CN103729852A - 一种基于二次亮线的油库sar图像和光学图像的配准方法 - Google Patents
一种基于二次亮线的油库sar图像和光学图像的配准方法 Download PDFInfo
- Publication number
- CN103729852A CN103729852A CN201410010507.5A CN201410010507A CN103729852A CN 103729852 A CN103729852 A CN 103729852A CN 201410010507 A CN201410010507 A CN 201410010507A CN 103729852 A CN103729852 A CN 103729852A
- Authority
- CN
- China
- Prior art keywords
- image
- circle
- oil depot
- size
- sar
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于二次亮线的油库SAR图像和光学图像的配准方法,包括步骤一、光学图像油库圆心提取,步骤二、SAR图像油库实际圆心提取,步骤三、SAR图像和光学图像最终配准。本发明充分利用由油库高度引起的二次亮线的特征得到SAR图像油库目标的实际位置信息和用Hough变换获得的光学图像油库的位置信息对SAR图像和光学图像的进行油库配准的工作,使配准更加准确、可靠。本发明为遥感领域中油库目标的配准提供了一种新的途径。
Description
技术领域
本发明涉及雷达技术领域,具体地说,是指一种基于二次亮线的油库合成孔径雷达(简称SAR)图像和光学图像的配准方法。
背景技术
随着新型传感器的不断涌现,人们获取图像的能力迅速提高,不同物体特性传感器产生的图像不断增多。由于不同图像传感器获取图像在几何、光谱、时间和空间分辨率等方面存在着局限性和差异性,所以仅仅利用一种图像数据往往难以实际需求。为此,采用图像融合技术将不同传感器获取的图像综合起来使用,达到对目标有一个更全面、清晰、准确的理解和认识的目的。而图像融合的前提是图像配准。
油库是一类重要的目标,其位置信息的提取是近年来研究的热点问题之一。但目前SAR图像和光学图像的配准方法主要是利用两幅图像的共同特征点来配准,但这种方法没有考虑油库的高度(油库的高度导致油库的位置在SAR图像产生偏移),不能准确获取油库的准确位置,使图像间的配准造成较大误差。
发明内容
本发明的目的是为了解决上述问题,利用二次亮线使SAR图像和光学图像进行有效配准,提出一种基于二次亮线的油库SAR图像和光学图像的配准方法。
本发明在SAR图像进行预处理和边缘轮廓处理的基础上,通过Hough变换得到油库目标的半径和油库圆心坐标,再根据二次亮线确定油库的轮廓的真实圆心坐标;在光学图像进行预处理的基础上,利用Hough变换得到光学图像上油库目标的半径和圆心坐标;进一步利用SAR图像和光学图像上的油库目标圆心坐标位置,实现SAR图像和光学图像的油库配准,本发明能够有效地降低图像间的配准误差,对于军事应用来说具有更重要的价值。
一种基于二次亮线的油库SAR图像和光学图像的配准方法,包括SAR图像油库实际圆心提取、光学图像油库圆心提取和SAR图像和光学图像进行配准,以下是具体步骤:
步骤一、光学图像油库圆心提取具体步骤:
(a):输入油库光学图像,对光学图像进行参数初始化设置;
(b):对光学图像进行预处理;
(c):对光学图像进行Hough变换,得到光学图像上油库的圆心坐标。
步骤二、SAR图像油库实际圆心提取具体步骤:
(1):输入油库SAR图像,对SAR图像进行参数初始化设置;
(2):对SAR图像进行预处理;
(3):对图像进行边缘提取;
(4):对SAR图像进行Hough变换,得到SAR图像上油库的圆心坐标和半径;
(5):提取二次亮线上的强散射点,计算油库的真实圆心坐标。
步骤三、SAR图像和光学图像最终配准过程具体步骤:
(i):建立SAR图像和光学图像的油库圆心的映射关系;
(ii):对SAR图像进行重采样进行校正,配准完成。
本发明的优点在于:
(1)现有技术中图像配准主要利用图像间的共同特征点进行配准,几乎没有人考虑油库的高度。本发明充分利用由油库高度引起的二次亮线的特征得到SAR图像油库目标的实际位置信息和用Hough变换获得的光学图像油库的位置信息对SAR图像和光学图像的进行油库配准的工作,使配准更加准确、可靠。因此,本发明为遥感领域中油库目标的配准提供了一种新的途径。
