验结果表明,由于目标像素点具有连通性,在生长过程中,无论是遍历种子点的8邻域还是24邻域,或者其它相邻方向的像素点,均能得到图15(a)所示的区域生长结果。因此,对于连通目标的区域生长,生长准则可不作要求。
以下对基于轮廓跟踪(8链码和(m,n)-掩模)的点迹凝聚方法(不考虑区域生长),以及本发明实施例提出的基于轮廓跟踪区域生长的点迹凝聚方法进行比较。各方法得到的海面目标的点迹凝聚位置坐标及凝聚点迹的幅值的统计分析如下。
表3各方法点迹凝聚位置坐标及幅值统计结果
对比可见,基于轮廓跟踪的点迹凝聚算法与区域生长后得到的目标凝聚位置对比后差别不大。轮廓跟踪法和轮廓跟踪区域生长法都是先用计算量小的轮廓跟踪算法提取目标轮廓,进行目标检测,这一步计算量并不大,而区域生长又多了一次由轮廓得到目标包含的所有像素点的过程。在使用区域生长法之前,海面的回波图像中的海杂波、噪声等干扰已被设定的阈值加以滤除,减少了算法的计算量。因此,轮廓跟踪算法与轮廓跟踪区域生长算法相比计算量减少了很多。
在实际雷达检测***中,如果对凝聚时间要求比较严格,即算法时间开销必须很小以满足雷达***处理的实时性要求,使用轮廓跟踪点迹凝聚算法比较合适。如果算法时间比较充裕,且对凝聚精度有要求,推荐使用轮廓跟踪区域生长的点迹凝聚算法来保证较低的位置误差。
本发明实施例在8链码基础上首先提出一种基于(m,n)-掩模的轮廓跟踪方法,该方法考虑距离的(m,n)-连通性。该方法在轮廓跟踪过程中,对于连通目标,其提取的轮廓为粗轮廓,类似于对8链码轮廓点的采样,实验结果表明,对于同一连通目标,(3,3)-掩模获得的目标轮廓点数相比于8链码减少了58.6%,极大地压缩了轮廓点数据量;对于非连通目标,因为预设掩模区域的大小为(2m+1)×(2n+1),在预设掩模区域内,第一像素点和第二像素点满足互邻条件,且预设掩模区域内任意两个像素点满足互连条件,因此该方法可以很好地提取目标轮廓,解决了8链码算法不能提取像素点非连通目标轮廓的缺陷,拓展了轮廓跟踪方法在雷达点迹凝聚领域的应用。并且,为了提高海面目标的点迹凝聚精度,本发明实施例将该基于(m,n)-掩模的轮廓跟踪方法与区域生长相结合得到一种基于(m,n)-掩模轮廓跟踪区域生长的海面目标雷达点迹凝聚方法。该方法得到海面目标包含的所有像素点之后再做点迹凝聚处理,因此得到的点迹凝聚结果的精确度更高。
第二方面,本发明实施例还提供了一种海面目标雷达点迹凝聚装置,如图16所示,图16为本发明实施例提供的一种海面目标雷达点迹凝聚装置的结构示意图。
图像获取模块1601,用于获取针对海面区域利用雷达采集得到的回波图像;回波图像包括至少一个海面目标;
图像预处理模块1602,用于对回波图像进行二值化和形态学的预处理,得到处理后图像;
目标轮廓检测模块1603,用于利用处理后图像对应的预设掩模,检测处理后图像中各个海面目标的轮廓像素点,得到轮廓跟踪后图像;其中,预设掩模的大小为(2m+1)×(2n+1),m和n为正整数;在预设掩模的区域内,第一像素点和第二像素点满足互邻条件,且第二像素点与至少一个第三像素点满足互连条件,第一像素点和第三像素点为任意像素点,第二像素点为当前轮廓像素点;
区域生长模块1604,用于针对轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长,得到包含轮廓像素点在内的多个像素点作为该海面目标的区域像素点;
点迹凝聚模块1605,用于针对每个海面目标,对该海面目标的区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果。
可选的,图像预处理模块1602,具体用于:
利用恒虚警技术对回波图像进行处理,获得二值图像;其中,二值图像中背景部分的像素值为0,目标部分的像素值为1;
对二值图像利用预设大小的矩形结构元素依次进行膨胀操作和腐蚀操作,得到处理后图像。
可选的,
互邻条件为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,第一像素点与第二像素点互邻,第一像素点的坐标位置为(X,Y),第二像素点的坐标位置为(Xp,Yp);
互连条件为:对于第二像素点和第三像素点,在预设掩模的区域内存在一像素序列[P=P0,P1,···,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,且像素序列中的每个像素点的值相同,其中P代表第二像素点,Q代表第三像素点。
可选的,目标轮廓检测模块1603,具体用于:
依据预定扫描顺序扫描处理后图像,将得到的像素值为1且为未处理状态的首个像素点作为待跟踪的当前海面目标的轮廓像素点中的起始点;
针对当前海面目标,从起始点开始,利用预设掩模依次查找下一个轮廓像素点,直至查找到该当前海面目标的所有轮廓像素点,并将查找过的像素点确定为已处理状态;
依据预定扫描顺序继续扫描处理后图像,更新待跟踪的当前海面目标,重复迭代直至处理后图像中所有像素点均为已处理状态,则结束轮廓跟踪处理,得到各个海面目标的轮廓像素点;
将包含各个海面目标的轮廓像素点的图像作为轮廓跟踪后图像。
可选的,针对当前海面目标,从起始点开始,利用预设掩模依次查找下一个轮廓像素点,直至查找到该当前海面目标的所有轮廓像素点,并将查找过的像素点确定为已处理状态,包括:
