CN105069815A - 一种海面监测图像弱小目标跟踪方法及装置 - Google Patents
一种海面监测图像弱小目标跟踪方法及装置 Download PDFInfo
- Publication number
- CN105069815A CN105069815A CN201510448145.2A CN201510448145A CN105069815A CN 105069815 A CN105069815 A CN 105069815A CN 201510448145 A CN201510448145 A CN 201510448145A CN 105069815 A CN105069815 A CN 105069815A
- Authority
- CN
- China
- Prior art keywords
- absolute value
- rectangular area
- difference absolute
- row
- target
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明实施例公开了一种海面监测图像弱小目标跟踪方法及装置,解决了由于目前的目标判别算法主要针对的是显著成像的目标,即目标具有明显的形状、轮廓、纹理等信息,而导致的对于点状或斑点状的弱小目标无法跟踪的技术问题。本发明实施例的海面监测图像弱小目标跟踪方法包括:以确定的目标基本位置坐标为中心设置对应的矩形区域,矩形区域的像素信息为W×H个像素;在矩形区域中进行与像素信息对应的行方向和列方向的像素差分计算;根据行方向和列方向的像素差分计算的结果确定行方向的最大差分绝对值对应的行位置和列方向的最大差分绝对值对应的列位置为目标实时位置坐标。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种海面监测图像弱小目标跟踪方法及装置。
背景技术
目标跟踪就是在序列图像中实时对目标进行监测和定位,从而不间断地确定目标的位置。目前常用的目标跟踪算法包括:
1、基于特征的跟踪方法;
为了实现目标跟踪,没有必要跟踪整个目标区域,只要跟踪目标的某些显著特征,就可以实现对整个运动目标的跟踪。这些显著特征可以是目标的质心,也可以是目标上的任意一点,只要这些特征具有高度的稳定性,不易受外界因素如光照强度变化、噪声等因素的干扰,对目标大小、位置、方位不敏感即可。为了提高跟踪的鲁棒性,往往不只选一个特征,而是选一组特征,在一般情况下,可利用的特征有:角点、直边缘等局部特征和质心、表面积和惯量矩等全局特征,基于特征的目标跟踪方法利用跟踪特征点位置的变化来跟踪目标,首先,从图像序列中提取目标的显著特征,如拐点、质心或有明显标记区域对应的点、线、曲线等;然后在连续图像帧之间寻找特征的对应关系,即进行特征匹配,最后计算运动信息,从而通过对特征的跟踪来完成对整个目标的跟踪。由于只跟踪已选择的显著特征,上一帧目标的特征在下一帧图像中的可能匹配数目大大小于相关跟踪算法,处理的数据量小,并且由于特征的精心选取,使得在光照和目标几何形状发生变化时,也能进行目标跟踪,具有一定的鲁棒性。在此方法中,特征的选取非常重要,关系到整个跟踪的可靠性和跟踪精度,应具有对目标大小、位置、方向和照度变化不敏感的特点,如灰度局部极大值点、跟踪。其不足是要求独立而准确地初始化边界,而这在实际应用中往往很难实现。
2、基于相关的跟踪方法,相关跟踪法,又叫模板匹配法,其主要思想是:将目标的基准图像在实时图像中以不同的偏移值进行位移,然后根据一定的相似性度量准则对每一个偏移值下重叠的两个图像进行处理,计算两者的相关值,根据最大相关值确定实时图像中目标的位置。即在当前帧中寻找与上一帧目标相关性最大的区域。相关跟踪法具有很强的噪声抑制能力,可以在很小的信噪比条件下工作,具有对有关目标的知识要求甚少、定位精度高、跟踪距离远、可靠性高和较强的局部抗干扰能力等优点。由于它只利用图像间的灰度相关性作为区域相似性的判断依据,对几何和灰度畸变十分敏感,光照强度变化或目标运动姿态发生变化等都将对算法产生较大的影响,计算量偏大。而且往往不能充分利用目标的几何特性,易产生积累误差,它的适用范围有限,即实时图像与参考图的产生条件较为一致,目标尺寸变化很小,景物与目标的相关性不强的场合。
3、基于运动估计的跟踪方法,是利用图像序列中目标的运动信息来对目标进行跟踪的一种方法。运动信息又称为光流,基于光流估计的方法,利用了灰度的变化信息,首先,从图像序列的灰度变化中计算速度场,一般需要计算灰度的一阶导数和二阶导数;然后利用一些约束条件从速度场中估计运动参数和物体结构。光流方法又分局部光流法和全局光流法,局部光流法能够准确的反映出运动边缘处的运动信息,但是对于图像中的弱纹理区域不敏感;全局光流法能够得到每个像素处的光流,但是对于运动边界处的光流变化不敏感。由于噪声、多光源、阴影和遮挡等原因,使得计算出的光流分布不是十分可靠和准确,实际景物中的速度场不一定总是与图像中的直观速度场有唯一对应关系,且偏导数计算会加重噪声水平,计算复杂,使得基于光流的方法在实际应用中常常不稳定。