(2)本发明适用于包含同一油库目标区域的SAR图像和光学图像配准。
(3)本发明适用于采用Matlab软件中的图像处理函数。
附图说明
图1是本发明中配准方法流程图;
图2是本发明中光学图像油库圆心方法流程图;
图3是本发明中的SAR图像提取实际圆心方法流程图;
图4是本发明中SAR图像油库圆心与实际圆心的关系图;
图5是本发明中光学图像;
图6是本发明中边缘处理后的光学图像;
图7是本发明中使用Hough变换所检测出来的光学结果图;
图8是本发明中SAR图像;
图9是本发明中实施示例对SAR图像滤波后的图像;
图10是本发明中经过形态学处理后的SAR图像;
图11是本发明中经过边缘处理后的SAR图像;
图12是本发明中使用Hough变换检测出的图像;
图13是本发明中SAR图像油库实际圆心图;
图14是本发明中配准后的SAR图像
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于二次亮线的SAR图像和光学图像的油库配准方法,其实施步骤分为SAR图像实际油库圆心提取、光学图像油库圆心提取和SAR图像和光学图像最终配准过程,如图1所示,具体包括以下几个步骤:
步骤一、光学图像圆心提取流程如图2所示,具体分为:
(a):输入光学图像I,进行参数初始化。
具体为:设输入的SAR图像为I,设I的总行数为m,总列数为n。对于图像中的任一像素点(ii,jj),该像素点的值以I(ii,jj)表示,其中ii和jj分别表示该像素点在图像I中的行数和列数,对图像灰度化,调用matlab中的rgb2gray函数,将图像记为I0,其调用方式:
I0=rgb2gray(I) (1)
(b):对图像I0进行预处理
光学图像预处理主要包括二值化处理和边缘提取。具体为:
(b1):二值化处理
调用matlab中的max函数取图像I0的最大值,记为s。设定一个阈值thresh,对于图像中的任一像素点(ii,jj),该像素点的值以I0(ii,jj)表示,其中ii和jj分别表示该像素点在图像I0中的行数和列数,当I0(ii,jj)<thresh×s时,I0(ii,jj)=0,否则I0(ii,jj)=255,二值化处理完成。
(b2)边缘提取
调用matlab中的edge函数,将图像进行边缘化后记为h,其调用方式为:
h=edge(I0,'function') (2)
其中function表示一种梯度算子。
(c):对图像h进行Hough变换,提取光学图像中油库的圆心坐标和半径。
具体实施为:
c1、参数设定
假设待检测的圆的最小半径为为rmin,最大值为rmax,输入步长Δr,则圆的搜索半径范围size_r为的参数空间(a,b,R),其中表示的是进行四舍五入后的整数值,其中表示的是进行四舍五入后的整数值,输入搜索角度范围size_angle为2π。
c2、建立参数空间P0[a0,b0,r]
设ii、jj、kk分别表示图像横轴size_row、size_r和size_angle的某一个数,然后在图像h中对size_row、size_r和size_angle进行循环,建立如下的等式,
a0=round(rows(ii)-(r_min+(jj-1)*step_r)*coskk) (3)
b0=round(cols(ii)-(r_min+(jj-1)*step_r)*sinkk) (4)
其中rows(ii)、cols(ii)分别表示图像中的某一行和列。设定判断条件,当0<a<m,0<b<n时,参数空间P[a0,b0,r]就为
P0[a0,b0,r]=P0[a0,b0,r]+1 (5)
圆的参数空间建立完成。
c3、检测参数空间内建立的圆是不是一个圆
在参数空间P0中,使用matlab中的max函数取得参数空间的最大值,记为max_p,使用方法为
max_p=max(max(max(P0))) (6)
设一个阈值p0,使用matlab中的find函数,假设参数空间大于参数空间的最大值乘以阈值时,即认为它就是一个圆,并将其记为index,取其大小为size_index,具体使用如下:
index=find(P>=max_p*p) (7)
然后再整幅图像中进行循环,ii和jj分别表示该像素点在图像中的行数和列数,此时圆的半径为r=floor(index/(m*n))+1,圆心为b0=floor((index-(r-1)*(m*n))/m)+1,a=index-(r-1)*(m*n)-(b0-1)*n,其中floor为取整函数,设定判断误差在error范围内,其判定等式记为temp,则为
temp=(((rows(ii)-a).^2+(cols(jj)-b).^2-((r_min+(r-1)*step_r).^2+error))<0) (8)
.*(((rows(ii)-a).^2+(cols(jj)-b).^2-((r_min+(r-1)*step_r).^2-error))>0)
其中rows(ii)、cols(jj)分别表示图像中的某一行和列。
因此其判定条件为当temp~=0时,此时index就是一个圆。当ii、jj分别运行图像的最后一行和列时,这个循环即停止,并得到这些圆的圆心坐标矩阵base_points。
步骤二、SAR图像实际油库圆心提取流程如图3所示,包括以下几个步骤:
(1):输入油库SAR图像,进行参数初始化。
具体为:设输入的SAR图像为data,设data的总行数Size_row为M,总列数Size_col为N。对于图像中的任一像素点(i,j),该像素点的值以data(i,j)表示,其中i和j分别表示该像素点在图像data中的行数和列数,对图像中的每一行和列取平方,将图像记为data0。
(2):对图像进行预处理,其中预处理包括滤波和形态学处理,具体为:
1、图像滤波
在图像data0中,调用matlab中的medfilt2函数对图像进行滤波,设滤波后的图像为data1。调用方式为:
data1=medfilt2(data0) (9)
2、形态学处理
对图像data1进行二值化处理,调用Matlab中的graythresh和im2bw函数,其调用方法为:
level=graythresh(data1) (10)
BW=im2bw(data1,level) (11)
其中,BW为二值化后的图像。
对二值图像BW,先采取形态学闭运算。利用Matlab进行处理时,输入结构化元素SE,可直接调用imclose函数进行闭运算处理。为了使边缘特性更加理想,可重复使用闭运算。对二值图像进行闭运算处理,得到图像BW1。
对于闭运算处理后的图像,输入面积阈值Amin,先消除图像中面积小于Amin的黑色小孔再消除图像中面积小于Amin白色区域。消除方法如下:
(2.1)对于闭运算后的二值图像BW1,调用Matlab中的bwlabel函数,得到小于Amin的图像,调用方式为:
Lb=bwlabel(BW1,Amin) (12)
其中,Lb是输出的标记矩阵。
(2.2)调用Matlab中的imfill函数,对二值图像BW1进行填充,得到图像fill_holes,将图像fill_holes和二值图像的反图像进行相与得到填充孔洞图像holes1。
fill_holes=imfill(BW1,'holes') (13)
(2.3)孔洞图像和Lb的反图像进行与运算,再与二值化图像进行或运算,消除黑色小孔,得到图像BW2。
(2.4)对于步骤(2.3)获取的图像取反,重复步骤(2.1)、(2.2)和(2.3),对于获取的图像再次取反,消除白色区域。
依据上述步骤对闭运算处理后的图像进行处理,就可得到形态学处理后的图像BW3。
(3):二值图像的边缘提取
提取形态学处理后的图像BW3的边缘,可使用Matlab中的bwmorph函数。调用方式为:
BW4=bwmorph(BW3,'remove') (14)
其中BW3为输入的图像,BW4为获取的边缘图像。
(4):对图像BW4进行Hough变换,得到SAR图像中油库的圆心和半径。
具体实施为:
4.1、参数设定
假设待检测的圆的最小半径为为Rmin,最大值为Rmax,输入步长Δr,则圆的搜索半径范围Size_r为的参数空间(a,b,R),其中表示的是进行四舍五入后的整数值,输入搜索角度范围Size_angle为2π。
4.2、建立参数空间P[a,b,R]
设i、j、k分别表示图像横轴Size_row、Size_r和Size_angle的某一个数,然后在Size_row、Size_r和Size_angle进行循环,建立如下的等式,
a=round(Rows(i)-(r_min+(j-1)*step_r)*cosk) (15)
b=round(Cols(i)-(r_min+(j-1)*step_r)*sink) (16)
其中rows(i)、cols(i)分别表示图像中的某一行和列。设定其判断条件,当0<a<M,0<b<N时,参数空间P[a,b,R]就为