将起始点作为该当前海面目标的当前轮廓像素点,在预设掩模的区域内按照0到[(2m+1)×(2n+1)-2]的顺序查找各像素点,将首次出现的像素值为1且为未处理状态的像素点作为目标轮廓像素点,并将查找过的像素点确定为已处理状态;
判断目标轮廓像素点是否为起始点,如果否,则将目标轮廓像素点更新为当前轮廓像素点继续执行轮廓跟踪;如果是,则结束该当前海面目标的轮廓跟踪,由起始点以及查找到的各个目标轮廓像素点得到该当前海面目标的所有轮廓像素点。
可选的,区域生长模块1604,具体用于:
针对轮廓跟踪后图像中的每个海面目标,将该海面目标的每个轮廓像素点作为种子点,遍历该种子点的预设邻域内的像素点,查找到像素值为1的像素点归入该海面目标的区域像素点集合;反复迭代直至区域像素点集合中任意像素点的预设领域内,像素值为1的像素点均已归入区域像素点集合中;将确定的区域像素点集合中的所有像素点作为该海面目标的区域像素点。
可选的,点迹凝聚模块1605,具体用于:
针对每个海面目标,对该海面目标的区域像素点利用质心法进行点迹凝聚处理,获得该海面目标的点迹凝聚位置的坐标;并确定点迹凝聚位置对应的幅值为回波图像中各个点迹对应的幅值中的最大值;
将获得的点迹凝聚位置的坐标和幅值作为该海面目标的点迹凝聚结果。
关于各个模块的详细处理过程请参见第一方面的方法步骤,在此不再赘述。
第三方面,本发明实施例还提供了一种电子设备,如图17所示,图17为本发明实施例提供的一种电子设备的结构示意图。
包括处理器1701、通信接口1702、存储器1703和通信总线1704,其中,处理器1701,通信接口1702,存储器1703通过通信总线1704完成相互间的通信,
存储器1703,用于存放计算机程序;
处理器1701,用于执行存储器1703上所存放的程序时,实现如第一方面的海面目标雷达点迹凝聚方法的步骤。
该电子设备可以为:台式计算机、便携式计算机、智能移动终端、服务器等。在此不作限定,任何可以实现本发明的电子设备,均属于本发明的保护范围。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
第四方面,相应于第一方面所提供的海面目标雷达点迹凝聚方法,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现本发明实施例所提供的海面目标雷达点迹凝聚方法的步骤。
对于装置/电子设备/存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,本发明实施例的装置、电子设备及存储介质分别是应用上述海面目标雷达点迹凝聚方法的装置、电子设备及存储介质,则上述海面目标雷达点迹凝聚方法的所有实施例均适用于该装置、电子设备及存储介质,且均能达到相同或相似的有益效果。
本领域技术人员应明白,本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式,这里将它们都统称为“模块”或“***”。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信***。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种海面目标雷达点迹凝聚方法,其特征在于,包括:
获取针对海面区域利用雷达采集得到的回波图像;所述回波图像包括至少一个海面目标;
对所述回波图像进行二值化和形态学的预处理,得到处理后图像;
利用所述处理后图像对应的预设掩模,检测所述处理后图像中各个海面目标的轮廓像素点,得到轮廓跟踪后图像;其中,所述预设掩模的大小为(2m+1)×(2n+1),m和n为正整数;在所述预设掩模的区域内,第一像素点和第二像素点满足互邻条件,且所述第二像素点与至少一个第三像素点满足互连条件,所述第一像素点和所述第三像素点为任意像素点,所述第二像素点为当前轮廓像素点;
针对所述轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长,得到包含所述轮廓像素点在内的多个像素点作为该海面目标的区域像素点;
针对每个海面目标,对该海面目标的所述区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述回波图像进行二值化和形态学的预处理,得到处理后图像,包括:
利用恒虚警技术对所述回波图像进行处理,获得二值图像;其中,所述二值图像中背景部分的像素值为0,目标部分的像素值为1;
对所述二值图像利用预设大小的矩形结构元素依次进行膨胀操作和腐蚀操作,得到处理后图像。
3.根据权利要求1所述的方法,其特征在于,
所述互邻条件为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,所述第一像素点与所述第二像素点互邻,所述第一像素点的坐标位置为(X,Y),所述第二像素点的坐标位置为(Xp,Yp);
所述互连条件为:对于所述第二像素点和所述第三像素点,在所述预设掩模的区域内存在一像素序列[P=P0,P1,…,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,且所述像素序列中的每个像素点的值相同,其中P代表所述第二像素点,Q代表所述第三像素点。
