CN104574422A - 一种低信噪比红外地球图像信息处理方法 - Google Patents
一种低信噪比红外地球图像信息处理方法 Download PDFInfo
- Publication number
- CN104574422A CN104574422A CN201510051421.1A CN201510051421A CN104574422A CN 104574422 A CN104574422 A CN 104574422A CN 201510051421 A CN201510051421 A CN 201510051421A CN 104574422 A CN104574422 A CN 104574422A
- Authority
- CN
- China
- Prior art keywords
- earth
- pixel
- infrared
- image
- infrared earth
- 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
Abstract
一种低信噪比红外地球图像信息处理方法,首先将红外相机采集的原始红外地球图像进行非均匀性校正,在校正后的红外地球图像上建立全局极坐标系群的边缘点检索路径;然后在各条检索路径上使用种双层塔状微分算子提取图像中地球的子像素边缘;同时使用种四分区域法,对各区域内的地球边缘点进行判读、分析,剔除太阳、月球干扰,得到图像信息处理后的地球边缘点。本发明方法充分利用双层塔状微分算子在低信噪比图像边缘提取上的优势,结合全局极坐标系群和ROI四分区域法,有效可靠地实现了静态红外地球敏感器图像信息处理,计算简单且容易实现。
Description
技术领域
本发明涉及视觉测量技术领域,特别是一种低信噪比红外地球图像信息处理方法。
背景技术
红外地球敏感器是卫星姿态控制系统的一个重要测量部件,也是最早用于卫星姿态测量的姿态敏感器,用于测量地球相对于敏感器的俯仰和滚动角度。传统的红外地球敏感器使用线列探测器,通过可动部件如扫描镜扫视地球边界信息,但是传统红外地球敏感器制造过程复杂、周期长,重量和功耗较大。面阵静态红外地球敏感器通过焦平面探测器得到整个地平辐射圈在视场中位置,得到了更多的地球信息,也取得更高的测量精度。同时,静态地球敏感器没有可动部件,在功耗、重量、外型尺寸及可靠性方面具有优势,可满足长寿命、轻小型化等要求,因此静态红外地球敏感器已成为未来地球敏感器的发展方向。
但是,由于静态红外地球敏感器仅对14μm~16μm波段地平圈进行成像,而且探测器制造工艺水平、响应率、非均匀性较差等原因,静态红外地球敏感器成像效果信噪比低、随机噪声明显,存在地球边界不清晰甚至存在微小抖动等现象,成像效果不理想。传统边缘检测微分算子(如Roberts、Sobel、Prewitt等)无法满足此种情况下地球边缘的检测。另外,静态红外地球敏感器算法应用平台一般为片上系统,运算能力有限,因此如何快速可靠地实现对红外地球图像地球边缘信息的有效提取是静态红外地球敏感器研制的技术难点。
发明内容
本发明解决的技术问题是:克服现有技术的不足,解决了静态红外地球敏感器研制的技术难题,提供了一种低信噪比红外地球图像信息处理方法。
本发明的技术解决方案是:1、一种低信噪比红外地球图像信息处理方法,包括如下步骤:
(1)将红外相机采集的原始红外地球图像进行非均匀性校正得到校正后的红外地球图像,在校正后的红外地球图像上,以红外地球图像中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系1,以红外地球图像左边界中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系2,以红外地球图像下边界中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系3,以红外地球图像右边界中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系4,以红外地球图像上边界中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系5;
(2)在红外地球图像内分别以步骤(1)中5个坐标系的坐标原点为中心建立极坐标系,然后以η为角步距划分极轴,并将得到的极轴作为检索路径,极坐标系i中角度为θ的检索路径记为θi,其中i=1,2,3,4,5,θ∈(0,360°);
(3)对于检索路径θi上的每一个像素点,首先根据第二层微分算子模板M2得到当前像素的周边像素,然后对当前像素的周边像素使用第一层微分算子模板M1和加权系数矩阵A计算周边像素的灰度值,最后再根据第二层微分算子模板M2得到检索路径θi上各个像素的梯度值,其中
第一层微分算子模板为 加权系数模板
第二层微分算子模板为
(4)分别比较检索路径θi上各个像素点的梯度值,检索路径θi上梯度值最大的像素点记为Pi(ri,θi),对像素点Pi(ri,θi)在检索路径θi方向上两侧各取相邻的m个像素点后得到2m+1个像素点,分别将2m+1个像素点的梯度值与其极径相乘并求和后除以2m+1个像素点的极径和得到检索方向θi上子像素地球边缘点的极径ri2、极坐标(ri2,θi),其中m为偶数;