当目标与成像系统的距离较远时,在成像平面上只占几个或十几个像素的面积,表现为点状或者斑点状,对比度和信噪比较低的目标,称为小目标。由其定义可以看出,小目标中的“小”包含目标属性的两个方面的含义:一是指目标的尺寸小,即图像中目标像素数量少;二是指目标的灰度对比度或信噪比低。
上述三种目标判别算法主要针对的是显著成像的目标,即目标具有明显的形状、轮廓、纹理等信息,而对于点状或斑点状的弱小目标跟踪的技术问题,上述三种方法无法实现。
发明内容
本发明实施例提供了一种海面监测图像弱小目标跟踪方法及装置,解决了由于目前的目标判别算法主要针对的是显著成像的目标,即目标具有明显的形状、轮廓、纹理等信息,而导致的对于点状或斑点状的弱小目标无法跟踪的技术问题。
本发明实施例提供的一种海面监测图像弱小目标跟踪方法,包括:
以确定的目标基本位置坐标为中心设置对应的矩形区域,所述矩形区域的像素信息为W×H个像素;
在所述矩形区域中进行与所述像素信息对应的行方向和列方向的像素差分计算;
根据所述行方向和所述列方向的所述像素差分计算的结果确定所述行方向的最大差分绝对值对应的行位置和所述列方向的最大差分绝对值对应的列位置为目标实时位置坐标。
优选地,在所述矩形区域中进行与所述像素信息对应的行方向和列方向的像素差分计算具体包括:
在所述矩形区域中进行与所述像素信息对应的行方向的每两行的像素灰度值之和的差分计算;以及,
在所述矩形区域中进行与所述像素信息对应的列方向的每两列的像素灰度值之和的差分计算。
优选地,在所述矩形区域中进行与所述像素信息对应的行方向的每两行的像素灰度值之和的差分计算具体包括:
在所述矩形区域中进行与所述像素信息对应的行方向的所有行进行像素灰度值的求和计算得到每一行的所述像素灰度值之和;
对相邻的每两行对应的所述像素灰度值之和进行差分绝对值的计算。
优选地,在所述矩形区域中进行与所述像素信息对应的列方向的每两列的像素灰度值之和的差分计算具体包括:
在所述矩形区域中进行与所述像素信息对应的列方向的所有列进行像素灰度值的求和计算得到每一列的所述像素灰度值之和;
对相邻的每两列对应的所述像素灰度值之和进行差分绝对值的计算。
优选地,根据所述行方向和所述列方向的所述像素差分计算的结果确定所述行方向的最大差分绝对值对应的行位置和所述列方向的最大差分绝对值对应的列位置为目标实时位置坐标具体包括:
根据所述行方向的所述差分绝对值计算的结果,判断是否存在至少两个相等的所述行方向的最大差分绝对值,若是,则根据所述最大差分绝对值对应的行,确定与所述矩形区域的中心纵坐标距离近的行位置为目标实时位置纵坐标,若否,则确定所述行方向的最大差分绝对值对应的行位置为所述目标实时位置纵坐标;
根据所述列方向的所述差分绝对值计算的结果,判断是否存在至少两个相等的所述列方向的最大差分绝对值,若是,则根据所述最大差分绝对值对应的列,确定与所述矩形区域的中心横坐标距离近的列位置为目标实时位置横坐标,若否,则确定所述列方向的最大差分绝对值对应的列位置为所述目标实时位置横坐标。
本发明实施例提供的一种海面监测图像弱小目标跟踪装置,包括:
设置单元,用于以确定的目标基本位置坐标为中心设置对应的矩形区域,所述矩形区域的像素信息为W×H个像素;
计算单元,用于在所述矩形区域中进行与所述像素信息对应的行方向和列方向的像素差分计算;
确定单元,用于根据所述行方向和所述列方向的所述像素差分计算的结果确定所述行方向的最大差分绝对值对应的行位置和所述列方向的最大差分绝对值对应的列位置为目标实时位置坐标。
优选地,计算单元具体包括:
第一计算子单元,用于在所述矩形区域中进行与所述像素信息对应的行方向的每两行的像素灰度值之和的差分计算;
第二计算子单元,用于在所述矩形区域中进行与所述像素信息对应的列方向的每两列的像素灰度值之和的差分计算。
优选地,第一计算子单元具体包括:
第一求和模块,用于在所述矩形区域中进行与所述像素信息对应的行方向的所有行进行像素灰度值的求和计算得到每一行的所述像素灰度值之和;
第一差分模块,用于对相邻的每两行对应的所述像素灰度值之和进行差分绝对值的计算。
优选地,第二计算子单元具体包括:
第二求和模块,用于在所述矩形区域中进行与所述像素信息对应的列方向的所有列进行像素灰度值的求和计算得到每一列的所述像素灰度值之和;
第二差分模块,用于对相邻的每两列对应的所述像素灰度值之和进行差分绝对值的计算。
优选地,确定单元具体包括:
第一确定子单元,用于根据所述行方向的所述差分绝对值计算的结果,判断是否存在至少两个相等的所述行方向的最大差分绝对值,若是,则根据所述最大差分绝对值对应的行,确定与所述矩形区域的中心纵坐标距离近的行位置为目标实时位置纵坐标,若否,则确定所述行方向的最大差分绝对值对应的行位置为所述目标实时位置纵坐标;
第二确定子单元,用于根据所述列方向的所述差分绝对值计算的结果,判断是否存在至少两个相等的所述列方向的最大差分绝对值,若是,则根据所述最大差分绝对值对应的列,确定与所述矩形区域的中心横坐标距离近的列位置为目标实时位置横坐标,若否,则确定所述列方向的最大差分绝对值对应的列位置为所述目标实时位置横坐标。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例提供的一种海面监测图像弱小目标跟踪方法及装置,其中,海面监测图像弱小目标跟踪方法包括:以确定的目标基本位置坐标为中心设置对应的矩形区域,矩形区域的像素信息为W×H个像素;在矩形区域中进行与像素信息对应的行方向和列方向的像素差分计算;根据行方向和列方向的像素差分计算的结果确定行方向的最大差分绝对值对应的行位置和列方向的最大差分绝对值对应的列位置为目标实时位置坐标。本实施例中,针对船载成像系统远距离获取的包含海天背景和舰船目标的海面监测图像,对其中的弱小舰船目标进行跟踪,本实施例中,在已经监测到并确认为舰船目标的前提下,以监测并确认的目标位置为中心,开辟一个矩形区域,在该矩形区域内,分别求行方向和列方向的差分,行方向和列方向的差分最大值对应的位置就是本帧图像的目标位置,对实时采集的图像重复进行上述运算,即可实现对目标的实时跟踪。本实施例只在局部的空间区域进行,未对图像进行任何变换,因此计算量很小,且可靠性高,实时性好,不要求目标有丰富细节,适用于对弱小目标进行连续跟踪。从而解决了由于目前的目标判别算法主要针对的是显著成像的目标,即目标具有明显的形状、轮廓、纹理等信息,而导致的对于点状或斑点状的弱小目标无法跟踪的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例中提供的一种海面监测图像弱小目标跟踪方法的一个实施例的流程示意图;
图2为本发明实施例中提供的一种海面监测图像弱小目标跟踪方法的另一个实施例的流程示意图;
图3为本发明实施例中提供的一种海面监测图像弱小目标跟踪装置的一个实施例的结构示意图;
图4为本发明实施例中提供的一种海面监测图像弱小目标跟踪装置的另一个实施例的结构示意图。
具体实施方式
本发明实施例提供了一种海面监测图像弱小目标跟踪方法及装置,解决了由于目前的目标判别算法主要针对的是显著成像的目标,即目标具有明显的形状、轮廓、纹理等信息,而导致的对于点状或斑点状的弱小目标无法跟踪的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例中提供的一种海面监测图像弱小目标跟踪方法的一个实施例包括:
101、以确定的目标基本位置坐标为中心设置对应的矩形区域,矩形区域的像素信息为W×H个像素;
102、在矩形区域中进行与像素信息对应的行方向和列方向的像素差分计算;
103、根据行方向和列方向的像素差分计算的结果确定行方向的最大差分绝对值对应的行位置和列方向的最大差分绝对值对应的列位置为目标实时位置坐标。
本实施例中,针对船载成像系统远距离获取的包含海天背景和舰船目标的海面监测图像,对其中的弱小舰船目标进行跟踪,本实施例中,在已经监测到并确认为舰船目标的前提下,以监测并确认的目标位置为中心,开辟一个矩形区域,在该矩形区域内,分别求行方向和列方向的差分,行方向和列方向的差分最大值对应的位置就是本帧图像的目标位置,对实时采集的图像重复进行上述运算,即可实现对目标的实时跟踪。本实施例只在局部的空间区域进行,未对图像进行任何变换,因此计算量很小,且可靠性高,实时性好,不要求目标有丰富细节,适用于对弱小目标进行连续跟踪。从而解决了由于目前的目标判别算法主要针对的是显著成像的目标,即目标具有明显的形状、轮廓、纹理等信息,而导致的对于点状或斑点状的弱小目标无法跟踪的技术问题。
上面是对海面监测图像弱小目标跟踪方法的过程进行详细的描述,下面将对在矩形区域中进行与像素信息对应的行方向和列方向的像素差分计算的过程进行详细的描述,请参阅图2,本发明实施例中提供的一种海面监测图像弱小目标跟踪方法的另一个实施例包括:
201、以确定的目标基本位置坐标为中心设置对应的矩形区域,矩形区域的像素信息为W×H个像素;
202、在矩形区域中进行与像素信息对应的行方向的每两行的像素灰度值之和的差分计算,以及在矩形区域中进行与像素信息对应的列方向的每两列的像素灰度值之和的差分计算;
上述的,在矩形区域中进行与像素信息对应的行方向的每两行的像素灰度值之和的差分计算,可以是在矩形区域中进行与像素信息对应的行方向的所有行进行像素灰度值的求和计算得到每一行的像素灰度值之和,再对相邻的每两行对应的像素灰度值之和进行差分绝对值的计算。
上述的,在矩形区域中进行与像素信息对应的列方向的每两列的像素灰度值之和的差分计算,可以是在矩形区域中进行与像素信息对应的列方向的所有列进行像素灰度值的求和计算得到每一列的像素灰度值之和,再对相邻的每两列对应的像素灰度值之和进行差分绝对值的计算。
203、根据行方向的差分绝对值计算的结果,判断是否存在至少两个相等的行方向的最大差分绝对值,若是,则执行步骤205,若否,则执行步骤206;
204、根据列方向的差分绝对值计算的结果,判断是否存在至少两个相等的列方向的最大差分绝对值,若是,则执行步骤207,若否,则执行步骤208;
205、根据最大差分绝对值对应的行,确定与矩形区域的中心纵坐标距离近的行位置为目标实时位置纵坐标;
206、确定行方向的最大差分绝对值对应的行位置为目标实时位置纵坐标;
207、根据最大差分绝对值对应的列,确定与矩形区域的中心横坐标距离近的列位置为目标实时位置横坐标;
208、确定列方向的最大差分绝对值对应的列位置为目标实时位置横坐标。
下面以一具体应用场景对图2所示实施例进行详细的描述,应用例包括:
以下涉及到的长度和宽度的单位都为像素数。
在已经监测到并确认为舰船目标的前提下,以监测并确认的目标位置(X0,Y0)为中心O,开辟一个矩形区域,矩形区域的宽度为W,高度为H。设采集的原始图像总宽度为W0,总高度为H0,则该矩形区域的宽度和高度用下式确定:
在该W×H的矩形区域内,分别求行方向和列方向的差分,行方向和列方向的差分最大值对应的位置就是本帧图像中的目标所在位置。
1、在以O为中心,宽度为W,高度为H的矩形区域内,从第1行起,计算每一行的像素灰度之和。
第1行的灰度值之和为
其中,P(1,j)为第1行中第j列像素的灰度值。
第2行的灰度值之和为
其中,P(2,j)为第2行中第j列像素的灰度值。
第i行的灰度值之和为
其中,P(i,j)为第i行中第j列像素的灰度值。
第H行的灰度值之和为
其中,P(H,j)为第H行中第j列像素的灰度值。
从第1行到第H行,每相邻两行之间求差分的绝对值。
第1行和第2行的差分绝对值为ΔR1=|R2-R1|;
第i行和第i+1行的差分绝对值为ΔRi=|Ri+1-Ri|;
第H行和第H-1行的差分绝对值为ΔRH-1=|RH-RH-1|;
将(ΔR1,ΔR2,…,ΔRH-1)按照大小进行排序,将最大值对应的行值,也就是下角标值,标记为Y。
若出现相等的情况,即ΔRm=ΔRn
这时,采用与矩形区域中心距离相比较的方法,即
2、在以O为中心,宽度为W,高度为H的矩形区域内,从第1列起,计算每1列的像素灰度之和。
第1列的灰度值之和为
其中,P(i,1)为第1列中第i行像素的灰度值。
第2列的灰度值之和为其中,P(i,2)为第2列中第i行像素的灰度值。
第j列的灰度值之和为其中,P(i,j)为第j列中第i行像素的灰度值。
第W列的灰度值之和为其中,P(i,W)为第W列中第i行像素的灰度值。
从第1列到第W列,每相邻两列之间求差分的绝对值。
第1列和第2列的差分绝对值为ΔC1=|C2-C1|;
第j列和第j+1列的差分绝对值为ΔCj=|Cj+1-Cj|;
第W列和第W-1列的差分绝对值为ΔCW-1=|CW-CW-1|;
将(ΔC1,ΔC2,…ΔCW-1)按照大小进行排序,将最大值对应的列值(也就是下角标值)标记为X。
若出现相等的情况,ΔCm=ΔCn;这时,采用与矩形区域中心距离相比较的方法,如下式所示:
即选择与矩形区域中心横坐标距离近的区域为舰船目标所在区域。
最后,(X,Y)就是本帧图像的目标位置。
对下一帧采集到的图像重复进行上述运算,就可得到下一帧图像的目标中心位置,对实时采集的图像重复进行上述运算,即可实现对目标的实时跟踪。
本实施例中,针对船载成像系统远距离获取的包含海天背景和舰船目标的海面监测图像,对其中的弱小舰船目标进行跟踪,本实施例中,在已经监测到并确认为舰船目标的前提下,以监测并确认的目标位置为中心,开辟一个矩形区域,在该矩形区域内,分别求行方向和列方向的差分,行方向和列方向的差分最大值对应的位置就是本帧图像的目标位置,对实时采集的图像重复进行上述运算,即可实现对目标的实时跟踪。本实施例只在局部的空间区域进行,未对图像进行任何变换,因此计算量很小,且可靠性高,实时性好,不要求目标有丰富细节,适用于对弱小目标进行连续跟踪。从而解决了由于目前的目标判别算法主要针对的是显著成像的目标,即目标具有明显的形状、轮廓、纹理等信息,而导致的对于点状或斑点状的弱小目标无法跟踪的技术问题。
请参阅图3,本发明实施例中提供的一种海面监测图像弱小目标跟踪装置的一个实施例包括:
设置单元301,用于以确定的目标基本位置坐标为中心设置对应的矩形区域,矩形区域的像素信息为W×H个像素;
计算单元302,用于在矩形区域中进行与像素信息对应的行方向和列方向的像素差分计算;
确定单元303,用于根据行方向和列方向的像素差分计算的结果确定行方向的最大差分绝对值对应的行位置和列方向的最大差分绝对值对应的列位置为目标实时位置坐标。
上面是对海面监测图像弱小目标跟踪装置的各单元进行详细的描述,下面将对子单元进行详细的描述,请参阅图4,本发明实施例中提供的一种海面监测图像弱小目标跟踪装置的另一个实施例包括:
设置单元401,用于以确定的目标基本位置坐标为中心设置对应的矩形区域,矩形区域的像素信息为W×H个像素;
计算单元402,用于在矩形区域中进行与像素信息对应的行方向和列方向的像素差分计算;
计算单元402具体包括:
第一计算子单元4021,用于在矩形区域中进行与像素信息对应的行方向的每两行的像素灰度值之和的差分计算;
第一计算子单元4021具体包括:
第一求和模块4021a,用于在矩形区域中进行与像素信息对应的行方向的所有行进行像素灰度值的求和计算得到每一行的像素灰度值之和;
第一差分模块4021b,用于对相邻的每两行对应的像素灰度值之和进行差分绝对值的计算。
第二计算子单元4022,用于在矩形区域中进行与像素信息对应的列方向的每两列的像素灰度值之和的差分计算。
第二计算子单元4022具体包括:
第二求和模块4022a,用于在矩形区域中进行与像素信息对应的列方向的所有列进行像素灰度值的求和计算得到每一列的像素灰度值之和;
第二差分模块4022b,用于对相邻的每两列对应的像素灰度值之和进行差分绝对值的计算。
确定单元403,用于根据行方向和列方向的像素差分计算的结果确定行方向的最大差分绝对值对应的行位置和列方向的最大差分绝对值对应的列位置为目标实时位置坐标。
确定单元403具体包括:
第一确定子单元4031,用于根据行方向的差分绝对值计算的结果,判断是否存在至少两个相等的行方向的最大差分绝对值,若是,则根据最大差分绝对值对应的行,确定与矩形区域的中心纵坐标距离近的行位置为目标实时位置纵坐标,若否,则确定行方向的最大差分绝对值对应的行位置为目标实时位置纵坐标;
第二确定子单元4032,用于根据列方向的差分绝对值计算的结果,判断是否存在至少两个相等的列方向的最大差分绝对值,若是,则根据最大差分绝对值对应的列,确定与矩形区域的中心横坐标距离近的列位置为目标实时位置横坐标,若否,则确定列方向的最大差分绝对值对应的列位置为目标实时位置横坐标。
本实施例中,针对船载成像系统远距离获取的包含海天背景和舰船目标的海面监测图像,对其中的弱小舰船目标进行跟踪,本实施例中,在已经监测到并确认为舰船目标的前提下,以监测并确认的目标位置为中心,开辟一个矩形区域,在该矩形区域内,分别求行方向和列方向的差分,行方向和列方向的差分最大值对应的位置就是本帧图像的目标位置,对实时采集的图像重复进行上述运算,即可实现对目标的实时跟踪。本实施例只在局部的空间区域进行,未对图像进行任何变换,因此计算量很小,且可靠性高,实时性好,不要求目标有丰富细节,适用于对弱小目标进行连续跟踪。从而解决了由于目前的目标判别算法主要针对的是显著成像的目标,即目标具有明显的形状、轮廓、纹理等信息,而导致的对于点状或斑点状的弱小目标无法跟踪的技术问题。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种海面监测图像弱小目标跟踪方法,其特征在于,包括:
以确定的目标基本位置坐标为中心设置对应的矩形区域,所述矩形区域的像素信息为W×H个像素;
在所述矩形区域中进行与所述像素信息对应的行方向和列方向的像素差分计算;
根据所述行方向和所述列方向的所述像素差分计算的结果确定所述行方向的最大差分绝对值对应的行位置和所述列方向的最大差分绝对值对应的列位置为目标实时位置坐标。
2.根据权利要求1所述的海面监测图像弱小目标跟踪方法,其特征在于,在所述矩形区域中进行与所述像素信息对应的行方向和列方向的像素差分计算具体包括:
在所述矩形区域中进行与所述像素信息对应的行方向的每两行的像素灰度值之和的差分计算;以及,
在所述矩形区域中进行与所述像素信息对应的列方向的每两列的像素灰度值之和的差分计算。
3.根据权利要求2所述的海面监测图像弱小目标跟踪方法,其特征在于,在所述矩形区域中进行与所述像素信息对应的行方向的每两行的像素灰度值之和的差分计算具体包括:
在所述矩形区域中进行与所述像素信息对应的行方向的所有行进行像素灰度值的求和计算得到每一行的所述像素灰度值之和;
对相邻的每两行对应的所述像素灰度值之和进行差分绝对值的计算。
4.根据权利要求2所述的海面监测图像弱小目标跟踪方法,其特征在于,在所述矩形区域中进行与所述像素信息对应的列方向的每两列的像素灰度值之和的差分计算具体包括:
在所述矩形区域中进行与所述像素信息对应的列方向的所有列进行像素灰度值的求和计算得到每一列的所述像素灰度值之和;
对相邻的每两列对应的所述像素灰度值之和进行差分绝对值的计算。
5.根据权利要求1至4中任意一项所述的海面监测图像弱小目标跟踪方法,其特征在于,根据所述行方向和所述列方向的所述像素差分计算的结果确定所述行方向的最大差分绝对值对应的行位置和所述列方向的最大差分绝对值对应的列位置为目标实时位置坐标具体包括:
根据所述行方向的所述差分绝对值计算的结果,判断是否存在至少两个相等的所述行方向的最大差分绝对值,若是,则根据所述最大差分绝对值对应的行,确定与所述矩形区域的中心纵坐标距离近的行位置为目标实时位置纵坐标,若否,则确定所述行方向的最大差分绝对值对应的行位置为所述目标实时位置纵坐标;
根据所述列方向的所述差分绝对值计算的结果,判断是否存在至少两个相等的所述列方向的最大差分绝对值,若是,则根据所述最大差分绝对值对应的列,确定与所述矩形区域的中心横坐标距离近的列位置为目标实时位置横坐标,若否,则确定所述列方向的最大差分绝对值对应的列位置为所述目标实时位置横坐标。
6.一种海面监测图像弱小目标跟踪装置,其特征在于,包括:
设置单元,用于以确定的目标基本位置坐标为中心设置对应的矩形区域,所述矩形区域的像素信息为W×H个像素;
计算单元,用于在所述矩形区域中进行与所述像素信息对应的行方向和列方向的像素差分计算;
确定单元,用于根据所述行方向和所述列方向的所述像素差分计算的结果确定所述行方向的最大差分绝对值对应的行位置和所述列方向的最大差分绝对值对应的列位置为目标实时位置坐标。
7.根据权利要求6所述的海面监测图像弱小目标跟踪装置,其特征在于,计算单元具体包括:
第一计算子单元,用于在所述矩形区域中进行与所述像素信息对应的行方向的每两行的像素灰度值之和的差分计算;
第二计算子单元,用于在所述矩形区域中进行与所述像素信息对应的列方向的每两列的像素灰度值之和的差分计算。
8.根据权利要求7所述的海面监测图像弱小目标跟踪装置,其特征在于,第一计算子单元具体包括:
第一求和模块,用于在所述矩形区域中进行与所述像素信息对应的行方向的所有行进行像素灰度值的求和计算得到每一行的所述像素灰度值之和;
第一差分模块,用于对相邻的每两行对应的所述像素灰度值之和进行差分绝对值的计算。
9.根据权利要求7所述的海面监测图像弱小目标跟踪装置,其特征在于,第二计算子单元具体包括:
第二求和模块,用于在所述矩形区域中进行与所述像素信息对应的列方向的所有列进行像素灰度值的求和计算得到每一列的所述像素灰度值之和;
第二差分模块,用于对相邻的每两列对应的所述像素灰度值之和进行差分绝对值的计算。
10.根据权利要求6至9中任意一项所述的海面监测图像弱小目标跟踪装置,其特征在于,确定单元具体包括:
第一确定子单元,用于根据所述行方向的所述差分绝对值计算的结果,判断是否存在至少两个相等的所述行方向的最大差分绝对值,若是,则根据所述最大差分绝对值对应的行,确定与所述矩形区域的中心纵坐标距离近的行位置为目标实时位置纵坐标,若否,则确定所述行方向的最大差分绝对值对应的行位置为所述目标实时位置纵坐标;
第二确定子单元,用于根据所述列方向的所述差分绝对值计算的结果,判断是否存在至少两个相等的所述列方向的最大差分绝对值,若是,则根据所述最大差分绝对值对应的列,确定与所述矩形区域的中心横坐标距离近的列位置为目标实时位置横坐标,若否,则确定所述列方向的最大差分绝对值对应的列位置为所述目标实时位置横坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510448145.2A CN105069815A (zh) | 2015-07-27 | 2015-07-27 | 一种海面监测图像弱小目标跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510448145.2A CN105069815A (zh) | 2015-07-27 | 2015-07-27 | 一种海面监测图像弱小目标跟踪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105069815A true CN105069815A (zh) | 2015-11-18 |
Family
ID=54499171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510448145.2A Pending CN105069815A (zh) | 2015-07-27 | 2015-07-27 | 一种海面监测图像弱小目标跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069815A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960451A (zh) * | 2017-03-13 | 2017-07-18 | 西安电子科技大学 | 一种提升图像弱纹理区域特征点数量的方法 |
CN112738457A (zh) * | 2020-12-03 | 2021-04-30 | 桂林长海发展有限责任公司 | 一种目标探测方法、装置及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175203A (zh) * | 2007-11-19 | 2008-05-07 | 上海龙东光电子有限公司 | 实时视频目标跟踪方法 |
CN101547370A (zh) * | 2008-03-28 | 2009-09-30 | 精工爱普生株式会社 | 图像处理装置、图像处理方法和用于实现图像处理的程序 |
CN101739692A (zh) * | 2009-12-29 | 2010-06-16 | 天津市亚安科技电子有限公司 | 实时视频目标的快速相关跟踪方法 |
CN102682435A (zh) * | 2012-05-14 | 2012-09-19 | 四川大学 | 基于空间相对高度信息的多聚焦图像边缘检测方法 |
CN102855465A (zh) * | 2012-04-12 | 2013-01-02 | 无锡慧眼电子科技有限公司 | 一种移动物体的跟踪方法 |
US20130039574A1 (en) * | 2011-08-09 | 2013-02-14 | James P. McKay | System and method for segmenting water, land and coastline from remote imagery |
WO2013102797A1 (en) * | 2012-01-06 | 2013-07-11 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | System and method for detecting targets in maritime surveillance applications |
CN104112279A (zh) * | 2013-04-19 | 2014-10-22 | 浙江大华技术股份有限公司 | 一种目标检测方法及装置 |
CN104778695A (zh) * | 2015-04-10 | 2015-07-15 | 哈尔滨工程大学 | 一种基于梯度显著性的水天线检测方法 |
-
2015
- 2015-07-27 CN CN201510448145.2A patent/CN105069815A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175203A (zh) * | 2007-11-19 | 2008-05-07 | 上海龙东光电子有限公司 | 实时视频目标跟踪方法 |
CN101547370A (zh) * | 2008-03-28 | 2009-09-30 | 精工爱普生株式会社 | 图像处理装置、图像处理方法和用于实现图像处理的程序 |
CN101739692A (zh) * | 2009-12-29 | 2010-06-16 | 天津市亚安科技电子有限公司 | 实时视频目标的快速相关跟踪方法 |
US20130039574A1 (en) * | 2011-08-09 | 2013-02-14 | James P. McKay | System and method for segmenting water, land and coastline from remote imagery |
WO2013102797A1 (en) * | 2012-01-06 | 2013-07-11 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | System and method for detecting targets in maritime surveillance applications |
CN102855465A (zh) * | 2012-04-12 | 2013-01-02 | 无锡慧眼电子科技有限公司 | 一种移动物体的跟踪方法 |
CN102682435A (zh) * | 2012-05-14 | 2012-09-19 | 四川大学 | 基于空间相对高度信息的多聚焦图像边缘检测方法 |
CN104112279A (zh) * | 2013-04-19 | 2014-10-22 | 浙江大华技术股份有限公司 | 一种目标检测方法及装置 |
CN104778695A (zh) * | 2015-04-10 | 2015-07-15 | 哈尔滨工程大学 | 一种基于梯度显著性的水天线检测方法 |
Non-Patent Citations (3)
Title |
---|
孙殿星等: ""海空背景下确定弱小目标潜在区域的方法"", 《红外技术》 * |
缪德超: "复杂海空背景下红外舰船小目标检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
魏颖 等: "海空背景下红外小目标检测算法", 《红外与激光工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960451A (zh) * | 2017-03-13 | 2017-07-18 | 西安电子科技大学 | 一种提升图像弱纹理区域特征点数量的方法 |
CN106960451B (zh) * | 2017-03-13 | 2019-12-31 | 西安电子科技大学 | 一种提升图像弱纹理区域特征点数量的方法 |
CN112738457A (zh) * | 2020-12-03 | 2021-04-30 | 桂林长海发展有限责任公司 | 一种目标探测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9990736B2 (en) | Robust anytime tracking combining 3D shape, color, and motion with annealed dynamic histograms | |
CN107272021B (zh) | 使用雷达和视觉定义的图像检测区域的对象检测 | |
US10762643B2 (en) | Method for evaluating image data of a vehicle camera | |
Barth et al. | Estimating the driving state of oncoming vehicles from a moving platform using stereo vision | |
EP3159122A1 (en) | Device and method for recognizing location of mobile robot by means of search-based correlation matching | |
CN112115980A (zh) | 基于光流跟踪和点线特征匹配的双目视觉里程计设计方法 | |
Qu et al. | Evaluation of SIFT and SURF for vision based localization | |
US10042047B2 (en) | Doppler-based segmentation and optical flow in radar images | |
Konrad et al. | Localization in digital maps for road course estimation using grid maps | |
CN112862858A (zh) | 一种基于场景运动信息的多目标跟踪方法 | |
US10215851B2 (en) | Doppler-based segmentation and optical flow in radar images | |
CN110598711B (zh) | 一种结合分类任务的目标分割方法 | |
CN113281718B (zh) | 一种基于激光雷达场景流估计的3d多目标跟踪系统及方法 | |
CN113566817B (zh) | 一种车辆定位方法及装置 | |
CN105069815A (zh) | 一种海面监测图像弱小目标跟踪方法及装置 | |
Müller et al. | Multi-camera system for traffic light detection: About camera setup and mapping of detections | |
CN113029185A (zh) | 众包式高精度地图更新中道路标线变化检测方法及系统 | |
CN115144828B (zh) | 一种智能汽车多传感器时空融合的自动在线标定方法 | |
Lim et al. | Distance estimation algorithm for both long and short ranges based on stereo vision system | |
CN116358547B (zh) | 一种基于光流估计获取agv位置的方法 | |
US5142659A (en) | Estimation of local surface geometry from relative range images for object recognition | |
CN115512542B (zh) | 一种基于路侧激光雷达的考虑遮挡的轨迹复原方法及系统 | |
CN113850864B (zh) | 一种面向室外移动机器人的gnss/lidar回环检测方法 | |
JPH10187974A (ja) | 物流計測装置 | |
Kahler et al. | Hierarchical sensor data fusion by probabilistic cue integration for robust 3D object tracking |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151118 |