4.根据权利要求1或3所述的方法,其特征在于,所述利用所述处理后图像对应的预设掩模,检测所述处理后图像中各个海面目标的轮廓像素点,得到轮廓跟踪后图像,包括:
依据预定扫描顺序扫描所述处理后图像,将得到的像素值为1且为未处理状态的首个像素点作为待跟踪的当前海面目标的轮廓像素点中的起始点;
针对所述当前海面目标,从所述起始点开始,利用所述预设掩模依次查找下一个轮廓像素点,直至查找到该当前海面目标的所有轮廓像素点,并将查找过的像素点确定为已处理状态;
依据预定扫描顺序继续扫描所述处理后图像,更新待跟踪的当前海面目标,重复迭代直至所述处理后图像中所有像素点均为已处理状态,则结束轮廓跟踪处理,得到各个海面目标的轮廓像素点;
将包含各个海面目标的轮廓像素点的图像作为轮廓跟踪后图像。
5.根据权利要求4所述的方法,其特征在于,所述针对所述当前海面目标,从所述起始点开始,利用所述预设掩模依次查找下一个轮廓像素点,直至查找到该当前海面目标的所有轮廓像素点,并将查找过的像素点确定为已处理状态,包括:
将所述起始点作为该当前海面目标的当前轮廓像素点,在所述预设掩模的区域内按照0到[(2m+1)×(2n+1)-2]的顺序查找各像素点,将首次出现的像素值为1且为未处理状态的像素点作为目标轮廓像素点,并将查找过的像素点确定为已处理状态;
判断所述目标轮廓像素点是否为所述起始点,如果否,则将所述目标轮廓像素点更新为当前轮廓像素点继续执行轮廓跟踪;如果是,则结束该当前海面目标的轮廓跟踪,由所述起始点以及查找到的各个目标轮廓像素点得到该当前海面目标的所有轮廓像素点。
6.根据权利要求5所述的方法,其特征在于,所述针对所述轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长,得到包含所述轮廓像素点在内的多个像素点作为该海面目标的区域像素点,包括:
针对所述轮廓跟踪后图像中的每个海面目标,将该海面目标的每个轮廓像素点作为种子点,遍历该种子点的预设邻域内的像素点,查找到像素值为1的像素点归入该海面目标的区域像素点集合;反复迭代直至所述区域像素点集合中任意像素点的预设领域内,像素值为1的像素点均已归入所述区域像素点集合中;将确定的所述区域像素点集合中的所有像素点作为该海面目标的区域像素点。
7.根据权利要求1或6所述的方法,其特征在于,所述针对每个海面目标,对该海面目标的所述区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果,包括:
针对每个海面目标,对该海面目标的所述区域像素点利用质心法进行点迹凝聚处理,获得该海面目标的点迹凝聚位置的坐标;并确定所述点迹凝聚位置对应的幅值为所述回波图像中各个点迹对应的幅值中的最大值;
将获得的所述点迹凝聚位置的坐标和幅值作为该海面目标的点迹凝聚结果。
8.一种海面目标雷达点迹凝聚装置,其特征在于,包括:
图像获取模块,用于获取针对海面区域利用雷达采集得到的回波图像;所述回波图像包括至少一个海面目标;
图像预处理模块,用于对所述回波图像进行二值化和形态学的预处理,得到处理后图像;
目标轮廓检测模块,用于利用所述处理后图像对应的预设掩模,检测所述处理后图像中各个海面目标的轮廓像素点,得到轮廓跟踪后图像;其中,所述预设掩模的大小为(2m+1)×(2n+1),m和n为正整数;在所述预设掩模的区域内,第一像素点和第二像素点满足互邻条件,且所述第二像素点与至少一个第三像素点满足互连条件,所述第一像素点和所述第三像素点为任意像素点,所述第二像素点为当前轮廓像素点;
区域生长模块,用于针对所述轮廓跟踪后图像中的每个海面目标,对该海面目标的轮廓像素点构成范围内的像素点进行区域生长,得到包含所述轮廓像素点在内的多个像素点作为该海面目标的区域像素点;
点迹凝聚模块,用于针对每个海面目标,对该海面目标的所述区域像素点进行点迹凝聚,得到该海面目标的点迹凝聚结果。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互相的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,
所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607576.6A CN112649793A (zh) | 2020-12-29 | 2020-12-29 | 海面目标雷达点迹凝聚方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011607576.6A CN112649793A (zh) | 2020-12-29 | 2020-12-29 | 海面目标雷达点迹凝聚方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112649793A true CN112649793A (zh) | 2021-04-13 |
Family
ID=75364060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011607576.6A Withdrawn CN112649793A (zh) | 2020-12-29 | 2020-12-29 | 海面目标雷达点迹凝聚方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112649793A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920324A (zh) * | 2021-12-13 | 2022-01-11 | 广州思德医疗科技有限公司 | 图像识别方法、装置、电子设备及存储介质 |
CN114415142A (zh) * | 2022-01-28 | 2022-04-29 | 北京海兰信数据科技股份有限公司 | 一种基于导航雷达的雨杂波识别方法及*** |
CN116128880A (zh) * | 2023-04-18 | 2023-05-16 | 东莞市京品精密模具有限公司 | 一种极耳模具表面开裂的识别方法 |
-
2020
- 2020-12-29 CN CN202011607576.6A patent/CN112649793A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113920324A (zh) * | 2021-12-13 | 2022-01-11 | 广州思德医疗科技有限公司 | 图像识别方法、装置、电子设备及存储介质 |
CN114415142A (zh) * | 2022-01-28 | 2022-04-29 | 北京海兰信数据科技股份有限公司 | 一种基于导航雷达的雨杂波识别方法及*** |
CN116128880A (zh) * | 2023-04-18 | 2023-05-16 | 东莞市京品精密模具有限公司 | 一种极耳模具表面开裂的识别方法 |
CN116128880B (zh) * | 2023-04-18 | 2023-06-16 | 东莞市京品精密模具有限公司 | 一种极耳模具表面开裂的识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301661B (zh) | 基于边缘点特征的高分辨率遥感图像配准方法 | |
CN112649793A (zh) | 海面目标雷达点迹凝聚方法、装置、电子设备及存储介质 | |
CN108985137B (zh) | 一种车牌识别方法、装置及*** | |
CN112991279B (zh) | 柔性电路板缺陷圆检测方法、装置、介质和设备 | |
CN107145829B (zh) | 一种融合纹理特征和尺度不变特征的掌静脉识别方法 | |
CN113592923B (zh) | 一种基于深度局部特征匹配的批图像配准方法 | |
CN107909002B (zh) | 基于海岸线匹配的红外遥感图像海陆分割方法 | |
CN110084830B (zh) | 一种视频运动目标检测与跟踪方法 | |
CN112308872B (zh) | 基于多尺度Gabor一阶导数的图像边缘检测方法 | |
CN110415296B (zh) | 一种有阴影光照下矩形状电器件的定位方法 | |
CN110097524B (zh) | 基于融合卷积神经网络的sar图像目标检测方法 | |
CN111353371A (zh) | 基于星载sar影像的海岸线提取方法 | |
CN112085709A (zh) | 一种图像对比方法及设备 | |
CN112818989A (zh) | 一种基于梯度幅值随机采样的图像匹配方法 | |
CN115471682A (zh) | 一种基于SIFT融合ResNet50的图像匹配方法 | |
CN109508674B (zh) | 基于区域划分的机载下视异构图像匹配方法 | |
CN111767856B (zh) | 基于灰度值统计分布模型的红外小目标检测算法 | |
CN112630743A (zh) | 基于轮廓跟踪区域生长的海面目标点迹凝聚方法及*** | |
CN112734816A (zh) | 基于CSS-Delaunay的异源图像配准方法 | |
CN115311287B (zh) | 一种共轨喷油器生产异常检测方法 | |
CN111178111A (zh) | 二维码检测方法、电子设备、存储介质及*** | |
CN107256399B (zh) | 一种基于Gamma分布超像素方法和基于超像素TMF的SAR图像海岸线检测方法 | |
CN113643290B (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
CN112233042B (zh) | 一种含非合作目标的大场景sar图像快速生成方法 | |
Ren et al. | SAR image matching method based on improved SIFT for navigation system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210413 |