P[a,b,R]=P[a,b,R]+1 (17)
即圆的参数空间建立完成。
4.3、检测参数空间内建立的圆是不是一个圆
在参数空间P中,使用matlab中的max函数取得参数空间的最大值,记为Max_p,使用方法为
Max_p=max(max(max(P))) (18)
设一个阈值p,使用matlab中的find函数,假设参数空间大于参数空间的最大值乘以阈值时,即认为它就是一个圆,并将其记为Index,取其大小为Size_Index,具体使用如下:
Index=find(P>=Max_p*p) (19)
然后再整幅图像中进行循环,ii和jj分别表示该像素点在图像中的行数和列数,此时圆的半径为R=floor(Index/(M*N))+1,圆心为b=floor((Index-(R-1)*(M*N))/M)+1,a=Index-(R-1)*(M*N)-(b-1)*M,其中floor为取整函数,设定判断误差在error0范围内,其判定等式记为Temp,则为
Temp=(((rows(ii)-a).^2+(cols(jj)-b).^2-((r_min+(R-1)*step_r).^2+error0))<0) (20)
.*(((rows(ii)-a).^2+(cols(jj)-b).^2-((r_min+(R-1)*step_r).^2-error0))>0)
其中rows(ii)、cols(jj)分别表示图像中的某一行和列。
因此其判定条件为当Temp~=0时,此时Index就是一个圆。当ii、jj分别运行图像的最后一行和列时,这个循环即停止,并得到这些圆的圆心矩阵和相应的半径R的矩阵分别为inputpoints和yuan_R。
(5):提取二次亮线上的强散射点,计算油库的实际圆心坐标;
以Hough变换检测出来的每个圆的圆心为中心,并设其坐标为(x,y),半径为R,建立一个2R×2R的矩形搜索窗口,并设定其条件为横坐标大于圆心坐标x。在这个搜索窗口内找出强度最大的点,这个点就是二次亮线上的强散射点,得到在这个图像内的这些强散射点的矩阵S。
以其中一个油库轮廓为例,最强散射点、Hough变换检测出的圆心坐标和油库的实际圆心坐标的关系如图4所示,其中A为Hough变换检测出的圆心坐标矩阵inputpoints的一点,并设其坐标为(x1,y1),B为油库实际圆心坐标及其坐标为(x2,y2),C为二强散射点的矩阵S中的一点及其坐标为(x3,y3),R为油库的半径也是B与C点之间的距离,dx、dy分别表示线段BC在x、y方向上的偏移量。由图知,A、B、C点在同一条直线上,根据斜率定理可以得到:
其直线方程为
y=kx (21)
由图及以上信息可得
dy2+dx2=r2 (24)
联立以上两式可解出dx和dy,因此可得一个油库实际圆心B点坐标为
x2=x3-dx (25)
y2=y3-dy (26)
通过以上逐一计算得到油库实际圆心坐标的矩阵input_points,并记录相应的偏移量dx的矩阵和偏移量dy的矩阵分别为D_x和D_y。
步骤三、SAR图像和光学图像进行最终配准。
将SAR图像中提取的油库的实际圆心坐标input_points和光学图像中提取的油库圆心坐标记为base_points建立映射关系和重采样。
(i)建立圆心的映射关系
调用matlab中的cp2tform函数,建立SAR图像和光学图像的映射关系,其调用方位为
t_concord=cp2tform(input_points,base_points,'X') (27)
其中t_concord表示两幅图像的映射等式,X表示映射函数。
(ii)对SAR图像进行重采样
对SAR图像进行重采样时,调用matlab中的imtransform函数,将SAR图像进行配准,其具体调用方法为
data0_registered=imtransform(data0,t_concord,... (28)
'XData',[1size(I0,2)],...'YData',[1size(I0,1)])
其中data0表示原SAR图像,I0表示光学图像,data0_registered表示SAR图像进行配准后的图像。
实施例:
本发明的一种基于二次亮线的SAR图像的油库配准方法,具体实施例为:
步骤一、光学图像油库圆心坐标提取实例:
(a):输入光学图像I,进行参数初始化。
读取光学图像I,并对其进行灰度化,其图像为I0,如图5所示,I0的行数为561,列数为584.
(b):对图像I0进行二值化预处理
图像进行二值化处理时采用的阈值thesh为0.75。图像边缘提取采取的梯度算子为sobel,边缘提取后的图像如图6所示:
(c):对图像进行Hough变换,得到光学图像油库的圆心坐标
c1、参数设定
设待检测的圆的半径的最小值为30,最大值为45,输入半径r的步长0.3,建立大小为584×561×51的参数空间,圆半径的搜索范围size_r为51,搜索角度范围size_angle为2π,图像h的横轴搜索范围size_row为561。
c3、检测参数空间内建立的圆是不是一个圆
输入阈值p为0.65,允许的误差的范围error为5。Hough变换检测出来的圆如图7所示,得到的圆心坐标和半径的矩阵base_points为
步骤二、SAR图像实际油库圆心提取具体实例为:
(1):输入油库SAR图像,进行参数初始化。
读取如图8所示的SAR图像data0,data0的行数为1400,列数为1400。
(2):对SAR图像做预处理,预处理主要包括图像的滤波,形态学的处理,具体为:
2.2形态学处理
图像分割后所获取的二值图像,采用形态学处理中的膨胀和腐蚀以及孔洞的填充。
对输入的二值图像,先采取形态学闭运算。利用Matlab进行处理时,输入结构化元素SE为5×5的矩阵,矩阵中的元素均为1。使用两次闭运算处理后的图像。
对于闭运算处理后的图像,输入面积阈值Amin=250,消除图像中面积小于Amin的黑色小孔以及白色区域。消除小孔后的图像如图9所示。
(3):二值图像的边缘提取
使用Matlab中的bwmorph函数对图9所示的图像提取边缘,结果如图10所示。
(4):Hough变换圆检测
4.1、参数设定
设待检测的圆的半径的最小值为30,最大值为45,输入半径r的步长0.3,建立大小为1400×1400×51的参数空间,圆半径的搜索范围Size_r为51,搜索角度范围Size_angle为2π,图像h的横轴搜索范围Size_row为1400。
4.3、检测参数空间内建立的圆是不是一个圆
输入阈值p为0.6,允许的误差的范围Error为5。Hough变换检测出来的圆如图11所示,检测的圆心坐标矩阵inputpoints,半径R的矩阵分别为
yuan_R=[37 36 37 35 36 37 36 36 36 36 34 45 45] (31)
(5):计算SAR图像中油库实际圆心坐标
搜索得到强散射点矩阵S为
计算得到的偏移量矩阵D_x和D_y,圆心坐标矩阵input_points分别为为
D_x=[36 35 36 34 35 37 35 35 35 35 34 44 44] (33)
D_y=[7 8 7 7 7 7 7 7 7 7 4 8 9] (34)
得到油库实际圆心图,如图12所示。
根据光学图像Hough变换检测出的圆心个数,认为手动删除SAR图像中与光学图像中不相对的油库圆心坐标(295,429)和(404,322),则圆心坐标矩阵变为
步骤三、SAR图像和光学图像进行最终配准
采用对SAR图像和光学图像建立映射关系所采用映射函数为projective,对SAR图像进行重采样校正后所得的配准图像如图13所示。
本发明主要考虑油库高度,对SAR图像和光学图像中油库配准问题,通过对SAR图像进行预处理和边缘提取,并利用Hough变换检测出图像中的圆形轮廓,接着在其周围建立搜索窗口,搜索二次亮线上的最强点,通过二次亮线上的最强点、油库圆心和油库实际圆心的关系得到油库实际圆心坐标;再对光学图像进行边缘提取,直接用Hough变换得到光学图像油库的圆心坐标;依据SAR图像油库实际圆心坐标和光学图像的油库圆心坐标建立映射关系并对SAR图像进行重采样,进行最终配准。通过实例分析,进一步详述了本发明方法的实施过程,验证了本发明方法的正确性。
Claims (1)
1.一种基于二次亮线的SAR图像和光学图像的油库配准方法,具体包括以下几个步骤:
步骤一、光学图像圆心提取,具体分为:
(a):输入光学图像I,进行参数初始化;
具体为:设输入的SAR图像为I,设I的总行数为m,总列数为n;对于图像中的任一像素点(ii,jj),该像素点的值以I(ii,jj)表示,其中ii和jj分别表示该像素点在图像I中的行数和列数,对图像灰度化,得到图像I0;
(b):对图像I0进行预处理
具体为:
(b1):二值化处理
取图像I0的最大值,记为s,设定一个阈值thresh,对于图像中的任一像素点(ii,jj),该像素点的值以I0(ii,jj)表示,其中ii和jj分别表示该像素点在图像I0中的行数和列数,当I0(ii,jj)<thresh×s时,I0(ii,jj)=0,否则I0(ii,jj)=255,二值化处理完成;
(b2)边缘提取
将图像进行边缘化后记为图像h;
(c):对图像h进行Hough变换,提取光学图像中油库的圆心坐标和半径;
具体实施为:
c1、参数设定
假设待检测的圆的最小半径为为rmin,最大值为rmax,输入步长Δr,则圆的搜索半径范围size_r为的参数空间(a,b,R),其中表示的是进行四舍五入后的整数值,其中表示的是进行四舍五入后的整数值,输入搜索角度范围size_angle为2π;
c2、建立参数空间P0[a0,b0,r]
设ii、jj、kk分别表示图像横轴size_row、size_r和size_angle的某一个数,然后在图像h中对size_row、size_r和size_angle进行循环,建立如下的等式,
a0=round(rows(ii)-(r_min+(jj-1)*step_r)*coskk) (3)
b0=round(cols(ii)-(r_min+(jj-1)*step_r)*sinkk) (4)
其中rows(ii)、cols(ii)分别表示图像中的某一行和列;设定判断条件,当0<a<m,0<b<n时,参数空间P[a0,b0,r]就为
P0[a0,b0,r]=P0[a0,b0,r]+1 (5)
圆的参数空间建立完成;
c3、检测参数空间内建立的圆是不是一个圆
在参数空间P0中,取得参数空间的最大值,记为max_p;
设一个阈值p0,假设参数空间大于参数空间的最大值乘以阈值时,即认为它就是一个圆,并将其记为index,取其大小为size_index,然后再整幅图像中进行循环,ii和jj分别表示该像素点在图像中的行数和列数,当ii、jj分别运行图像的最后一行和列时,循环即停止,并得到这些圆的圆心坐标矩阵base_points;
步骤二、SAR图像实际油库圆心提取,包括以下几个步骤:
(1):输入油库SAR图像,进行参数初始化;
设输入的SAR图像为data,设data的总行数Size_row为M,总列数Size_col为N;对于图像中的任一像素点(i,j),该像素点的值以data(i,j)表示,其中i和j分别表示该像素点在图像data中的行数和列数,对图像中的每一行和列取平方,将图像记为data0;
(2):对图像进行预处理,具体为:
1、图像滤波
在图像data0中,对图像进行滤波,得到滤波后图像data1;
2、形态学处理
对图像data1进行二值化处理,得到二值化后的图像BW;
对二值图像进行闭运算处理,得到图像BW1;
对于闭运算处理后的图像,输入面积阈值Amin,先消除图像中面积小于Amin的黑色小孔再消除图像中面积小于Amin白色区域;消除方法如下:
(2.1)对于闭运算后的二值图像BW1,得到小于Amin的图像;
(2.2)对二值图像BW1进行填充,得到图像fill_holes,将图像fill_holes和二值图像的反图像进行相与得到填充孔洞图像holes1;
(2.3)孔洞图像和Lb的反图像进行与运算,再与二值化图像进行或运算,消除黑色小孔,得到图像BW2;
(2.4)对于步骤(2.3)获取的图像取反,重复步骤(2.1)、(2.2)和(2.3),对于获取的图像再次取反,消除白色区域;
依据上述步骤对闭运算处理后的图像进行处理,得到形态学处理后的图像BW3;
(3):二值图像的边缘提取
提取形态学处理后的图像BW3的边缘,得到边缘图像BW4;
(4):对图像BW4进行Hough变换,得到SAR图像中油库的圆心和半径;
具体实施为:
4.1、参数设定
假设待检测的圆的最小半径为为Rmin,最大值为Rmax,输入步长Δr,则圆的搜索半径范围Size_r为的参数空间(a,b,R),其中表示的是进行四舍五入后的整数值,输入搜索角度范围Size_angle为2π;
4.2、建立参数空间P[a,b,R]
设i、j、k分别表示图像横轴Size_row、Size_r和Size_angle的某一个数,然后在Size_row、Size_r和Size_angle进行循环,建立如下的等式,
a=round(Rows(i)-(r_min+(j-1)*step_r)*cosk) (15)
b=round(Cols(i)-(r_min+(j-1)*step_r)*sink) (16)
其中rows(i)、cols(i)分别表示图像中的某一行和列;设定其判断条件,当0<a<M,0<b<N时,参数空间P[a,b,R]就为
P[a,b,R]=P[a,b,R]+1 (17)
即圆的参数空间建立完成;
4.3、检测参数空间内建立的圆是不是一个圆
在参数空间P中,取得参数空间的最大值,记为Max_p;
设一个阈值p,假设参数空间大于参数空间的最大值乘以阈值时,即认为它就是一个圆,并将其记为Index,取其大小为Size_Index,然后再整幅图像中进行循环,当ii、jj分别运行图像的最后一行和列时,循环即停止,得到这些圆的圆心矩阵和相应的半径R的矩阵分别为inputpoints和yuan_R;
(5):提取二次亮线上的强散射点,计算油库的实际圆心坐标;
以Hough变换检测出来的每个圆的圆心为中心,并设其坐标为(x,y),半径为R,建立一个2R×2R的矩形搜索窗口,并设定其条件为横坐标大于圆心坐标x;在这个搜索窗口内找出强度最大的点,即为二次亮线上的强散射点,得到在这个图像内的这些强散射点的矩阵S;根据Hough变换检测出的圆心坐标矩阵inputpoints、二强散射点的矩阵S,计算得到油库实际圆心坐标的矩阵input_points,并记录相应的偏移量dx的矩阵和偏移量dy的矩阵分别为D_x和D_y;
步骤三、SAR图像和光学图像进行最终配准;
将SAR图像中提取的油库的实际圆心坐标input_points和光学图像中提取的油库圆心坐标记为base_points建立映射关系和重采样;
(i)建立圆心的映射关系
建立SAR图像和光学图像的映射关系;
(ii)对SAR图像进行重采样
对SAR图像进行重采样,将SAR图像进行配准,得到SAR图像进行配准后的图像data0_registered。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410010507.5A CN103729852A (zh) | 2014-01-09 | 2014-01-09 | 一种基于二次亮线的油库sar图像和光学图像的配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410010507.5A CN103729852A (zh) | 2014-01-09 | 2014-01-09 | 一种基于二次亮线的油库sar图像和光学图像的配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103729852A true CN103729852A (zh) | 2014-04-16 |
Family
ID=50453913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410010507.5A Pending CN103729852A (zh) | 2014-01-09 | 2014-01-09 | 一种基于二次亮线的油库sar图像和光学图像的配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103729852A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217196A (zh) * | 2014-08-26 | 2014-12-17 | 武汉大学 | 一种遥感影像圆形油罐自动检测方法 |
CN108510532A (zh) * | 2018-03-30 | 2018-09-07 | 西安电子科技大学 | 基于深度卷积gan的光学和sar图像配准方法 |
CN108564606A (zh) * | 2018-03-30 | 2018-09-21 | 西安电子科技大学 | 基于图像转换的异源图像块匹配方法 |
CN109813244A (zh) * | 2019-01-22 | 2019-05-28 | 湘潭大学 | 一种自动变速器电液模块热力形变检测装置及检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120274505A1 (en) * | 2011-04-27 | 2012-11-01 | Lockheed Martin Corporation | Automated registration of synthetic aperture radar imagery with high resolution digital elevation models |
CN103345757A (zh) * | 2013-07-19 | 2013-10-09 | 武汉大学 | 多层次多特征约束下的光学和sar影像自动配准方法 |
CN103456006A (zh) * | 2013-08-06 | 2013-12-18 | 北京航空航天大学 | 一种sar图像的油库目标定位方法 |
-
2014
- 2014-01-09 CN CN201410010507.5A patent/CN103729852A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120274505A1 (en) * | 2011-04-27 | 2012-11-01 | Lockheed Martin Corporation | Automated registration of synthetic aperture radar imagery with high resolution digital elevation models |
CN103345757A (zh) * | 2013-07-19 | 2013-10-09 | 武汉大学 | 多层次多特征约束下的光学和sar影像自动配准方法 |
CN103456006A (zh) * | 2013-08-06 | 2013-12-18 | 北京航空航天大学 | 一种sar图像的油库目标定位方法 |
Non-Patent Citations (3)
Title |
---|
TAI D. HONG 等: "A Robust Technique for Precise Registration of Radar and Optical Satellite Images", 《PHOTOGRAMMETRIC ENGINEERING & REMOTE SENSING》, vol. 71, no. 5, 31 May 2005 (2005-05-31), pages 585 - 593 * |
YANQING WANG 等: "Detection of Circular Oil Tanks Based on the Fusion of SAR and Optical Images", 《PROCEEDINGS OF THE THIRD INTERNATIONAL CONFERENCE ON IMAGE AND GRAPHICS(ICIG"04)》, 31 December 2004 (2004-12-31), pages 524 - 527, XP010779106, DOI: doi:10.1109/ICIG.2004.54 * |
胡秀亮 等: "基于图像处理技术的PCB缺陷自动检测系统", 《微型机与应用》, no. 1, 31 December 2010 (2010-12-31), pages 24 - 27 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217196A (zh) * | 2014-08-26 | 2014-12-17 | 武汉大学 | 一种遥感影像圆形油罐自动检测方法 |
CN104217196B (zh) * | 2014-08-26 | 2017-07-11 | 武汉大学 | 一种遥感影像圆形油罐自动检测方法 |
CN108510532A (zh) * | 2018-03-30 | 2018-09-07 | 西安电子科技大学 | 基于深度卷积gan的光学和sar图像配准方法 |
CN108564606A (zh) * | 2018-03-30 | 2018-09-21 | 西安电子科技大学 | 基于图像转换的异源图像块匹配方法 |
CN108564606B (zh) * | 2018-03-30 | 2022-06-24 | 西安电子科技大学 | 基于图像转换的异源图像块匹配方法 |
CN108510532B (zh) * | 2018-03-30 | 2022-07-15 | 西安电子科技大学 | 基于深度卷积gan的光学和sar图像配准方法 |
CN109813244A (zh) * | 2019-01-22 | 2019-05-28 | 湘潭大学 | 一种自动变速器电液模块热力形变检测装置及检测方法 |
CN109813244B (zh) * | 2019-01-22 | 2020-01-07 | 湘潭大学 | 一种自动变速器电液模块热力形变检测装置及检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359602B (zh) | 车道线检测方法和装置 | |
Wu et al. | Lane-mark extraction for automobiles under complex conditions | |
CN111210477B (zh) | 一种运动目标的定位方法及系统 | |
CN104835164B (zh) | 一种双目摄像头深度图像的处理方法及装置 | |
EP3098753A1 (en) | Lane detection | |
CN107609483B (zh) | 面向驾驶辅助系统的危险目标检测方法、装置 | |
CN107330376A (zh) | 一种车道线识别方法及系统 | |
KR101182173B1 (ko) | 차량 번호판 인식 방법 및 시스템 | |
US10579883B2 (en) | Method and apparatus for detecting a vehicle in a driving assisting system | |
CN105426861A (zh) | 车道线确定方法及装置 | |
CN113376651B (zh) | 基于三维激光的集卡防吊起检测方法、装置和计算机设备 | |
US9792507B2 (en) | Method and system for ground truth determination in lane departure warning | |
CN103729852A (zh) | 一种基于二次亮线的油库sar图像和光学图像的配准方法 | |
CN105678737B (zh) | 一种基于Radon变换的数字图像角点检测方法 | |
US20170178341A1 (en) | Single Parameter Segmentation of Images | |
CN104915642B (zh) | 前方车辆测距方法及装置 | |
US20230080178A1 (en) | Automated assessment of cracks using lidar and camera data | |
CN104899888A (zh) | 一种基于Legendre矩的图像亚像素边缘检测方法 | |
Malmir et al. | Design and FPGA implementation of dual-stage lane detection, based on Hough transform and localized stripe features | |
CN103927759A (zh) | 一种航空图像自动云检测方法 | |
CN111696072A (zh) | 彩色图像的直线检测方法、装置、电子设备及存储介质 | |
DE102013002889A1 (de) | Verfahren und Vorrichtung zur Modellierung eines Fahrbahnrandes und Fahrzeug mit einer solchen Vorrichtung | |
CN103914829A (zh) | 一种含噪图像边缘检测方法 | |
JP6958743B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN105574860B (zh) | 一种舵片偏转极性识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140416 |
|
RJ01 | Rejection of invention patent application after publication |