(5)在红外地球图像上使用垂直、水平两条逻辑中心线将图像划分为面积相等的4个区域,然后将步骤(4)得到的子像素地球边缘点按照其位置划分到该4个区域,在每个区域的子像素地球边缘点中取最外边的子像素地球边缘点,然后在当前区域内取子像素地球边缘点集构成圆弧中间位置的一个子像素地球边缘点后构成夹角并判断,如果位于夹角阈值内,则该区域内子像素地球边缘点有效,并使用三点法计算当前区域的子像素地球边缘点的圆心,否则抛弃该区域内子像素地球边缘点,最后将计算得到的各个区域的子像素地球边缘点的圆心取均值作为红外地球图像圆心;
(6)分别计算4个区域内各个子像素地球边缘点到步骤(5)得到的红外地球图像圆心的距离并判断,如果区域内子像素地球边缘点到红外地球图像圆心距离的最大值与最小值之差小于距离阈值,则该区域内的子像素地球边缘点有效,否则抛弃该区域内子像素地球边缘点,遍历4个区域后得到图像信息处理后的地球边缘点。
所述的η取值为{5,10,15,18,30}。
所述的夹角阈值取值为[60°,160°]。
所述的距离阈值为5个像素点。
本发明与现有技术相比的优点在于:
(1)本发明方法区别于传统边缘检测使用一阶、二阶微分算子,对背景噪声敏感且二阶微分算子运算量大的问题,构建了一种双层塔状微分算子,实现了在低信噪比下红外地球图像的处理,而且工程上易于实现;
(2)本发明方法针对红外地球图像的特征,采用5个极坐标系群的边缘点检索路径,相比于逐行或逐列的边缘点检索方式,极大的提高了红外地球图像处理效率;
(3)本发明考虑到太空背景中可能存在的干扰使用四分区域判读方法,避免了红外地球图像中一个区域存在干扰时影响整个地球边缘信息提取的问题。
附图说明
图1为本发明红外地球图像处理方法流程图;
图2为本发明全局极坐标系建立示意图;
图3为本发明双层塔状微分算子示意图;
图4为本发明子像素边缘点计算示意图;
图5为本发明ROI四分区域法建立示意图;
图6为本发明区域内点判读原理示意图;
图7为本发明方法计算的红外地球图像局部梯度分布;
图8为本发明方法提取的红外地球图像的地球边缘点。
具体实施方式
针对静态红外地球敏感器图像信息处理,本发明根据红外地球图像特点及地球边界的特征,首次提出并使用一种双层塔状微分算子进行地球边缘梯度检测,实现了在14μm-16μm波段内的低信噪比下地球边缘梯度计算,通过建立全局极坐标系检索路径节省了梯度计算的运算量,通过与ROI四分区域法配合实现了静态红外地球敏感器图像信息处理。本发明低信噪比红外图像信息处理方法,如图1所示,具体包括以下步骤:
步骤101:在红外地球图像上建立全局极坐标系群;
将红外相机采集的原始红外地球图像进行非均匀性校正,得到校正后的红外地球图像,然后对红外地球图像建立5组极坐标系群,该5组极坐标系群的方向矢量足以覆盖整个图像,所述红外地球图像是指红外相机采集的红外地球图像,已经过非均匀性校正。
5组极坐标系群建立方法是:在图像中心,建立0°~360°的极坐标系。在图像上边界(top边)中心,建立180°~360°的半极坐标系。在图像下边界(bottom边)中心,建立0°~90°的半极坐标系。在图像左边界(left边)中心,建立270°~90°的半极坐标系。在图像右边界(right边)中心,,建立90°~270°的半极坐标系。
如图2所示,(μoν)为图像原点坐标系,(xioiyi)为各子极坐标系群的直角坐标表示形式,转换关系为:
其中,i=1,2,…,5,(xi0,yi0)为各极坐标系在图像坐标(μoν)中的原点坐标。
步骤102:按极坐标系群建立检索路径;
具体地,根据步骤101建立的5组极坐标系群,针对每一个极坐标系,按照极轴r由大到小的方向、θ角依照角步距η的递进方式进行梯度计算,经实验证实,这里可以设置η={5,10,15,18,30}。
其中,检索路径按极坐标方式,但是为取到图像像素灰度值,需要用直角坐标的形式,二者之间转换关系为:
步骤103:双层塔状微分算子提取边缘;
具体地,在已建立的极坐标系检索路径上,按照该双层塔状微分算子计算梯度分布信息,提取子像素边缘,其中,所述已建立的极坐标系检索路径,指步骤101、步骤102建立的5组极坐标系和各个极坐标中的全部检索路径。
所述使用双层塔状微分算子,过程为:
第一层微分算子模板为 加权系数模板
其中,a11+a12+a13+a21+a22+a23+a31+a32+a33=1
经实验证实,加权系数可设置为a22=0.2,其余系数设置为0.1,可取的较好的实验结果。
第二层微分算子模板为 及M2T;
如图3所示,使用时,在位于检索路径上的每一个像素点,先使用上层(第二层)微分算子,算子中涉及的每一个像素值,使用下层(第一层)模板和加权系数模板的乘积进行滤波处理,经第二层模板产生梯度分布信息,其中,所述微分算子使用方法,同传统微分算子使用方法。
其实,相比于传统微分算子,本发明双层塔状微分算子主要考虑图像信噪比低、地球边界不清晰的情况下,所使用的两层模板需要化解和平衡噪声和边界不清晰的问题。双层模板的第一层滤除噪声对边缘点提取精度的影响,第二层模板针对边界不清晰、存在类过渡带的特点而提出,在保证算法计算量不至于显著增加的前提下,可明显区分地计算出梯度分布,以供边缘检测使用,所述提取精度,为提取边缘点的均方根误差;所述提取子像素边缘,为在极坐标检索路径方向上取得梯度最大点的像素点集,并包含路径方向上该像素±k个像素点,根据能量分布计算梯度分布的质心,得到子像素的边界点。
具体如图4所示,假设得到的梯度最大点为Pi(ri,θi),取检索路径方向θi上与Pi(ri,θi)相邻的k=±4个像素点(其中Pn-k为检索路径θi方向上与Pi(ri,θi)相邻的靠近极点方向的第k个像素点,Pn+k为检索路径θi方向上与Pi(ri,θi)相邻的远离极点方向的第k个像素点)后得到点集P={Pn-4,Pn-3,Pn-2,Pn-1,Pi,Pn+1,Pn+2,Pn+3,Pn+4},并得到点集P中像素点的梯度值,进而对应得到点集P中像素点梯度值的集合T={Tn-4,Tn-3,Tn-2,Tn-1,Ti,Tn+1,Tn+2,Tn+3,Tn+4},然后根据能量分布计算梯度分布的质心,得到在检索方向θi上子像素梯度最大点为(ri2,θi),其中
rn-k为像素点Pn-1的极径,rn+k为像素点Pn+k的极径,ri为像素点Pi(ri,θi)的极径,所以在检索方向θi上子像素地球边缘点Qi(xi,yi),即:
步骤104:四分区域法;
具体地,在红外地球图像上,使用垂直、水平两条逻辑中心线将图像划分为面积相等的四份,称为ROI1、ROI2、ROI3、ROI4四区域,如图5所示。对提取的子像素地球边缘点,按照其位置划分到这四个区域,分成四个点集。
由于考虑太空中红外地球敏感器视场会受到太阳、月球等干扰,视场中部分图像会出现非(假)地球边缘,划分为四个区域后,各区域内边缘点集独立判断,避免假边缘点影响整个地球图像中信息的处理。
步骤105:四分区域法进行判读;
四分区域判读的目的是检查提取的地球边缘点是否合理,是否存在假的边缘点,以进行剔除。
第一步:检查ROI区域内边缘点夹角的广度。具体为,对落在某一ROI区域内的地球边缘圆弧点集,取最外边的两个点和圆弧中间位置的一个点,根据广义余弦定理,三点构成的夹角为如图6所示。当的值位于区间时,认为该段圆弧边缘点有效、可选取,否则抛弃该数据。
第二步:在第一步通过的情况下,使用ABC三点法计算圆弧圆心,
将4个区域内计算得到的圆弧圆心取均值作为圆弧圆心,分别计算4个ROI区域内边缘点到圆弧圆心C0(x0,y0)的距离D={di}后判断,如果区域内子像素地球边缘点到圆弧圆心距离的最大值与最小值之差小于5个像素点,则该区域内的子像素地球边缘点有效,否则抛弃该区域内子像素地球边缘点。
步骤106:得到有效的地球边缘点集;
根据以上所述步骤,对四个区域内的红外地球图像,依据步骤101、102、103、104进行计算、提取、分类后,依据步骤105的规则进行判读,产生正确的地球边缘点的集合,本步骤完成后,红外地球图像信息处理过程完成。
图7为采用双层塔状微分算子运算得出的红外地球图像局部梯度分布图,可见地球边缘清晰明显。图8为在实际的低信噪比红外地球图像中,使用本发明方法提取到的地球边缘点。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (4)
1.一种低信噪比红外地球图像信息处理方法,其特征在于包括如下步骤:
(1)将红外相机采集的原始红外地球图像进行非均匀性校正得到校正后的红外地球图像,在校正后的红外地球图像上,以红外地球图像中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系1,以红外地球图像左边界中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系2,以红外地球图像下边界中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系3,以红外地球图像右边界中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系4,以红外地球图像上边界中心为坐标原点,以红外地球图像的右方为x轴指向,以红外地球图像的上方为y轴指向建立坐标系5;
(2)在红外地球图像内分别以步骤(1)中5个坐标系的坐标原点为中心建立极坐标系,然后以η为角步距划分极轴,并将得到的极轴作为检索路径,极坐标系i中角度为θ的检索路径记为θi,其中i=1,2,3,4,5,θ∈(0,360°);
(3)对于检索路径θi上的每一个像素点,首先根据第二层微分算子模板M2得到当前像素的周边像素,然后对当前像素的周边像素使用第一层微分算子模板M1和加权系数矩阵A计算周边像素的灰度值,最后再根据第二层微分算子模板M2得到检索路径θi上各个像素的梯度值,其中
第一层微分算子模板为 加权系数模板
第二层微分算子模板为
(4)分别比较检索路径θi上各个像素点的梯度值,检索路径θi上梯度值最大的像素点记为Pi(ri,θi),对像素点Pi(ri,θi)在检索路径θi方向上两侧各取相邻的m个像素点后得到2m+1个像素点,分别将2m+1个像素点的梯度值与其极径相乘并求和后除以2m+1个像素点的极径和得到检索方向θi上子像素地球边缘点的极径ri2、极坐标(ri2,θi),其中m为偶数;
