CN103559479A - 一种基于偏振度椭圆拟合的中性点识别方法 - Google Patents
一种基于偏振度椭圆拟合的中性点识别方法 Download PDFInfo
- Publication number
- CN103559479A CN103559479A CN201310506899.XA CN201310506899A CN103559479A CN 103559479 A CN103559479 A CN 103559479A CN 201310506899 A CN201310506899 A CN 201310506899A CN 103559479 A CN103559479 A CN 103559479A
- Authority
- CN
- China
- Prior art keywords
- polarization
- degree
- image
- neutral point
- valid
- 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
本发明公开了一种基于偏振度椭圆拟合的中性点识别方法,其特征是按如下过程进行:1、获取n幅天空偏振图像,2、利用大津算法提取有效区域,3、计算偏振度图像,4、对偏振度图像进行二值化处理,5、查找有效区域内中性点所在的区域,6、利用椭圆拟合算法对中性点所在区域的边缘进行拟合,7、识别中性点。本发明能对天空偏振图像中的中性点进行有效识别和标定,从而为大气环境检测提供中性点特性信息。
Description
技术领域
本发明涉及一种基于偏振度椭圆拟合的中性点识别方法,属于大气光学研究领域。
背景技术
太阳光本身是一种自然光源,但是在大气传输过程中被大气中的粒子散射和反射,比如被O2和N2分子散射和反射,由此会产生相应的偏振光。具有不同偏振方向,不同偏振强度的太阳光,便形成了特定的大气偏振模式。中性点是大气偏振模式的重要特征,中性点是天空中的特殊位置,该位置上的大气光偏振度最低,且沿太阳子午线经过该位置时大气光的偏振化方向将发生90°旋转。通过分析中性点分布位置的变化也可以实现对大气环境的监测。大气偏振模式中性点的分布信息为反演大气的光学和物理参数、建立大气散射辐射偏振特性模型提供了必不可少的素材。因此,要实现利用偏振模式完成大气探测及大气环境检测,大气偏振模式信息中中性点的测量和识别是必不可少的。
现有技术中,虽有对大气偏振模式中中性点进行探讨和研究,但未提出过如何对中性点进行检测和识别。
发明内容
本发明的目的是为了克服现有技术中的不足之处,提供一种基于偏振度椭圆拟合的中性点识别方法,能对天空偏振图像中的中性点进行有效识别和标定,从而为大气环境检测提供中性点特性信息。
本发明为解决技术问题采取如下技术方案:
本发明一种基于偏振度椭圆拟合的中性点识别方法的特点是按如下过程进行:
步骤1:在不同偏振角度θ1,θ2,…,θn下分别获取相应的天空偏振图像I1,I2,…,In,n≥3;
步骤2:利用大津算法提取有效区域Zvalid;
依次将n幅天空偏振图像I1,I2,…,In作为大津算法的输入图像,通过大津算法分别计算出每一幅天空偏振图像I1,I2,…,In所对应的自适应阈值t1,t2,…,tn,根据所述自适应阈值t1,t2,…,tn依次将对应的天空偏振图像I1,I2,…,In进行二值化处理,获得对应于所述天空偏振图像I1,I2,…,In的n幅二值图像BW1,BW2,…,BWn,对所述n幅二值图像BW1,BW2,…,BWn进行“与”操作,获得二值图像BWvalid,令所述二值图像BWvalid中像素为1的连通区域为有效区域Zvalid;
步骤3:计算偏振度图像ID;
3.1、利用式(1)获得所述有效区域Zvalid内的斯托克斯矢量S=(I,Q,U)T:
式(1)中,I为大气光的总光强,Q为大气光在水平方向上的偏振光强分量,U为大气光在45°方向上的偏振光强分量;
3.2、根据所述斯托克斯矢量S=(I,Q,U)T通过式(2)获得所述有效区域Zvalid内的偏振度分布Dop:
3.3、通过式(3)将所述偏振度分布Dop映射为偏振度图像ID:
ID=[Dop×255] (3)
