CN104502992B - 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 - Google Patents
一种基于空时过采样扫描的弱小点目标精确定位方法及系统 Download PDFInfo
- Publication number
- CN104502992B CN104502992B CN201410855945.1A CN201410855945A CN104502992B CN 104502992 B CN104502992 B CN 104502992B CN 201410855945 A CN201410855945 A CN 201410855945A CN 104502992 B CN104502992 B CN 104502992B
- Authority
- CN
- China
- Prior art keywords
- image
- row
- point target
- sampling
- scanning
- 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.)
- Expired - Fee Related
Links
Abstract
本发明提供一种基于空时过采样扫描的弱小点目标精确定位方法及系统,方法包括步骤:构造M个线列探测器;扫描得到M组图像,对扫描得到的图像进行非均匀性校正,再按照时间和空间采样周期将M组图像镶嵌为图像F′并去除边缘;去除图像F中的随机噪声;对去噪后的图像进行阈值滤波,得到二值化图像F1;使用连通区域法寻找图像F1中的弱小点目标区域;找出图像F中对应的弱小点目标区域,采用一阶矩的质心提取方法确定弱小点目标质心位置,以实现图像F中对应弱小点目标的精确定位。实施本发明克服了现有过采样技术存在采样数据处理时间长,信息处理流程复杂的问题,并且可在不改变现有光学系统光学口径、焦距的情况下获得高精度的目标点定位。
Description
技术领域
本发明涉及弱小目标探测技术领域,更具体地,涉及一种基于空时过采样扫描的弱小点目标精确定位方法及系统。
背景技术
近年来,红外弱小点目标探测问题一直是红外图像领域的研究热点。在采用红外波段扫描探测目标时,由于成像距离远和大气衰减等因素,探测图像中的目标成点状以致成像的像元数只有1-2个,图像中的目标信噪比很低。为了提高探测图像中目标的检测概率和定位精度,传统方法为增大光学系统口径、焦距,增加探测器像元数目,从而提高信噪比和降低瞬时视场。然而,仅仅增大光学系统口径和焦距来提高探测性能,则光学系统体积增大,引起机械结构尺寸也增大,重量增加,温控难度加大,抗太阳光干扰能力降低,因而,性能的增加付出了高额的成本,特别地,对于空基平台和天基平台,由于尺寸和重量的限制,这种依靠光学系统提高探测性能的方法,变得越来越不现实。
为了解决如何提高点目标的检测性能又不增加仪器重量和制作成本的问题,现今,基于过采样技术的探测系统成为了光电成像领域的研究热点,其主要研究方向包括微扫描技术、亚像元技术、异形像元探测器成像技术、光学编码技术和空时过采样技术。其中,空时过采样技术是一种对点目标进行空间和时间上重叠采样的技术。
然而,现有过采样技术对于采样数据处理时间较长、信息处理流程较为复杂;现有基于过采样弱小点目标的探测方法仅主要针对如何提高目标检测性能的问题进行了研究,而对过采样技术如何提高点目标在探测图像中的定位精度问题没有进行深入地分析和提出具体的解决方案;并且,若将现有过采样技术直接应用于现有探测系统,会出现由于尺寸增大、重量增加而无法适应原有安装平台的缺陷。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于空时过采样扫描的弱小点目标精确定位方法及系统,克服了现有过采样技术存在采样数据处理时间长,信息处理流程复杂的问题,并且可在不改变现有光学系统光学口径、焦距的情况下获得高精度的目标点定位。
为实现上述目的,按照本发明,提供了一种基于空时过采样扫描的弱小点目标定位方法,所述方法包括步骤:
S1、构造M个线列探测器,其包含M条扫描线列C1,C2,…,CM,每一个线列探测器均包含N个像元,其中M≥2,N≥3;在线列方向上线列探测器中的每条线列之间错开1/M个像元间距,以满足空间M倍过采样的要求;调整各线列探测器的单次采样周期T,在扫描方向上使线列探测器在采样周期T内移动1/L个像元间距,以满足L倍时间上过采样的要求,L≥2;
S2、启用M个线列探测器进行扫描得到M组图像,对扫描得到的图像进行非均匀性校正,再按照时间和空间采样周期将M组图像镶嵌为图像F′;
S3、去除图像F′的边缘得到图像F,完成图像F中的弱小点目标定位;
所述步骤S2中按照时间和空间采样周期将M组图像镶嵌为图像F′的具体实现方式为:
定义每幅图像大小为(K×L)×N个像素,所述K为单次扫描过程所遍历的采样周期的个数;
将C1线列采集的图像第一列像元作为图像F′的第一列,将C2线列采集的图像第一列在垂直方向上错开1个像元后插入到图像F′的第二列,以此类推,直到CM线列采集的图像第一列在垂直方向上错开M-1个像元插入到图像F′的第M列;接着将C1线列采集图像的第二列像元作为图像F′的第M+1列,垂直方向上的位置与图像F′的第1列相同,将C2线列采集图像的第二列,相对于第M+1列在垂直方向上错开1个像元后插入到图像F′的第M+2列,以此类推直到CM线列采集图像的第二列在垂直方向上错开M-1个像元插入到图像F′的第2M列,采用相同的方式直到得到大小为(K×L)×(N×M)的图像F′。
作为进一步优选地,所述步骤S3中,去除图像F′的第1行到第M-1行以及第K×L-M+1行到第K×L行,得到图像F。
作为进一步优选地,所述步骤S3中,对图像F中的弱小点目标进行定位,具体包括如下子步骤:
S31、采用基于偏微分方程的降噪方法去除图像F中的随机噪声;
S32、对去噪后的图像进行阈值滤波,得到二值化图像F1;
S33、使用连通区域法寻找图像F1中的弱小点目标区域;
S34、利用步骤S33的结果,找出图像F中对应的弱小点目标区域,采用一阶矩的质心提取方法确定弱小点目标质心位置。
作为进一步优选地,所述步骤S32中,采用阈值滤波得到二值化图像F1,其中阈值Vth=E+α×β,E为图像F的平均值,β为图像F的方差,α为阈值加权系数。
作为进一步优选地,所述步骤S34中,采用一阶矩的质心提取方法来计算点目标质心位置(x0,y0), 其中(xi,yj)为图像F中第i行、第j列像素的坐标,f(xi,yj)为图像F中第i行、第j列像素的灰度值,m为图像的行数,n为图像的列数。
相应地,本发明还提供一种基于空时过采样扫描的弱小点目标定位系统,所述系统包括:
第一模块,用于构造M个线列探测器,其包含M条扫描线列C1,C2,…,CM,每一个线列探测器均包含N个像元,其中M≥2,N≥3;在线列方向上线列探测器中的每条线列之间错开1/M个像元间距,以满足空间M倍过采样的要求;在扫描方向线列探测器在采样周期T内移动1/L个像元间距,以满足L倍时间上过采样的要求,L≥2;
第二模块,用于启用M个线列探测器进行扫描得到M组图像,对扫描得到的图像进行非均匀性校正,再按照时间和空间采样周期将M组图像镶嵌为图像F′;
第三模块,用于去除图像F′的边缘得到图像F,完成图像F中的弱小点目标定位;
所述第二模块中按照时间和空间采样周期将M组图像镶嵌为图像F′的具体实现方式为:
定义每幅图像大小为(K×L)×N个像素,所述K为单次扫描过程所遍历的采样周期的个数;
将C1线列采集的图像第一列像元作为图像F′的第一列,将C2线列采集的图像第一列在垂直方向上错开1个像元后插入到图像F′的第二列,以此类推,直到CM线列采集的图像第一列在垂直方向上错开M-1个像元插入到图像F′的第M列;接着将C1线列采集图像的第二列像元作为图像F′的第M+1列,垂直方向上的位置与图像F′的第1列相同,将C2线列采集图像的第二列,相对于第M+1列在垂直方向上错开1个像元后插入到图像F′的第M+2列,以此类推直到CM线列采集图像的第二列在垂直方向上错开M-1个像元插入到图像F′的第2M列,采用相同的方式直到得到大小为(K×L)×(N×M)的图像F′。
作为进一步优选地,所述第三模块用于去除图像F′的第1行到第M-1行以及第K×L-M+1行到第K×L行得到图像F。
作为进一步优选地,所述第三模块还包括:
去噪子模块,用于采用基于偏微分方程的降噪方法去除图像F中的随机噪声;
滤波子模块,用于对去噪后的图像进行阈值滤波,得到二值化图像F1;
点目标提取子模块,用于通过连通区域法寻找图像F1中的弱小点目标区域;
点目标定位子模块,用于根据点目标提取子模块输出的结果,找出图像F中对应的弱小点目标区域,采用一阶矩的质心提取方法确定弱小点目标质心位置,以实现图像F中对应弱小点目标的定位。
作为进一步优选地,所述滤波子模块采用阈值滤波得到二值化图像F1,其中阈值Vth=E+α×β,E为图像F的平均值,β为图像F的方差,α为阈值加权系数。
作为进一步优选地,点目标定位子模块采用一阶矩的质心提取方法确定弱小点目标质心位置(x0,y0), 其中(xi,yj)为图像F中第i行、第j列像素的坐标,f(xi,yj)为图像F中第i行、第j列像素的灰度值,m为图像的行数,n为图像的列数。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点:通过构造基于空时过采样的扫描探测体制,使得本发明方法及系统在满足点目标信噪比和定位精度的前提下,不需要增加光学系统口径和焦距,具备体积小、质量轻的特点;并且,通过采用图像镶嵌的方法将多线列采集的图像直接合成为一个最终扫描图像,在过采样数据信息处理流程上避免了复杂的计算过程,实现简单,易于工程实现,实时性高。
附图说明
图1为本发明基于空时过采样扫描的弱小点目标精确定位方法流程图;
图2基于本发明方法的光学系统装置示意图;
图3(a)为常规过采样系统探测装置示意图;
图3(b)为基于本发明方法的过采样系统探测装置示意图;
图4为本发明方法中图像镶嵌过程示意图;
图5为本发明的图像数据处理方法流程图;
图6为本发明一个实施例中连通区域示意图;
图7为本发明一个实施例中的点目标仿真图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种基于空时过采样扫描的弱小点目标精确定位方法,如图1所示,方法包括步骤:
S1、在常规采样线列探测器上增加尺寸结构完全相同的M-1个线列探测器,构成包含M条的扫描线列C1,C2,…,CM,每一条线列探测器均包含N个像元,其中M≥2,N≥3;单个像元对应的瞬时视场为IFOV,在线列方向上线列探测器中的每条线列之间错开1/M个像元间距,满足空间M倍过采样的要求;通过调整列探测器的单次采样周期T,在扫描方向上使线列探测器在采样周期T内移动1/L个像元间距,即在一个采样周期内采样L次,满足时间L倍时间上过采样的要求;所述时间采样长度为像元对应的瞬时视场IFOV除以扫描速度Vscan,也等于L×T;所述L取值范围为L≥2;
S2、假定线列探测器在一个扫描过程内遍历K个采样长度,那么在完成一次扫描过程后能够得到M组图像,各组图像中每幅图像大小为(K×L)×N个像素,对每幅图像按照时间和空间采样周期使用图像镶嵌的方法将M组图像构成一个大小为(K×L)×(N×M)的图像F′;上述K为一次扫描过程所遍历的采样周期的个数,取值范围一般为K≥N;
S3、去除图像F′的边缘得到图像F,去除图像F中的随机噪声,滤波后得到二值化图像F1,然后使用联通区域法提取图像F1中的目标点,根据提取的目标点位置使用基于图像灰度的一阶矩质心提取方法计算图像F中对应目标点的位置,得到亚像素级的精确目标点位置。
上述步骤S2中,将线列探测器采集到的M组图像先进行非均匀性校正,然后进行镶嵌处理,最后得到图像F′,具体过程如下:
假定线列探测器为水平设置,扫描方向则为垂直方向,那么线列探测器在一次扫描过程中总共能够采集M组图像。由于每条线列之间错开了1/M个像元,在一个采样长度内采样了M次,则镶嵌的顺序为:将C1线列采集的图像第一列像元作为图像F′的第一列,将C2线列采集的图像第一列在垂直方向上错开1个像元后插入到图像F′的第二列,以此类推,直到CM线列采集的图像第一列在垂直方向上错开M-1个像元插入到图像F′的第M列;接着将C1线列采集图像的第一列像元作为图像F′的第M+1列,将C2线列采集图像的第一列在垂直方向上错开1个像元后插入到图像F′的第M+2列,以此类推直到CM线列采集图像的第二列在垂直方向上错开M-1个像元插入到图像F′的第2M列,采用相同的方式直到镶嵌结束得到大小为(K×L)×(N×M)的图像F′。
上述步骤S3中,去除镶嵌图像F′的第1行到第M-1行以及第K×L-M+1行到第K×L行,即去除图像F′的边缘,得到最终的图像F,对图像F进行处理,得到亚像素级的精确目标点位置,具体过程如下:
S31、去除图像F中的随机噪声,可采用中值滤波去噪、高斯滤波去噪等、基于偏微分方程的图像去噪等方法,考虑到可以利用过采样之后点目标的邻域相关性的因素,优选采用基于偏微分方程的去噪方法去除图像F中的随机噪声;
S32、对图像F进行滤波得到二值化图像F1,可采用迭代阈值法、OTSU阈值法自适应阈值滤波等方法,考虑到工程实现上能够根据实时图像进行阈值计算的因素,优选采用自适应阈值滤波方法:
首先设定阈值Vth,其计算方法如式(a)所示:
Vth=E+α×β (a)
式(a)中,E是图像F的平均值,可通过对整幅图像F的所有像元值灰度值f(i,j)求加权平均值得到,β是图像F的方差;α为阈值加权系数,与图像F的信噪比相关,信噪比越大,α越大。E与β的计算方法如式(b1)和(b2)所示:
式(b1)和(b2)中,m为图像F的行数,n为图像F的列数,f(i,j)为图像在(i,j)位置处的灰度值。
采用阈值Vth对去除随机噪声的图像进行阈值滤波处理,得到二值化图像F1,滤波过程为遍历图像中的所有像素,如果像素值小于Vth则标记为0,如果像素值大于Vth则标记为1;
S33、使用连通区域法寻找图像F1中的点目标区域,孤立点则作为噪声去除;
S34、利用步骤S33的结果,找出图像F中对应的点目标区域,采用一阶矩的质心提取方法来确定点目标亚像素级质心位置,计算方法如下:设图像F中第i行、第j列像素的坐标为(xi,yj),灰度值为f(xi,yj),则点目标质心位置计算式(c1)和(c2)如下:
式(c1)和(c2)中,m为图像F的行宽,n为图像F的列宽。
本发明提出的基于空时过采样扫描的弱小点目标精确定位方法,具有优异的空间分辨率,同时具备体积小、质量轻的特点。将其用于现有探测系统的改造和升级,几乎不会出现由于尺寸增大、重量增加而无法适应原有安装平台。因此,这种方法适于在原有系统的基础上提高系统探测性能,且过采样模式也可扩展为多倍过采样。
以下结合一个具体实施例对本发明方案作进一步说明。
(1)首先构造一个空-时过采样探测装置。如图2所示,装置包括短距施密特望远镜1、扫描控制机构2和多线列探测器3。其中,施密特望远镜1为本方案拟采用的光学探测系统,扫描控制机构2用于控制探测系统实现时间上的过采样。本实施例中,多线列探测器包含两条探测器:常规采样线列探测器B和增加的相同的线列探测器C,每条线列包含N个像元,且两条线列之间错开0.5个像元,即相当于在空间上完成2倍过采样;在采样频次上,线列探测器B和C在采样时刻内移动0.5个像元,即相当于在时间上完成2倍的过采样,这样在空间上和时间上都进行了2倍采样,即为2×2空-时过采样。在一次扫描过程中共经历了K个扫描长度。图3(a)为常规过采样系统探测装置示意图,图3(b)为2×2空-时过采样扫描探测装置,依据本发明方法,该设计可以推广到更多探测器线列或更高采样频率探测装置的构建。
(2)采用该探测装置进行扫描成像。在一次采样过程中,线列探测器B和线列探测器C可以分别采样并生成两幅图像E1和E2,如图4所示,将图像E1中的第一列作为镶嵌后图像F′的第一列,将图像E2中的第一列作为图像F′的第二列,排列的时候与第一列错开一个像元,依次类推直到图像镶嵌完成,得到大小为(K×2)×(N×2)的镶嵌图像F′,然后剔除边缘效应得到最终的镶嵌图像F。
获得镶嵌图像F之后,接着采用图5所示的图像处理流程来提取点目标的精确位置。首先对图像F采用基于偏微分方程的图像去噪方法进行预处理,接着采用阈值法得到二值化图像F1,然后使用连通区域法提取点目标位置,最后采用一阶矩的方法求出目标点的精确位置。具体处理方法如下:
①对图像F采用基于偏微分方程的方法进行去噪
采用TV扩散方程对图像进行去噪,假定存在一幅含噪图像u,并假设图像u在第t次迭代时,在x坐标上的一阶偏导为utx,在y坐标上的一阶偏导为uty,在x坐标上的二阶偏导为utxx,在y坐标上的二阶偏导为utyy,在x和y坐标上的偏导为utxy。
去噪的过程主要为采用迭代的方法逐步去除图像中的噪声,假定t代表迭代次数,具体迭代计算公式如式(d)所示:
其中,λ和dt均为常量,u0表示初始状态时含噪图像u,λ的取值与图像中的噪声强度有关,图像中噪声越强,λ越小。
②进行阈值滤波得到二值化图像F1
对去噪后的图像进行阈值滤波,阈值计算公式如(a)所示,其中α为加权系数,与图像的信噪比相关,信噪比越大,α越大。本实施例中,α数值取为3~5。
③使用连通区域法提取点目标位置
通过阈值分割,将目标和背景分开后,需对目标进行连通性分析,以剔除孤立噪声点,确定有用的点目标。如图6所示,本实施例中采用四连通区域进行,具体包括以下步骤:
步骤1:输入阈值分割后的图像F1;
步骤2:按照从左至右、从上至下的顺序扫描二值化图像F1,当扫描到一个未被标记的前景像素p时进行标记,同时扫描p的四邻域点,若存在未被标记的前景像素,则进行标记,作为区域生长的种子;
步骤3:取出任意生长种子点p1,扫描p1的四邻域点,若存在未被标记过的前景像素,则再进行标记;
步骤4:重复步骤3直至所有像素都被标记,一个连通区标记完成;
步骤5:转到步骤2,直至整幅图像被扫描完毕,得到最终的标记矩阵Mat。
④标记矩阵Mat标明了二值化图像中所包含的所有连通区域,每个区域表示一个点目标,使用基于图像灰度的一阶矩质心提取方法计算图像F中不同连通区域对应的目标点质心位置
点目标质心精确位置采用基于图像灰度的一阶矩方法来计算,计算公式为式(c1)和(c2),在本实施例中质心计算的窗口大小选取为3×3。图7为一幅带有噪声的镶嵌后的点目标仿真图像,图像大小为501×501像素,点目标的位置在图像正中,信噪比为10.3。采用具体实施例中提供的图像处理流程和具体参数,计算得到的点目标质心坐标为(251.0507,250.9966)。
以下对本发明基于空时过采样扫描的弱小点目标精确定位方法的效果进行验证。
假定有一幅图像U的大小为n×m像素(n与m为奇数),将图像U中的每一个像素又细分为p个像素,这样就得到一幅(n×p)×(m×p)大小的图像U′;本发明一个实施例中n取值为7,m取值为17,p取值为51。在图像U′中心位置添加一个服从高斯分布的点目标g(x,y),点目标生成公式为:
其中,(x0,y0)为高斯函数的中心点坐标值,σ为高斯函数散焦尺寸的大小。Φ为点目标中心点位置处的能量。然后对图像U′添加服从均值为0,方差为σnoise的高斯噪声,并加入一定的背景能量。
在进行实验验证时,点目标以图像U′的中心为起始位置,在p×p的区域内以1个像素为步长进行移动,这样就得到了一系列的点目标仿真图像Ui′。
分别采用图3中的两种采样方法对图像U′进行采样,线列探测器中的每个像元大小对应图像U′中的p×p个像素,那么常规采样后能够得到采样图像I,2×2时-空过采样之后能够得到过采样图像I′。如果假定图像U为原始场景,那么图像U′就是该场景的细分,那么就能够得出位于该场景中点目标位置的标称值,然后采用发明内容中所介绍的图像处理流程来提取点目标的质心位置,并比对本发明提出的基于空-时过采样扫描的弱小点目标精确定位方法与常规采样方法所得到的质心定位精度之间的误差,仿真结果表明本发明提供的方法能够获得高精度的质心定位,如表1和表2所示。
表1常规采样:遍历所有点目标仿真图像的统计结果
表2 2×2过采样:遍历所有点目标仿真图像的统计结果
最小值 | 最大值 | 平均值 | 标准差 | |
质心位置偏差 | 0.002 | 0.23 | 0.06 | 0.034 |
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于空时过采样扫描的弱小点目标定位方法,其特征在于,所述方法包括步骤:
S1、构造M个线列探测器,其包含M条扫描线列C1,C2,…,CM,每一条线列探测器均包含N个像元,其中M≥2,N≥3;在线列方向上线列探测器中的每条线列之间错开1/M个像元间距,以满足空间M倍过采样的要求;调整各线列探测器的单次采样周期T,在扫描方向上使线列探测器在采样周期T内移动1/L个像元间距,以满足L倍时间上过采样的要求,L≥2;
S2、启用M个线列探测器进行扫描得到M组图像,对扫描得到的图像进行非均匀性校正,再按照时间和空间采样周期将M组图像镶嵌为图像F′;
S3、去除图像F′的边缘得到图像F,完成图像F中的弱小点目标定位;
所述步骤S2中按照时间和空间采样周期将M组图像镶嵌为图像F′的具体实现方式为:
定义每幅图像大小为(K×L)×N个像素,所述K为单次扫描过程所遍历的采样周期的个数;
将C1线列采集的图像第一列像元作为图像F′的第一列,将C2线列采集的图像第一列在垂直方向上错开1个像元后插入到图像F′的第二列,以此类推,直到CM线列采集的图像第一列在垂直方向上错开M-1个像元插入到图像F′的第M列;接着将C1线列采集图像的第二列像元作为图像F′的第M+1列,垂直方向上的位置与图像F′的第1列相同,将C2线列采集图像的第二列,相对于第M+1列在垂直方向上错开1个像元后插入到图像F′的第M+2列,以此类推直到CM线列采集图像的第二列在垂直方向上错开M-1个像元插入到图像F′的第2M列,采用相同的方式直到得到大小为(K×L)×(N×M)的图像F′。
2.如权利要求1所述的基于空时过采样扫描的弱小点目标定位方法,其特征在于,所述步骤S3中,去除图像F′的第1行到第M-1行以及第K×L-M+1行到第K×L行,得到图像F。
3.如权利要求1或2所述的基于空时过采样扫描的弱小点目标定位方法,其特征在于,所述步骤S3中,对图像F中的弱小点目标进行定位,具体包括如下子步骤:
S31、采用基于偏微分方程的降噪方法去除图像F中的随机噪声;
S32、对去噪后的图像进行阈值滤波,得到二值化图像F1;
S33、使用连通区域法寻找图像F1中的弱小点目标区域;
S34、利用步骤S33的结果,找出图像F中对应的弱小点目标区域,采用一阶矩的质心提取方法确定弱小点目标质心位置。
4.如权利要求3所述的基于空时过采样扫描的弱小点目标定位方法,其特征在于,所述步骤S32中,采用阈值滤波得到二值化图像F1,其中阈值Vth=E+α×β,E为图像F的平均值,β为图像F的方差,α为阈值加权系数。
5.如权利要求3所述的基于空时过采样扫描的弱小点目标定位方法,其特征在于,所述步骤S34中,采用一阶矩的质心提取方法来确定弱小点目标质心位置(x0,y0), 其中(xi,yj)为图像F中第i行、第j列像素的坐标,f(xi,yj)为图像F中第i行、第j列像素的灰度值,m为图像的行数,n为图像的列数。
6.一种基于空时过采样扫描的弱小点目标定位系统,其特征在于,所述系统包括:
第一模块,用于构造M个线列探测器,其包含M条扫描线列C1,C2,…,CM,每一个线列探测器均包含相同的N个像元,其中M≥2,N≥3;在线列方向上线列探测器中的每条线列之间错开1/M个像元间距,以满足空间M倍过采样的要求;在扫描方向线列探测器在采样周期T内移动1/L个像元间距,以满足L倍时间上过采样的要求,L≥2;
第二模块,用于启用M个线列探测器进行扫描得到M组图像,对扫描得到的图像进行非均匀性校正,再按照时间和空间采样周期将M组图像镶嵌为图像F′;
第三模块,用于去除图像F′的边缘得到图像F,完成图像F中的弱小点目标定位;
所述第二模块中按照时间和空间采样周期将M组图像镶嵌为图像F′的具体实现方式为:
定义每幅图像大小为(K×L)×N个像素,所述K为单次扫描过程所遍历的采样周期的个数;
将C1线列采集的图像第一列像元作为图像F′的第一列,将C2线列采集的图像第一列在垂直方向上错开1个像元后插入到图像F′的第二列,以此类推,直到CM线列采集的图像第一列在垂直方向上错开M-1个像元插入到图像F′的第M列;接着将C1线列采集图像的第二列像元作为图像F′的第M+1列,垂直方向上的位置与图像F′的第1列相同,将C2线列采集图像的第二列,相对于第M+1列在垂直方向上错开1个像元后插入到图像F′的第M+2列,以此类推直到CM线列采集图像的第二列在垂直方向上错开M-1个像元插入到图像F′的第2M列,采用相同的方式直到得到大小为(K×L)×(N×M)的图像F′。
7.一种如权利要求6所述的基于空时过采样扫描的弱小点目标定位系统,其特征在于,所述第三模块用于去除图像F′的第1行到第M-1行以及第K×L-M+1行到第K×L行得到图像F。
8.一种如权利要求6或7所述的基于空时过采样扫描的弱小点目标定位系统,其特征在于,所述第三模块还包括:
去噪子模块,用于采用基于偏微分方程的降噪方法去除图像F中的随机噪声;
滤波子模块,用于对去噪后的图像进行阈值滤波,得到二值化图像F1;
点目标提取子模块,用于通过连通区域法寻找图像F1中的弱小点目标区域;
点目标定位子模块,用于根据点目标提取子模块输出的结果,找出图像F中对应的弱小点目标区域,采用一阶矩的质心提取方法确定弱小点目标质心位置,以实现图像F中对应弱小点目标的定位。
9.一种如权利要求8所述的基于空时过采样扫描的弱小点目标定位系统,其特征在于,所述滤波子模块采用阈值滤波得到二值化图像F1,其中阈值Vth=E+α×β,E为图像F的平均值,β为图像F的方差,α为阈值加权系数。
10.一种如权利要求8所述的基于空时过采样扫描的弱小点目标定位系统,其特征在于,点目标定位子模块采用一阶矩的质心提取方法确定弱小点目标质心位置(x0,y0), 其中(xi,yj)为图像F中第i行、第j列像素的坐标,f(xi,yj)为图像F中第i行、第j列像素的灰度值,m为图像的行数,n为图像的列数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410855945.1A CN104502992B (zh) | 2014-12-31 | 2014-12-31 | 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410855945.1A CN104502992B (zh) | 2014-12-31 | 2014-12-31 | 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104502992A CN104502992A (zh) | 2015-04-08 |
CN104502992B true CN104502992B (zh) | 2017-02-22 |
Family
ID=52944403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410855945.1A Expired - Fee Related CN104502992B (zh) | 2014-12-31 | 2014-12-31 | 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104502992B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201800006253A1 (it) * | 2018-06-12 | 2019-12-12 | Metodo e impianto per la localizzazione di punti su una superficie complessa nello spazio | |
CN110220475B (zh) * | 2019-05-30 | 2021-01-26 | 电子科技大学 | 一种基于图像分割的线性ccd二维变速成像方法 |
CN110796654A (zh) * | 2019-10-31 | 2020-02-14 | 上海国际港务(集团)股份有限公司宜东集装箱码头分公司 | 一种引导线检测方法、装置、设备、轮胎吊及介质 |
CN111609935B (zh) * | 2020-05-14 | 2023-02-28 | 中国人民解放军空军预警学院 | 一种光学微小卫星可见光与红外双波段微扫描成像装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6785080B1 (en) * | 2000-10-10 | 2004-08-31 | Maxtor Corporation | Method and apparatus for providing a variable rate oversampling digital filter for resonance compensation in disk drive servo control systems |
JP3600826B2 (ja) * | 2002-08-29 | 2004-12-15 | 東芝電波プロダクツ株式会社 | 逆合成開口レーダ画像シミュレータ |
CN101408981A (zh) * | 2008-11-25 | 2009-04-15 | 中国电子科技集团公司第二十八研究所 | 一种红外弱小目标检测方法 |
CN102710771A (zh) * | 2012-06-04 | 2012-10-03 | 陕西科技大学 | 一种基于物联网的轨迹记录系统及其实现方法 |
CN103809171A (zh) * | 2014-03-03 | 2014-05-21 | 中北大学 | 基于氧气吸收和多元回归的高速被动测距方法 |
-
2014
- 2014-12-31 CN CN201410855945.1A patent/CN104502992B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6785080B1 (en) * | 2000-10-10 | 2004-08-31 | Maxtor Corporation | Method and apparatus for providing a variable rate oversampling digital filter for resonance compensation in disk drive servo control systems |
JP3600826B2 (ja) * | 2002-08-29 | 2004-12-15 | 東芝電波プロダクツ株式会社 | 逆合成開口レーダ画像シミュレータ |
CN101408981A (zh) * | 2008-11-25 | 2009-04-15 | 中国电子科技集团公司第二十八研究所 | 一种红外弱小目标检测方法 |
CN102710771A (zh) * | 2012-06-04 | 2012-10-03 | 陕西科技大学 | 一种基于物联网的轨迹记录系统及其实现方法 |
CN103809171A (zh) * | 2014-03-03 | 2014-05-21 | 中北大学 | 基于氧气吸收和多元回归的高速被动测距方法 |
Non-Patent Citations (1)
Title |
---|
"常规采样与过采样点目标检测性能比较分析";饶鹏 等;《红外》;20130831;第34卷(第8期);第6-10、46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104502992A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109883533B (zh) | 基于机器视觉的低频振动测量方法 | |
CN104502992B (zh) | 一种基于空时过采样扫描的弱小点目标精确定位方法及系统 | |
US20140241612A1 (en) | Real time stereo matching | |
CN101383899A (zh) | 一种空基平台悬停视频稳像方法 | |
CN101650828B (zh) | 摄像机标定中减少圆形目标定位随机误差的方法 | |
CN107833206B (zh) | 一种复杂背景下电力线精确提取方法 | |
CN103295239A (zh) | 一种基于平面基准影像的激光点云数据的自动配准方法 | |
CN105069743A (zh) | 探测器拼接实时图像配准的方法 | |
CN110969656B (zh) | 一种基于机载设备激光光束光斑大小的检测方法 | |
CN109509164A (zh) | 一种基于gdgf的多传感器图像融合方法及系统 | |
CN108982901A (zh) | 一种匀速旋转体的转速测量方法 | |
CN105716725A (zh) | 一种基于叠层扫描的相位差波前探测和图像复原方法 | |
CN103176606B (zh) | 基于双目视觉识别的平面交互系统及方法 | |
CN113989343A (zh) | 基于注意力机制的传感器融合深度重建数据驱动方法 | |
CN103413319A (zh) | 一种工业摄像机参数现场标定方法 | |
CN107392863A (zh) | 基于亲和矩阵融合谱聚类方法的sar图像变化检测方法 | |
CN105654042B (zh) | 玻璃温度计的检定温度字符识别方法 | |
CN108509835B (zh) | 基于DFIC超像素的PolSAR图像地物分类方法 | |
CN112184785B (zh) | 基于mcd度量和vtm的多模态遥感图像配准方法 | |
CN106570889A (zh) | 一种检测红外视频中弱小目标的方法 | |
CN111062972B (zh) | 基于图像频率域转换的图像跟踪方法 | |
CN103776376A (zh) | 一种激光定位灯十字线图像检测方法及装置 | |
CN116385292A (zh) | 一种IMU辅助的LiDAR动态点云剔除方法 | |
He et al. | Fast and sub-pixel precision target tracking algorithm for intelligent dual-resolution camera | |
CN103105943A (zh) | 精确定位光电鼠标位移量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
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: 20170222 Termination date: 20181231 |
|
CF01 | Termination of patent right due to non-payment of annual fee |