(5)在红外地球图像上使用垂直、水平两条逻辑中心线将图像划分为面积相等的4个区域,然后将步骤(4)得到的子像素地球边缘点按照其位置划分到该4个区域,在每个区域的子像素地球边缘点中取最外边的子像素地球边缘点,然后在当前区域内取子像素地球边缘点集构成圆弧中间位置的一个子像素地球边缘点后构成夹角并判断,如果位于夹角阈值内,则该区域内子像素地球边缘点有效,并使用三点法计算当前区域的子像素地球边缘点的圆心,否则抛弃该区域内子像素地球边缘点,最后将计算得到的各个区域的子像素地球边缘点的圆心取均值作为红外地球图像圆心;
(6)分别计算4个区域内各个子像素地球边缘点到步骤(5)得到的红外地球图像圆心的距离并判断,如果区域内子像素地球边缘点到红外地球图像圆心距离的最大值与最小值之差小于距离阈值,则该区域内的子像素地球边缘点有效,否则抛弃该区域内子像素地球边缘点,遍历4个区域后得到图像信息处理后的地球边缘点。
2.根据权利要求1所述的一种低信噪比红外地球图像信息处理方法,其特征在于:所述的η取值为{5,10,15,18,30}。
3.根据权利要求1或2所述的一种低信噪比红外地球图像信息处理方法,其特征在于:所述的夹角阈值取值为[60°,160°]。
4.根据权利要求1或2所述的一种低信噪比红外地球图像信息处理方法,其特征在于:所述的距离阈值为5个像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510051421.1A CN104574422B (zh) | 2015-01-30 | 2015-01-30 | 一种低信噪比红外地球图像信息处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510051421.1A CN104574422B (zh) | 2015-01-30 | 2015-01-30 | 一种低信噪比红外地球图像信息处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104574422A true CN104574422A (zh) | 2015-04-29 |
CN104574422B CN104574422B (zh) | 2017-04-19 |
Family
ID=53090394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510051421.1A Active CN104574422B (zh) | 2015-01-30 | 2015-01-30 | 一种低信噪比红外地球图像信息处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104574422B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980816A (zh) * | 2017-02-22 | 2017-07-25 | 贵州电网有限责任公司凯里供电局 | 基于光学图像的绝缘子串自动识别方法 |
CN107270942A (zh) * | 2017-07-28 | 2017-10-20 | 北京控制工程研究所 | 一种静态红外地球敏感器光点图像中心提取方法 |
CN115019310A (zh) * | 2022-08-05 | 2022-09-06 | 上海蜜度信息技术有限公司 | 图文识别方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050029405A1 (en) * | 2003-07-25 | 2005-02-10 | Anglin Patrick T. | Predicting, bounding and mitigating satellite attitude disturbances arising from infrared earth sensors for satellites in inclined, elliptical orbits |
CN102175247A (zh) * | 2011-01-14 | 2011-09-07 | 中国科学院上海技术物理研究所 | 提高线阵列静态红外地平仪姿态测量精度的方法 |
CN102878995A (zh) * | 2012-10-24 | 2013-01-16 | 北京控制工程研究所 | 一种静止轨道卫星自主导航方法 |
-
2015
- 2015-01-30 CN CN201510051421.1A patent/CN104574422B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050029405A1 (en) * | 2003-07-25 | 2005-02-10 | Anglin Patrick T. | Predicting, bounding and mitigating satellite attitude disturbances arising from infrared earth sensors for satellites in inclined, elliptical orbits |
CN102175247A (zh) * | 2011-01-14 | 2011-09-07 | 中国科学院上海技术物理研究所 | 提高线阵列静态红外地平仪姿态测量精度的方法 |
CN102878995A (zh) * | 2012-10-24 | 2013-01-16 | 北京控制工程研究所 | 一种静止轨道卫星自主导航方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980816A (zh) * | 2017-02-22 | 2017-07-25 | 贵州电网有限责任公司凯里供电局 | 基于光学图像的绝缘子串自动识别方法 |
CN107270942A (zh) * | 2017-07-28 | 2017-10-20 | 北京控制工程研究所 | 一种静态红外地球敏感器光点图像中心提取方法 |
CN115019310A (zh) * | 2022-08-05 | 2022-09-06 | 上海蜜度信息技术有限公司 | 图文识别方法及设备 |
CN115019310B (zh) * | 2022-08-05 | 2022-11-29 | 上海蜜度信息技术有限公司 | 图文识别方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104574422B (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104637073B (zh) | 一种基于太阳照射阴影补偿的带状地下结构探测方法 | |
CN104536009B (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
CN103697855B (zh) | 一种基于海天线检测的船体水平姿态测量方法 | |
EP3132231B1 (en) | A method and system for estimating information related to a vehicle pitch and/or roll angle | |
CN103886325B (zh) | 一种分块的循环矩阵视频跟踪方法 | |
CN107677274B (zh) | 基于双目视觉的无人机自主着陆导航信息实时解算方法 | |
CN107330376A (zh) | 一种车道线识别方法及系统 | |
CN103679694B (zh) | 一种基于全景视觉的舰船小目标检测方法 | |
CN111598952B (zh) | 一种多尺度合作靶标设计与在线检测识别方法及系统 | |
CN102855622A (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
CN106156758B (zh) | 一种sar海岸图像中海岸线提取方法 | |
CN104820965A (zh) | 一种低空无人机影像无地理编码快速拼接方法 | |
CN105928527A (zh) | 基于可见光地球敏感器和太阳敏感器的卫星姿态确定方法 | |
Xu et al. | DeepMask: an algorithm for cloud and cloud shadow detection in optical satellite remote sensing images using deep residual network | |
CN103035004B (zh) | 一种大视场下圆形目标中心定位的方法 | |
CN103778411A (zh) | 一种基于栅格图像划分的圆检测方法及装置 | |
CN102509287A (zh) | 针对静止目标的基于经纬度定位和图像配准的查找方法 | |
Tavasoli et al. | Real-time autonomous indoor navigation and vision-based damage assessment of reinforced concrete structures using low-cost nano aerial vehicles | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
CN104574422A (zh) | 一种低信噪比红外地球图像信息处理方法 | |
CN108871409A (zh) | 一种故障检测方法和系统 | |
CN110619368A (zh) | 行星表面导航特征成像匹配检测方法 | |
CN110222638B (zh) | 一种基于素描图候选框策略和Fast R-CNN的飞机目标检测方法 | |
CN108681691A (zh) | 一种基于无人水面艇的海上船艇快速检测方法 | |
CN103488801B (zh) | 一种基于地理信息空间库的机场目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |