CN101866488A - 基于图像频域方向模板目标检测的方法 - Google Patents
基于图像频域方向模板目标检测的方法 Download PDFInfo
- Publication number
- CN101866488A CN101866488A CN201010203616A CN201010203616A CN101866488A CN 101866488 A CN101866488 A CN 101866488A CN 201010203616 A CN201010203616 A CN 201010203616A CN 201010203616 A CN201010203616 A CN 201010203616A CN 101866488 A CN101866488 A CN 101866488A
- Authority
- CN
- China
- Prior art keywords
- directions
- image
- target
- carry out
- projection
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供的是一种基于图像频域方向模板目标检测的方法。包括对原始图像进行预处理,滤波去噪;将侧扫声纳图像分解32×32像素大小的子图像;将子图像进行归一化,然后做二维离散傅里叶变换;提取相应的频谱信息;做二维离散傅里叶反变换,得到各个方向的投影;计算子图像各方向的投影能量;对子图像各方向的投影能量求和,判断目标有无,并粗略给出目标位置信息。本发明运用傅里叶分析工具,利用水平方向、垂直方向、135°方向和45°方向直线模板,对侧扫声纳图像在四个方向上进行投影分解,根据投影结果判断是否有目标存在,粗略估计图像的感兴趣区域的位置,对于判断和提取纹理较强的侧扫声纳图像中感兴趣区域有较好的效果。
Description
技术领域
本发明涉及的是一种数字图像处理技术。具体地说是一种目标检测方法。
背景技术
判断侧扫声纳图像目标有无是数字图像处理技术的重要内容之一。在数字图像处理的应用领域中,经常需要对目标区域进行判断分析,首先就需要判断目标的有无。由于水声成像环境的复杂性,水声图像目标有无的判断是数字图像处理技术的难题之一。
文献[1]中运用高阶统计量的方法来判断侧扫声纳图像中有无目标。高阶统计量不仅可以自动抑制高斯噪声的影响,而且也能抑制对称分布噪声的影响,高阶循环统计量则能自动抑制任何平稳(高斯或非高斯)噪声的影响。高阶统计量能够大大超越功率谱和相关函数的原因在于:高阶统计量包含了二阶统计量没有的大量信息。一般而言,声纳图像中如果没有目标,图像即为大范围的连续区域;如果有目标存在,则会出现小范围的连续区域和目标与背景之间的跃变,在图像的高阶谱中就会反应成幅度与相位的变化。因此使用高阶谱可以在避免了噪声的干扰的同时,判断目标有无。该文献中利用图像的双谱,对双谱的幅度大小设置阈值,来判断图像中目标的有无情况。文献中需要设定双谱幅度硬性阈值,来判断图像中的目标有无;而双谱幅度会应图像的大小,图像中目标亮区和目标暗区的大小,而变化较大。因此需要结合实际的情况合理设置阈值。文献[2]利用频域相关和贝叶斯概率理论分别实现了存在背景噪声等因素影响下红外图像中的目标实时检测和定位。
与本发明相关的参考文献包括:
[1]刘晨晨.高分辨率声纳成像图像识别技术研究.哈尔滨工程大学博士学位论文.2006:71-78页;
[2]Shaik,J;Iftekharuddin,K.M.Detection and tracking of targets in infrared images usingBayesian techniques.Optics and Laser Technology,v 41,n 6,p 832-42,Sept.2009。
发明内容
本发明的目的在于提供一种对于判断和提取纹理较强的侧扫声纳图像中感兴趣区域(目标)有较好的效果的基于图像频域方向模板目标检测的方法。
本发明的目的是这样实现的:
本发明的基于图像频域方向模板目标检测的方法具体包括如下步骤:
1.对原始图像进行预处理,滤波去噪;
2.将侧扫声纳图像分解32×32像素大小的子图像;为了尽可能保证每一个子图像包含完整的目标特征,水平方向有8像素的重合,垂直方向有8像素的重合;
3.将子图像进行归一化,然后做二维离散傅里叶变换(2-DFT);
4.分别用水平方向、垂直方向、45°方向、135°方向的频域模板,提取相应的频谱信息;
5.根据水平方向、垂直方向、45°方向、135°方向的频谱信息,做二维离散傅里叶反变换(2-IDFT),得到各个方向的投影;
6.计算子图像各方向的投影能量;
7.对子图像各方向的投影能量求和,判断目标有无,并粗略给出目标位置信息。
本发明运用傅里叶分析工具,对侧扫声纳图像在四个方向上进行投影分解,根据投影结果判断是否有目标存在,在有目标存在的情况下粗略估计图像的感兴趣区域(目标)的位置,对于判断和提取纹理较强的侧扫声纳图像中感兴趣区域(目标)有较好的效果。该发明方法能依据需要检测目标的尺寸,调整频域模板的大小,使得检测效果不会因检测目标大小的变化而发生改变。较一般的目标检测方法而言,该发明方法的计算量相对较小,同时还能够粗略给出目标的位置信息,这样更有利于后续处理。
附图说明
图1为原图像预处理的结果。
图2为预处理图像分解成32×32像素的子图像,且水平方向和垂直方向均有8像素重合。
图3为各子图像的标号。
图4为水平方向模板、垂直方向模板、45°方向模板、135°方向模板。
图5为原图像的水平投影。
图6为原图像的垂直投影。
图7为原图像的45°方向投影。
图8为原图像的135°方向投影。
图9的表1为图2分解的各个子图像在四个方向上的投影能量、投影能量的和以及目标有无的判断结果。
图10为该发明方法的整体流程框图。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
1.对原始图像进行预处理,目的是滤波去噪得到图1。
2.将图1分解32×32像素大小的子图像,如图2所示,各子图像的编号如图3所示。为了尽可能保证每一个子图像包含完整的目标特征,水平方向有8像素的重合,垂直方向有8像素的重合。
3.将子图像进行归一化,然后做二维离散傅里叶变换(2-DFT),在具体实施时用二维快速傅里叶变换代替2-DFT。
归一化处理:首先求出32×32像素大小子图像的像素均值,然后将32×32像素大小子图像中的每一个像素都除以其像素均值。
一个大小为M×N的图像函数f(x,y)的二维离散傅里叶变换由式(1)给出:
其中u=0,1,2,…M-1,v=0,1,2,…N-1。
4.将图4所示的模板分别与二维离散傅里叶变换结果F(u,v)相乘,提取出水平方向、垂直方向、45°方向、135°方向的频谱信息。
5.根据水平方向、垂直方向、45°方向、135°方向的频谱信息,做一维离散傅里叶反变换(1-IDFT),得到各个方向的投影,如图5,6,7,8所示。在具体实施时采用一维快速傅里叶反变换代替1-IDFT。
一维离散傅里叶反变换由表达式(2)给出:
其中,x=0,1,2,…M-1。
6.计算子图像各方向的投影能量。
32×32像素大小子图像在各个方向上的投影实际上是一维数据,各个方向上的投影能量为:
(3)式中E为能量;x(k)为一维数据下标为k处的数值。
各方向模板中都剔除掉了直流分量,即令F(0,0)=0,使得子图像中没有目标时,投影能量值较小。计算出来所有32×32像素大小子图像在各个方向上的投影能量如表1第2列至第5列所示。
7.对子图像各方向的投影能量求和,判断目标有无,并粗略给出目标位置信息。
对子图像在各个方向上的投影能量进行求和,如表1第6列所示。从求和的结果可以看到当子图像中存在目标时,其投影能量的和相对没有目标要大很多,因此可以设定门限从而判定在该子图像中是否存在目标。各子图像中目标有无的判断结果示于表1第7列,从有目标的子图像编号可以粗略地估计出目标位于图像的右下角。
Claims (1)
1.一种基于图像频域方向模板目标检测的方法,其特征是:
(1)对原始图像进行预处理,滤波去噪;
(2)将侧扫声纳图像分解32×32像素大小的子图像;水平方向有8像素的重合,垂直方向有8像素的重合;
(3)将子图像进行归一化,然后做二维离散傅里叶变换;
(4)分别用水平方向、垂直方向、45°方向、135°方向的频域模板,提取相应的频谱信息;
(5)根据水平方向、垂直方向、45°方向、135°方向的频谱信息,做二维离散傅里叶反变换,得到各个方向的投影;
(6)计算子图像各方向的投影能量;
(7)对子图像各方向的投影能量求和,判断目标有无,并粗略给出目标位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102036160A CN101866488B (zh) | 2010-06-21 | 2010-06-21 | 基于图像频域方向模板目标检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102036160A CN101866488B (zh) | 2010-06-21 | 2010-06-21 | 基于图像频域方向模板目标检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101866488A true CN101866488A (zh) | 2010-10-20 |
CN101866488B CN101866488B (zh) | 2012-10-31 |
Family
ID=42958202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102036160A Expired - Fee Related CN101866488B (zh) | 2010-06-21 | 2010-06-21 | 基于图像频域方向模板目标检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101866488B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530647A (zh) * | 2013-10-10 | 2014-01-22 | 哈尔滨工程大学 | 基于分数傅里叶变换的纹理分类方法 |
CN104021553A (zh) * | 2014-05-30 | 2014-09-03 | 哈尔滨工程大学 | 一种基于像素点分层的声纳图像目标检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805098A (en) * | 1996-11-01 | 1998-09-08 | The United States Of America As Represented By The Secretary Of The Army | Method and system for forming image by backprojection |
CN1605885A (zh) * | 2004-11-18 | 2005-04-13 | 上海大学 | 快速预报声呐目标强度的方法 |
CN101155300A (zh) * | 2006-09-26 | 2008-04-02 | 中国科学院声学研究所 | 一种高误比特率下基于离散小波变换的水声图像压缩方法 |
CN101196983A (zh) * | 2006-12-08 | 2008-06-11 | 北京皎佼科技有限公司 | 一种图像识别方法 |
CN101210967A (zh) * | 2006-12-25 | 2008-07-02 | 柏建民 | 一种智能型声纳信号处理系统设计方法 |
-
2010
- 2010-06-21 CN CN2010102036160A patent/CN101866488B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5805098A (en) * | 1996-11-01 | 1998-09-08 | The United States Of America As Represented By The Secretary Of The Army | Method and system for forming image by backprojection |
CN1605885A (zh) * | 2004-11-18 | 2005-04-13 | 上海大学 | 快速预报声呐目标强度的方法 |
CN101155300A (zh) * | 2006-09-26 | 2008-04-02 | 中国科学院声学研究所 | 一种高误比特率下基于离散小波变换的水声图像压缩方法 |
CN101196983A (zh) * | 2006-12-08 | 2008-06-11 | 北京皎佼科技有限公司 | 一种图像识别方法 |
CN101210967A (zh) * | 2006-12-25 | 2008-07-02 | 柏建民 | 一种智能型声纳信号处理系统设计方法 |
Non-Patent Citations (1)
Title |
---|
《吉林大学学报(信息科学版)》 20081130 朱殿尧等 侧扫声纳目标自动探测研究 627-631 1 第26卷, 第6期 2 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530647A (zh) * | 2013-10-10 | 2014-01-22 | 哈尔滨工程大学 | 基于分数傅里叶变换的纹理分类方法 |
CN103530647B (zh) * | 2013-10-10 | 2017-02-08 | 哈尔滨工程大学 | 基于分数傅里叶变换的纹理分类方法 |
CN104021553A (zh) * | 2014-05-30 | 2014-09-03 | 哈尔滨工程大学 | 一种基于像素点分层的声纳图像目标检测方法 |
CN104021553B (zh) * | 2014-05-30 | 2016-12-07 | 哈尔滨工程大学 | 一种基于像素点分层的声纳图像目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101866488B (zh) | 2012-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tonazzini et al. | Fast correction of bleed-through distortion in grayscale documents by a blind source separation technique | |
Park et al. | The complex local mean decomposition | |
Khan et al. | Cross-term elimination in Wigner distribution based on 2D signal processing techniques | |
Sur et al. | Automated removal of quasiperiodic noise using frequency domain statistics | |
Lazarov et al. | ISAR geometry, signal model, and image processing algorithms | |
Bose | Lean CLEAN: Deconvolution algorithm for radar imaging of contiguous targets | |
Chilukuri et al. | Auto Encoders and Decoders Techniques of Convolutional Neural Network Approach for Image Denoising In Deep Learning | |
Dharmarajan et al. | A hypergraph-based algorithm for image restoration from salt and pepper noise | |
Ye et al. | Denoising hybrid noises in image with stacked autoencoder | |
Patel et al. | Separated component-based restoration of speckled SAR images | |
Chen et al. | Modulation recognition of radar signals based on adaptive singular value reconstruction and deep residual learning | |
Zhou et al. | Image splicing detection based on image quality and analysis of variance | |
CN114926374B (zh) | 一种基于ai的图像处理方法、装置、设备及可读存储介质 | |
Li et al. | Noise reduction method for ship radiated noise signal based on modified uniform phase empirical mode decomposition | |
CN101866488B (zh) | 基于图像频域方向模板目标检测的方法 | |
AlAzawee et al. | Using morphological operations—Erosion based algorithm for edge detection | |
CN103784164A (zh) | 超声信号的预处理方法及系统 | |
Mandic et al. | Why a complex valued solution for a real domain problem | |
Boopathi Rajan et al. | Time delay estimation using wavelet denoising maximum likelihood method for underwater reverberant environment | |
Gupta | A review and comprehensive comparison of image denoising techniques | |
Robinson | A topological low-pass filter for quasi-periodic signals | |
Mostafiz et al. | Speckle noise reduction for 3D ultrasound images by optimum threshold parameter estimation of bi-dimensional empirical mode decomposition using Fisher discriminant analysis | |
Zhao et al. | Unpaired sonar image denoising with simultaneous contrastive learning | |
Zhang et al. | An improved edge detection algorithm based on mathematical morphology and directional wavelet transform | |
Kishan et al. | Patch-based and multiresolution optimum bilateral filters for denoising images corrupted by Gaussian noise |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121031 Termination date: 20180621 |
|
CF01 | Termination of patent right due to non-payment of annual fee |