式(3)中,[Dop×255]表示对Dop×255的计算结果向下取整;
步骤4:对所述偏振度图像ID进行二值化处理;
4.1、在所述有效区域Zvalid内,对所述偏振度图像ID进行图像滤波处理获得去噪后的偏振度图像ID′;
4.2、将所述去噪后的偏振度图像ID′作为大津算法的输入图像获得去噪后的偏振度图像ID′的自适应阈值td,
4.3、根据所述自适应阈值td对所述去噪后的偏振度图像ID′进行二值化处理获得二值图像BWb,
步骤5:查找所述有效区域Zvalid内中性点所在的区域Z1和Z2;
在所述有效区域Zvalid内,查找出所述二值图像BWb中所有像素值为1的连通域,并依次比较各个连通域中所包含的像素点数量,从中选择出包含像素点数量最多的两个连通域Zmax1和Zmax2,所述连通域Zmax1和Zmax2为中性点所在区域Z1和Z2;
步骤6:利用椭圆拟合算法对中性点所在区域的边缘进行拟合;
6.1、判断所述区域Z1和Z2内的每个像素的4-连通的邻域上的像素值是否都取值为1,选择4-连通的邻域上的像素值都取值为1的像素赋值为0,从而获得区域边缘Edge1和Edge2;
6.2、分别将所述区域边缘Edge1和Edge2作为椭圆拟合算法的输入,对所述区域边缘Edge1和Edge2进行椭圆拟合,得到所述区域边缘Edge1和Edge2的拟合椭圆E1和E2,所述拟合椭圆E1和E2的拟合方程为椭圆方程1和椭圆方程2:
椭圆方程1:a1x2+b1xy+c1y2+d1x+e1y+f1=0 (4)
椭圆方程2:a2x2+b2xy+c2y2+d2x+e2y+f2=0 (5)
式(4)和(5)中,a1、b1、c1、d1、e1和f1以及a2、b2、c2、d2、e2和f2分别为椭圆拟合算法所获得的椭圆方程的系数;x和y为椭圆方程的变量;
步骤7:识别中性点;
由所述椭圆方程1和椭圆方程2,分别获得所述拟合椭圆E1和E2的椭圆中心坐标 和 所述椭圆中心坐标C1和C2即为所述中性点。
与已有技术相比,本发明的有益效果体现在:
1、本发明针对大气偏振模式中的中性点识别需求,利用中性点在大气偏振模式的偏振度分布中的特性,通过在天空偏振度图像中对中性点位置进行椭圆拟合并定位实现对中性点的识别定位。
2、本发明中通过对大气偏振模式的偏振度分布进行解析,是从中性点观测的基本特征出发,利用大气偏振模式获取装置能获取全天域天空偏振信息,能够最大程度的获取大气偏振模式中中性点的分布特性,确保了对中性点识别的准确性。
3、本发明中通过椭圆拟合方法实现对中性点的识别定位,能够克服天空环境发生变化时,中性点特性信息检测不完全而导致的中性点误检测,最小化数据随机噪声对中性点定位和识别的影响,使整体误差有效降低,从提高中性点识别的健壮性以及算法的精度。
4、本发明采用大津算法自适应获取偏振图像的有效区域和中性点区域,能够自适应跟随实际环境的变化导致的偏振和光强分布变化而选择有效区域和中性点区域的判别阈值,提高了算法对实际环境变化的适应能力。
附图说明
图1为本发明的方法流程图;
图2为本发明检偏器偏振角度为0°时所采集的天空偏振图像I1;
图3为本发明检偏器偏振角度为45°时所采集的天空偏振图像I2;
图4为本发明检偏器偏振角度为90°时所采集的天空偏振图像I3;
图5为本发明检偏器偏振角度为135°时所采集的天空偏振图像I4;
图6为本发明的有效区域示意图;
图7为本发明天空偏振度分布的示意图;
图8为本发明偏振度图像;
图9为本发明检测得到的中性点区域;
图10为本发明对识别中性点区域进行椭圆拟合结果的示意图;
图11为本发明在偏振度分布中识别中性点的效果图。
具体实施方式
本实施例中,如图1所示,一种基于偏振度椭圆拟合的中性点识别方法是按如下过程进行:
步骤1:获取n幅天空偏振图像I1,I2,…,In;
大气偏振模式获取装置是由CCD相机、鱼眼镜头和置于鱼眼镜头前的检偏器构成;CCD相机用于获取天空偏振图像的偏振光强,鱼眼镜头代替CCD相机本身的镜头用于扩展CCD相机的视场角,检偏器用于检测天空偏振图像中的大气偏振光。
利用大气偏振模式获取装置在n个不同的偏振角度θ1,θ2,…,θn下分别获得n幅天空偏振图像I1,I2,…,In,n≥3;天空偏振图像在计算过程中,均是以矩阵形式来表征的;本实施中,参见图2、图3、图4以及图5,在保持CCD相机和鱼眼镜头的位置不变,然后改变检偏器的偏振角度,分别获取4幅偏振角度分别为0°,45°,90°,135°的天空偏振图像I1,I2,I3,I4;
步骤2:利用大津算法提取有效区域Zvalid;
依次将n幅天空偏振图像I1,I2,…,In作为大津算法的输入图像,通过大津算法分别计算出每一幅天空偏振图像I1,I2,…,In所对应的自适应阈值t1,t2,…,tn,根据自适应阈值t1,t2,…,tn依次将对应的天空偏振图像I1,I2,…,In进行二值化处理,获得对应于天空偏振图像I1,I2,…,In的n幅二值图像BW1,BW2,…,BWn,对n幅二值图像BW1,BW2,…,BWn进行“与”操作,获得二值图像BWvalid,令二值图像BWvalid中像素为1的连通区域为有效区域Zvalid;如图6所示,本实施例中,针对天空偏振图像I1,I2,I3,I4,601所示为无效区域,602所示为有效区域Zvalid;对有效区域Zvalid进行提取的原因是要获得全天域的天空图像,必须保证CCD相机成像靶面大于鱼眼镜头的成像孔径,从而导致CCD相机靶面上位于镜头成像孔径之外的区域不能感光,而在成像结果中形成不具有天空偏振信息的黑色区域,这部分区域对中性点的识别的结果没有意义,但会对识别过程造成影响。
步骤3:计算偏振度图像ID;
3.1、根据n幅天空偏振图像I1,I2,…,In和其依次对应不同的偏振角度θ1,θ2,…,θn,通过式(1)获得有效区域Zvalid内的斯托克斯矢量S=(I,Q,U)T:
式(1)中,I为大气光的总光强,Q为大气光的水平方向上的偏振光强分量,U为大气光在45°方向上的偏振光强分量;本实施例中,由4幅偏振角度为0°,45°,90°,135°的天空偏振图像I1,I2,I3,I4计算有效区域Zvalid内的斯托克斯矢量S=(I,Q,U)T,将偏振角度0°,45°,90°,135°代入方程(1)中得到:
3.2、如图7所示,根据斯托克斯矢量S=(I,Q,U)T通过式(2)获得有效区域Zvalid内的偏振度分布Dop:
3.3、如图8所示,通过式(3)将偏振度分布Dop映射为偏振度图像ID:
ID=[Dop×255] (4)
式(4)中,[Dop×255]表示对Dop×255的计算结果向下取整;
步骤4:对偏振度图像ID进行二值化处理;
4.1、在有效区域Zvalid内,对偏振度图像ID进行图像滤波处理获得去噪后的偏振度图像ID′,去除椒盐噪声;
4.2、将去噪后的偏振度图像ID′作为大津算法的输入图像获得去噪后的偏振度图像ID′的自适应阈值td,
4.3、根据自适应阈值td对去噪后的偏振度图像ID′进行二值化处理获得二值图像BWb,二值化处理的规则为,设定一个阈值,针对偏振度图像ID′中的任一像素,若任一像素的像素值大于阈值,则任一像素在对应二值图像BWb中的像素值取为1;否则,像素值取为0;
步骤5:查找有效区域Zvalid内中性点所在的区域Z1和区域Z2;
参见图9,图中白色区域为中性点所在区域Z1和区域Z2;在有效区域Zvalid内,查找出二值图像BWb中所有像素值为1的连通域,并依次比较各个连通域中所包含的像素点数量,从中选择出包含像素点数量最多的两个连通域Zmax1和连通域Zmax2,连通域Zmax1和连通域Zmax2为中性点所在区域Z1和Z2;中性点是天空分布中的特殊区域,一次观测中可获得两个中性点,在实际观测中,由于云雾等天气因素的影响,可能会获得多个偏振度为0的区域,但中性点是其中最大的两块区域,因此可以通过选择中性点中最大的区域实现对中性点的识别;
步骤6:利用椭圆拟合算法对中性点所在区域的边缘进行拟合;
6.1、判断区域Z1和Z2内的每个像素的4-连通的邻域上的像素值是否都取值为1,选择4-连通的邻域上的像素值都取值为1的像素赋值为0,从而获得区域边缘Edge1和区域边缘Edge2,如图10所示的白色边缘线;
6.2、分别将区域边缘Edge1和Edge2作为椭圆拟合算法的输入,对区域边缘Edge1和Edge2进行椭圆拟合,得到区域边缘Edge1和Edge2的拟合椭圆E1和拟合椭圆E2,拟合椭圆E1和E2的拟合方程为椭圆方程1和椭圆方程2:
椭圆方程1:a1x2+b1xy+c1y2+d1x+e1y+f1=0 (5)
椭圆方程2:a2x2+b2xy+c2y2+d2x+e2y+f2=0 (6)
通过椭圆拟合算法能获得式(5)中,椭圆方程1的系数a1、b1、c1、d1、e1和f1以及式(6)中,椭圆方程2的系数a2、b2、c2、d2、e2和f2;式(5)和(6)中,变量x和y表示满足椭圆方程轨迹的点集;中性点区域通常呈现为圆形或椭圆形,通过椭圆拟合的方法可以降低随机噪声对中性点的影响,从而提高中性点识别定位的准确性和鲁邦性。
步骤7:识别中性点;
由椭圆方程1和椭圆方程2,分别获得拟合椭圆E1和E2的椭圆中心坐标 和椭圆中心坐标 椭圆中心坐标C1和椭圆中心坐标C2即为中性点。如图11所示,白色拟合椭圆线为对中性点区域的拟合,椭圆线中心的白色椭圆中心为中性点。
Claims (1)
1.一种基于偏振度椭圆拟合的中性点识别方法,其特征是,按如下过程进行:
步骤1:在不同偏振角度θ1,θ2,…,θn下分别获取相应的天空偏振图像I1,I2,…,In,n≥3;
步骤2:利用大津算法提取有效区域Zvalid;
依次将n幅天空偏振图像I1,I2,…,In作为大津算法的输入图像,通过大津算法分别计算出每一幅天空偏振图像I1,I2,…,In所对应的自适应阈值t1,t2,…,tn,根据所述自适应阈值t1,t2,…,tn依次将对应的天空偏振图像I1,I2,…,In进行二值化处理,获得对应于所述天空偏振图像I1,I2,…,In的n幅二值图像BW1,BW2,…,BWn,对所述n幅二值图像BW1,BW2,…,BWn进行“与”操作,获得二值图像BWvalid,令所述二值图像BWvalid中像素为1的连通区域为有效区域Zvalid;
步骤3:计算偏振度图像ID;
3.1、利用式(1)获得所述有效区域Zvalid内的斯托克斯矢量S=(I,Q,U)T:
式(1)中,I为大气光的总光强,Q为大气光在水平方向上的偏振光强分量,U为大气光在45°方向上的偏振光强分量;
3.2、根据所述斯托克斯矢量S=(I,Q,U)T通过式(2)获得所述有效区域Zvalid内的偏振度分布Dop:
3.3、通过式(3)将所述偏振度分布Dop映射为偏振度图像ID:
ID=[Dop×255] (3)
式(3)中,[Dop×255]表示对Dop×255的计算结果向下取整;
步骤4:对所述偏振度图像ID进行二值化处理;
4.1、在所述有效区域Zvalid内,对所述偏振度图像ID进行图像滤波处理获得去噪后的偏振度图像ID′;
4.2、将所述去噪后的偏振度图像ID′作为大津算法的输入图像获得去噪后的偏振度图像ID′的自适应阈值td,
4.3、根据所述自适应阈值td对所述去噪后的偏振度图像ID进行二值化处理获得二值图像BWb,
步骤5:查找所述有效区域Zvalid内中性点所在的区域Z1和Z2;
在所述有效区域Zvalid内,查找出所述二值图像BWb中所有像素值为1的连通域,并依次比较各个连通域中所包含的像素点数量,从中选择出包含像素点数量最多的两个连通域Zmax1和Zmax2,所述连通域Zmax1和Zmax2为中性点所在区域Z1和Z2;
步骤6:利用椭圆拟合算法对中性点所在区域的边缘进行拟合;
6.1、判断所述区域Z1和Z2内的每个像素的4-连通的邻域上的像素值是否都取值为1,选择4-连通的邻域上的像素值都取值为1的像素赋值为0,从而获得区域边缘Edge1和Edge2;
6.2、分别将所述区域边缘Edge1和Edge2作为椭圆拟合算法的输入,对所述区域边缘Edge1和Edge2进行椭圆拟合,得到所述区域边缘Edge1和Edge2的拟合椭圆E1和E2,所述拟合椭圆E1和E2的拟合方程为椭圆方程1和椭圆方程2:
椭圆方程1:a1x2+b1xy+c1y2+d1x+e1y+f1=0 (4)
椭圆方程2:a2x2+b2xy+c2y2+d2x+e2y+f2=0 (5)
式(4)和(5)中,a1、b1、c1、d1、e1和f1以及a2、b2、c2、d2、e2和f2分别为椭圆拟合算法所获得的椭圆方程的系数;x和y为椭圆方程的变量;
步骤7:识别中性点;
由所述椭圆方程1和椭圆方程2,分别获得所述拟合椭圆E1和E2的椭圆中心坐标 和 所述椭圆中心坐标C1和C2即为所述中性点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310506899.XA CN103559479B (zh) | 2013-10-24 | 2013-10-24 | 一种基于偏振度椭圆拟合的中性点识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310506899.XA CN103559479B (zh) | 2013-10-24 | 2013-10-24 | 一种基于偏振度椭圆拟合的中性点识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103559479A true CN103559479A (zh) | 2014-02-05 |
CN103559479B CN103559479B (zh) | 2016-08-24 |
Family
ID=50013720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310506899.XA Active CN103559479B (zh) | 2013-10-24 | 2013-10-24 | 一种基于偏振度椭圆拟合的中性点识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103559479B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613956A (zh) * | 2015-01-28 | 2015-05-13 | 南昌大学 | 基于大气偏振中性点的导航定向方法 |
CN106682631A (zh) * | 2016-12-30 | 2017-05-17 | 广东华中科技大学工业技术研究院 | 一种基于偏振特性的水面目标检测方法 |
CN107478858A (zh) * | 2017-07-24 | 2017-12-15 | 大连理工大学 | 基于斯托克斯矢量光流的运动速度检测传感器装置及检测方法 |
CN115100696A (zh) * | 2022-08-29 | 2022-09-23 | 山东圣点世纪科技有限公司 | 一种掌静脉识别中的连通域快速标记与提取方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1971246A (zh) * | 2006-05-09 | 2007-05-30 | 中国科学院合肥物质科学研究院 | 大气偏振模式检测装置及其检测方法 |
CN102564404A (zh) * | 2012-02-07 | 2012-07-11 | 北京大学 | 一种基于大气中性点的偏振遥感地-气信息分离方法 |
-
2013
- 2013-10-24 CN CN201310506899.XA patent/CN103559479B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1971246A (zh) * | 2006-05-09 | 2007-05-30 | 中国科学院合肥物质科学研究院 | 大气偏振模式检测装置及其检测方法 |
CN102564404A (zh) * | 2012-02-07 | 2012-07-11 | 北京大学 | 一种基于大气中性点的偏振遥感地-气信息分离方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613956A (zh) * | 2015-01-28 | 2015-05-13 | 南昌大学 | 基于大气偏振中性点的导航定向方法 |
CN106682631A (zh) * | 2016-12-30 | 2017-05-17 | 广东华中科技大学工业技术研究院 | 一种基于偏振特性的水面目标检测方法 |
CN106682631B (zh) * | 2016-12-30 | 2020-04-07 | 广东华中科技大学工业技术研究院 | 一种基于偏振特性的水面目标检测方法 |
CN107478858A (zh) * | 2017-07-24 | 2017-12-15 | 大连理工大学 | 基于斯托克斯矢量光流的运动速度检测传感器装置及检测方法 |
CN115100696A (zh) * | 2022-08-29 | 2022-09-23 | 山东圣点世纪科技有限公司 | 一种掌静脉识别中的连通域快速标记与提取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103559479B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046235B (zh) | 车道线的识别建模方法和装置、识别方法和装置 | |
CN102509098B (zh) | 一种鱼眼图像车辆识别方法 | |
Li et al. | Road lane detection with gabor filters | |
Ghazali et al. | Road lane detection using H-maxima and improved hough transform | |
CN103679205B (zh) | 基于阴影假设和分层hog对称特征验证的前车检测方法 | |
CN105488454A (zh) | 基于单目视觉的前方车辆检测与测距 | |
WO2014006234A1 (es) | Sistema integrado de detección temprana de hidrocarburos en un medio acuoso | |
CN105373135A (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
CN108198417B (zh) | 一种基于无人机的道路巡检系统 | |
Ahmad et al. | A novel method for vegetation encroachment monitoring of transmission lines using a single 2D camera | |
CN202134079U (zh) | 一种无人驾驶车辆车道标志线识别与报警装置 | |
CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
CN107527037A (zh) | 基于无人机遥感数据的蓝藻识别与分析系统 | |
CN103559479A (zh) | 一种基于偏振度椭圆拟合的中性点识别方法 | |
WO2013157920A1 (en) | Method and system for vegetation encroachment monitoring relative to an object of interest | |
CN104766078A (zh) | 目标图像的倾斜角检测方法及倾斜角检测设备 | |
CN104809433A (zh) | 一种基于最大稳定区域和随机采样的斑马线检测方法 | |
CN105139396B (zh) | 一种全自动遥感影像云雾检测方法 | |
CN109146895A (zh) | 一种颜色不均匀情况下太阳能板红外图像的有效分割方法 | |
CN104112139A (zh) | 一种lpr车牌精确定位的方法和系统 | |
CN103049788B (zh) | 基于计算机视觉的待过行人数目的检测系统及方法 | |
CN115631356A (zh) | 道路设施缺失识别方法、装置、存储介质及电子装置 | |
CN111721302B (zh) | 不规则小行星表面复杂地形特征识别与感知方法 | |
CN104715250A (zh) | 十字激光检测方法和装置 | |
Zhang et al. | Aerial image analysis based on improved adaptive clustering for photovoltaic module inspection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |