CN106295663A - 一种基于图像处理的垂测电离图e区描迹自动判读方法 - Google Patents
一种基于图像处理的垂测电离图e区描迹自动判读方法 Download PDFInfo
- Publication number
- CN106295663A CN106295663A CN201510271515.XA CN201510271515A CN106295663A CN 106295663 A CN106295663 A CN 106295663A CN 201510271515 A CN201510271515 A CN 201510271515A CN 106295663 A CN106295663 A CN 106295663A
- Authority
- CN
- China
- Prior art keywords
- trace
- type
- region
- district
- ionogram
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于图像处理的垂测电离图E区描迹自动判读方法,包括以下步骤:a.垂测电离图E区F区分割;b.E区候选描迹区域检测;c.非描迹区域排除;d.基于描迹扩散特点将描迹划分为4类:第一类是扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第二类是扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第三类是Es层a型、q型、s型,第四类是直线型描迹与s型描迹混合;e.对第三类描迹区域进行合并;f.分别对四类描迹进行类型识别与度量;g.获取E区参数;本发明方法全面考虑目前存在的所有类型的Es层描迹,是一种全面的电离图E描迹判识方法。
Description
技术领域
本发明涉及垂测电离图自动度量领域,特别涉及一种基于图像处理的垂测电离图E区描迹自动判读方法。
背景技术
作为“太阳活动的反光镜”和“大气扰动的放大镜”,电离层研究具有极其重要的学术意义和社会经济价值。目前世界各国已经有了各种电离层探测方法,其中电离层垂直探测是电离层研究中历史最悠久、至今仍然广泛使用的电离层地面常规探测方法。随着电离层探测技术的发展,探测数据量变得非常巨大,并且对探测数据处理的时效性提出了更高的要求,人工度量电离层参数的模式已经不能满足现在研究工作的实际需求。国内外较多学者都在进行电离图自动判读的研究,但由于电离层时变、色散等特殊性,并受太阳活动和地磁活动等因素的影响,电离图复杂多变。至今仍没有一个完善的方法适应复杂多变的电离图,电离图的自动判读研究还有重要意义。电离图E区描迹是由E层、Es层和E2层构成。Es层的主要特点是出现没有规律性,种类多,描迹还存在不同程度的扩散现象。电离图E区描迹自动判读算法是电离图自动判读算法中重要的一部分。
现有技术中,《中国海洋大学》硕士论文作者:蒋百灵,公开了‘基于图像处理的电离层垂测电离图自动度量方法研究’主要有一下几方面的内容:1.在电离图预处理环节中,基于垂测仪探测原理,将垂测数据转换为灰度图像;根据电离层反射回波信号特点,结合灰度形态学操作、邻域增强以及Otsu自动阈值去噪方法在保持描迹结构及形态特征不变的前提下,去除噪声,得到电离图二值图像。2.在电离图分割环节中,针对存在的高频区强干扰,基于电离图描迹的区域范围,利用图像垂直投影积分法实现有效频带分割;结合电离层的分层结构以及E-F谷区所在高度范围,采用分割线定位算法实现了电离图E区、F区的分割。3.在电离图识别环节中,主要采用图像处理相关技术实现F区描迹识别和参数判读以及E区描迹检测。E区描迹检测基于电离图度量规则以及对E区描迹特点的统计分析,结合E区单次反射描迹的高度范围,利用连通成分标记以及图像水平投影法检测E区描迹,为E区常出现的无描迹状况下相关电离层参数的度量做准备。同时,现有技术中,还有《中国海洋大学》硕士论文作者:卢红光公开了‘基于图像处理的频高图E、Es层描迹自动判读研究’和《中国海洋大学》硕士论文作者:徐高峰公开了“基于图像处理的电离层垂测频高图参数提取方法的研究”。这两个公开的方法对于E区描迹的判读主要思路:(1)通过垂直方向的积分投影方式对图像中有效频域进行定位,划分出目标图像区域,同时滤除非目标区域的干扰信息。然后结合电离层频高图描迹的分层特征,采用分割线定位法,对E层和F层进行分割,为后续的分层参数提取提供基础。(2)对F层中的参数进行提取。本文根据电离层频高图中干扰信号的强度比有用信号强度弱的特点,首先对图像进行了预处理。通过图像灰度拉伸、类间方差法和最小值滤波的方式对电离层频高图中的椒盐噪声和孤立噪声点进行滤除。然后通过旋转投影积分法和连通分量标记法对频高图F层的二次反射进行去除,有效的提取了F层主描迹分量。最后通过骨架化和限定窗口的方法,结合最小二乘法拟合的数学方法对F层中的参数进行提取。(3)对E层中的参数进行提取。本文首先通过对E层图像中的描迹进行形态学处理,修复描迹中的断裂点,并且通过滤波的方式对E层图像中的噪声点进行滤除。然后结合E层描迹的形状特征对E层中的Es描迹进行识别,最后结合人工度量的先验知识对E层中的参数进行提取。现有技术存在缺陷,对于存在描迹间断、F层存在变形的电离图会出现错分:没有涉及E区描迹的类型识别与度量;对预处理后的电离图进行E区描迹检测,会导致把聚集的噪声误认为是描迹。
发明内容
本发明所要解决的技术问题在于,提供一种精确度高的电离图E区描迹自动判读方法。
为解决上述技术问题,本发明提供了基于图像处理的垂测电离图E区描迹自动判读方法,所述方法包含以下步骤:
a.垂测电离图E区F区分割;b.对E区候选描迹区域进行检测;c.非描迹区域排除;
d.基于描迹扩散特点将描迹划分为4类,第一类是扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第二类是扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第三类是Es层a型、q型、s型,第四类是直线型描迹与s型描迹混合;e.对第三类描迹区域进行合并;f.分别对四类描迹进行类型识别与度量;g.获取E区参数;
步骤a,垂测电离图E区F区分割。本发明考虑了中国不同地区电离图的多样性,提出了基于参考区间内零区个数的E区F区分割方法。具体步骤如下。
第一步,对灰度电离图进行二值化预处理得到二值电离图。
第二步,确定一个包含电离图各种情况下E区和F区分割线的参考区间。考虑了中国不同地区和不同时段电离图的多样性,对大量电离图F层最低虚高的经验数据进行统计,确定了范围150km~350km(中国电波传播研究所数字垂测仪探测电离图矩阵的180行到260行)作为参考区间,并查找参考区间内零区个数。
第三步,基于第二步结果,如果参考区间内无零区,取参考区间水平积分最小值对应的行作为分割线。
第四步,基于第二步结果,如果参考区间内只有一个零区,取零区的中线作为分割线。
第五步,基于第二步结果,如果参考区间内存在多个零区的情况,采用基于非零区投影值和零区宽度值的最优零区查找方法:
首先,查找参考区间内零区上面的非零区中水平投影最大值HPVmax的虚高位置。
其次,根据进一步定位分割线。HPVmax可能位于F层、Es层l型或f型描迹的二次反射、Es层n型描迹,根据这些描迹虚高的经验值,设定180km作为阈值对分割线进一步定位:a)如果说明HPVmax位于F层或Es层l型、f型描迹的二次反射上,因此分割线位于下面的零区中;
b)如果说明HPVmax位于Es层n型描迹上,因此分割线位于上面的零区中。
然后,在上一步定位的零区中,进行最优零区查找。利用零区的宽度值(h′width)来判断零区是不是描迹的间断,根据大量电离图数据的统计结果,设定区分不同层之间的描迹间隙与描迹间断之间的阈值为20km。如果在上一步定位的零区中存在h′width>20km的零区,选择距离最近且h′width>20km的零区作为最优零区;否则,选取上一步定位的零区中最宽的零区作为最优零区。
最后,将最优零区的中线作为E区F区的分割线。
第六步,提取电离图E区。
步骤b电离图E区候选描迹区域检测。E区描迹经常会存在着不同程度的扩散现象,同时在电离图上还存在着各种原因引起的噪声。如果直接对电离图进行去噪处理,可能会导致描迹信息的丢失。通过对电离图进行观察,可以发现构成描迹的区域都是电离图上像素点分布比较密集的区域,于是本文提出了基于密集点查找的候选描迹区域自动检测算法,步骤如下:
第一步,利用积分图法在E区电离图上遍历找到所有满足2×2和3×1窗口全部有值的小区域,并把区域内的点标记为密集点保留。
第二步,在第一步的基础上,确定包含密集点的连通区域。对密集点集进行图像形态学先膨胀后腐蚀操作得到连通区域。
第三步,对第二步的基础上,排除小面积连通区域。根据统计结果,设定13作为连通区域面积(像素点个数)阈值对非描迹区域进行排除,排除后剩下的区域为候选描迹区域。
第四步,标记候选描迹区域位置。利用连通区域标记和边界查找方法,确定候选描迹区域的闭合边界并在原电离图上标记候选描迹区域的位置。
步骤c非描迹区域排除。在步骤b检测到的候选描迹区域中仍存在非描迹区域,因此需要对候选描迹区域进一步分析并对非描迹区域进行排除。根据描迹区域和非描迹区域的不同特征对描迹和非描迹区域进行区分,具体步骤如下:
第一步,计算用于区分描迹区域与非描迹区域的特征值:定义一个代表候选描迹区域内像素点灰度信息的集合S,S={(x,y,f(x,y))},其中x、y、f(x,y)分别为候选描迹区域内一个像素点的横坐标、纵坐标、灰度值。定义集合S1为:S1={(x,y,f(x,y))∈S:f(x,y)>0}。
区域的像素密度区域所在的位置(xmax和ymax):根据对大量电离图进行观察与统计,如果描迹区域满足以下两个公式,该描迹区域为目前没有合理解释的非描迹区域。其中f0表示起始频率,fstep表示频率步长,hstep为高度步长,W为电离图矩阵宽度。
hstep*(W-ymax)≤95
f0+xmax*fstep≤f0+15fstep
区域的长度larea:larea=max(x)-min(x)。
区域内非零像素个数Nnonzero:Nnonzero=card(S1);
第二步,根据第一步结果,如果Nnonzero<13,此区域为非描迹区域。
第三步,根据第一步结果,如果候选描迹区域位于没有合理解释的非描迹区域,此区域为非描迹区域。
第四步,根据第一步结果,如果ρarea<0.5,此区域为非描迹区域。
第五步,根据第一步结果,如果larea<3,此区域为垂线噪声即非描迹区域。
步骤d.电离图上的候选描迹区域经过步骤c排除非描迹区域后,剩下的区域为描迹区域。对电离图E区上的每个描迹区域,基于描迹扩散特点将描迹划分为4类:第一类是扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第二类是扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第三类是Es层a型、q型、s型,第四类是直线型描迹与s型描迹混合。具体步骤如下:
第一步,计算区域的像素密度(ρarea)、区域扩散密度(ρspread)、区域最大行密度max(ρrow)、区域平均列高度(Wcol)以及区域内非零像素个数(Nnonzero)。
ρarea的求法为步骤c的第一步使用的方法。
ρspread:用来衡量描迹离散程度。将区域内大于0的像素点的值转换为1。用一个2*2的矩阵在图像上遍历一遍,如果小矩阵内只有两个非零像素点,就将区域内的非零像素点进行标记。标记的非零像素点的总数与所有非零像素点总数的比为ρspread。
max(ρrow):等于区域所有行密度中的最大值。行密度:描迹区域每行中非零值的总数与描迹区域非零列总数的比值。
Wcol:区域中非零像素点个数比上区域列数。
Nnonzero:的求法为步骤c的第一步使用的方法。
第二步,基于第一步计算结果,如果ρarea>0.8或ρspread<0.6,描迹属于第一类描迹。
第三步,对区域长度大于100个像素同时区域宽度大于30个像素的描迹区域基于区域行中线和区域列中线将区域分成4块,并计算每块的ρarea和ρspread。如果在4块小区域中存在一块区域的ρarea<0.1,同时存在一块ρarea>0.1同时ρspread>0.8,描迹属于第四类描迹。第四步,通过第二步和第三步判断后,剩下的描迹区域为第二类和第三类描迹区域。如果区域Warea<15或max(ρrow)>0.8或Wcol<8,描迹为第二类描迹;如果不满足条件,描迹为第三类描迹。
步骤e,对第三类描迹区域进行合并。第三类描迹由于描迹的间断进常出现同一个描迹会被划分到两个描迹区域内,所以需要对区域进行合并。
第一步,判断电离图上是否存在类型属于第三类的描迹区域。如果存在第三类的区域,计算每个描迹区域的ρspread。
第二步,把属于第三类的每个描迹区域与其他描迹区域进行对比,如果两个描迹区域的ρspread相差小于0.1,就认为这两个描迹区域属于同一个描迹区域并对两个区域进行合并,把合并后的区域作为一个描迹区域。
步骤f中,分别对四类描迹进行类型识别与度量。根据步骤d和步骤f分类和划分后的描迹区域属于4类,针对不同的类型,用不同的描迹类型识别与度量算法。
第一类描迹(扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型)的判读。E区经常出现E层描迹和Es层描迹相连或两个Es层描迹之间距离很近的情况,这样会导致多层描迹信息被划分到同一个描迹区域内。为了对描迹进行精确的类型识别和度量,需要先对描迹进行细分,再对描迹的细分结果进行描迹类型的识别与度量。
第一步,对描迹进行基于虚高的描迹一次细分。对描迹区域进行二值化、形态学先膨胀后腐蚀处理后,找到描迹区域内的零区。检测到的零区有两种情况:一种是描迹的间断,另一种是两个在虚高上无交集的描迹之间的间隙。通过对零区上下两个描迹区域的三种特征(Nnonzero、max(ρrow)、)来判断描迹区域是否需要基于虚高进行划分:如果上(top)下(bot)描迹区域同时满足下面的条件:
认为描迹需要基于虚高进行划分;如果不满足则认为属于描迹间断故不需要基于虚高进行划分。对于需要划分的描迹区域,将零区的中线作为两个描迹的分割线,将细分后的两个描迹分别放在两个矩阵中。
第二步,对第一步细分后的结果进行基于最高点的描迹二次细分,一次细分后的描迹会存在直线型和非直线型两种类型,非直线型描迹多数为E层与Es层c型、E层与Es层h型同时存在等情况,对于这些描迹需要基于最高点再进行二次细分。
首先,进行直线型描迹判识:若检测到直线型描迹,则描迹细分结束;否则对其进行基于最高点的描迹二次细分。直线型描迹主要从以下两个步骤进行判识:1)对描迹区域进行形态学预处理、骨架化、曲线拟合和多项式求导;按0.1MHz的步长在频率轴上取点,统计这些点对应的导数绝对值小于0.1的个数占总个数的比例。如果比例大于0.8,该描迹为直线型描迹。
2)利用像素分布特征对存在断裂的直线型描迹进行进一步判识。计算描迹的最大宽度(Wmax)和ρrow:直线型相对于其他型描迹宽度较小且max(ρrow)接近1。如果描迹的Wmax<4或Wmax>0.9,该描迹为直线型描迹,否则为非直线型描迹。
通过以上步骤,描迹可以分为直线型和非直线型。
其次,对于非直线型描迹,进行基于最高点的描迹二次细分:查找描迹区域内的最高点,如果存在多个相同高度的最高点,就利用foE的经验值选择最高点;再对最高点左右两侧的总像素个数进行统计,如果最高点左右非零像素点个数都大于20,认为最高点左右两侧都有描迹,进而将描迹划分为左侧描迹和右侧描迹。将左侧描迹与右侧描迹分别放在两个矩阵中。
第三步,对第二步中的描迹细分结果进行基于OX波分离的描迹三次细分。
首先,对二次细分结果的单侧描迹的Nnonzero进行统计,如果Nnonzero<50,认为描迹短小且不存在OX分离的情况;对于Nnonzero≥50的描迹进行基于OX波分离的描迹三次细分。
其次,对Nnonzero≥50的描迹,进行骨架化与连通区域查找。对单侧描迹的骨架化结果进行连通区域查找,如果只有一个连通区域,无需进行OX波分离;如果存在大于一个连通区域的描迹,标记每个连通区域的左端最高点和右端最高点,我们把标记值为i的连通区域的左端最高点和右端最高点的位置信息用(xl(i)yl(i))、(xr(i)yr(i))表示。
然后,连通区域选择性合并;
对于标记值为p的连通区域,从标记值大于p的连通区域中查找距其最近的连通区域(其标记值为q)。
判断这两个连通区域是否满足以下条件:左侧描迹条件为0.6MHz<fstep|xr(p)-xr(q)|<0.8MHz且|yr(p)-yr(q)|≤3;右侧描迹条件为0.6MHz<fstep|xl(p)-xl(q)|<0.8MH且|yl(p)-yr(q)|≤3。如果不能满足以上条件,说明两个描迹连通区域非OX波分离的情况,对连通区域进行合并,即将标记值为p的连通区域重新标记为q;否则,不进行合并。按照上述步骤依次遍历每个连通区域。
最后,根据骨架化后的连通区域选择性合并结果进行基于OX波分离的描迹三次细分。骨架化结果经连通区域选择性合并后,如果连通区域的个数为1,描迹为非OX波分离情况无需细分;如果连通区域的个数为2,对描迹进行基于OX波分离的描迹三次细分;如果连通区域的个数大于2,将连通区域中面积较小的连通区域作为描迹的毛刺去掉,只保留连通区域面积最大和次大的连通区域并进行细分。
第四步,对第三步的描迹细分结果进行描迹类型的识别与度量。对于经过基于OX波分离描迹三次细分后输出为骨架化形式的描迹,采用描迹曲线拟合法进行描迹类型识别与度量;描迹曲线拟合法对描迹的度量和识别步骤如下:
首先,确定描迹趋势:对描迹骨架化结果进行4次多项式拟合。对骨架化结果利用形态学先膨胀后腐蚀操作对描迹进行还原。
其次,对还原描迹进行度量。定义一个代表还原描迹区域的位置信息的集合S,S={(x,y)},其中x、y分别为描迹区域内一个像素点的横坐标、纵坐标。利用公式下面三个公式,计算描迹的最小频率fmin、最大频率fmax、描迹虚高h′min。再根据虚高的位置、描迹趋势、频率信息及电离图时间结合电离图度量知识进行描迹类型判识。
fmin=f0+min(x)*fstep
fmax=f0+max(x)*fstep
h′min=hstep*(W-max(y))
第五步,对在第二步中直线型描迹判识过程中,检测到的直线型描迹利用进行端点位置分析法进行描迹二次判识与度量;对基于最高点的描迹二次细分中产生了Nnonzero<50的短小型描迹,利用端点位置分析法进行描迹类型识别与度量。利用端点位置分析法对描迹进行判读的主要步骤:
首先,确定描迹趋势:端点位置分析法主要利用描迹的左端最高点(xl,yl)、右端最高点(xr,yr)及描迹最高点(xm,ym)之间的关系,来确定描迹的趋势。
如果yr-yl≥4,描迹为下降型描迹。
如果yl-yr≥4,描迹为上升型描迹。
如果|yr-yl|<4,同时1/2(yr+yl)-ym≥4时,描迹为中间凸起型描迹。
如果|yr-yl|<4,同时1/2(yr+yl)-ym<4时,描迹为直线型描迹。
其次,描迹类型识别与度量:对于上升型、下降型、直线型描迹,利用下面公式计算描迹的fmin、fmax。把描迹放入集合S中,利用下面第三个公式可得h′min。对于中间凸起型描迹,按最高点将描迹细分为两个描迹并对每个描迹进行度量。根据描迹趋势、虚高、频率信息及电离图时间结合电离图度量知识判断描迹类型。
fmin=f0+Xl*fstep
fmax=f0+Xr*fstep
h′min=hstep*(W-max(y))
第二类描迹(扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型)的判读步骤和第一类描迹的判读步骤相同,需要对第一类描迹的判读算法中描迹预处理步骤中的膨胀腐蚀算子由2*2方阵改为4*4的方阵。
第三类(Es层a型、q型、s型)的判读步骤如下:
第一步,检测s型描迹,确定描迹区域闭合边界,找到边界中每一列的中点,对所有中点利用4次多项式进行拟合,确定拟合曲线的两个端点。利用两个端点位置做描迹区域的中线,并计算中线的斜率。如果斜率大于0.15,就认为该描迹为s型描迹。
第二步,根据描迹区域的长度larea,对a型和q型描迹进行区分。如果larea<100,区域内描迹为a型,否则,描迹为q型。
第三步,获取a型和q型描迹区域的左端点、右端点、对应的频率值作为描迹的fmin、fmax,把描迹区域的最低虚高作为该描迹的h′min。
第四类(直线型描迹与s型描迹混合)的判读步骤如下:
第一步,将描迹区域单独放在一个矩阵中,按照行中线和列中线将描迹分为四块,然后将四块描迹区域中ρarea<0.1的描迹区域内像素值非零的点赋值为0。
第二步,确定描迹区域每个非零行中从左到右第一个非零值所在的列值col(i)。从第一行开始比较第i行与第i+1行是否满足|col(i+1)-col(i)|<35,如果满足继续比较,直到不满足条件停止。不满足条件时,对应的行值i就是s型描迹与直线型描迹的分割线。
第三步,对划分后的直线型描迹类型识别与度量(因s型描迹无需度量参数值及其类型,所以这里只对直线型描迹进行度量)。根据描迹的左端点、右端点对应的频率值作为描迹的fmin、fmax,同时描迹的最低非零行对应的虚高值,作为h′min。根据描迹趋势、虚高、频率信息及电离图时间判断描迹类型。
g.获取E区参数;
通过对电离图上的每个描迹进行类型识别与度量,已经确定电离图E区描迹的个数、类型及每个描迹的fmin、fmax、h′min。通过对所有描迹的度量结果进行统计与分析,就可以确定电离图上Es层的个数及类型、E区描迹的最小频率、foE、h′E、h′Es、ftEs。
本发明的优点为:本发明解决了现有技术中以下几方面的不足。第一,在常规的电离图E区描迹检测算法中,首先对电离图进行去噪、形态学操作等预处理过程,然后在预处理后的电离图上进行描迹的检测。这样会出现由于去噪过程导致描迹信息丢失的现象,如果不进行去噪,直接进行形态学操作会导致,将聚集的噪声信息作为描迹的情况,导致描迹检测出错。在本发明中提出基于密集点检测的E区描迹检测算法,该算法可以在原始电离图上为候选描迹找到合适的闭合边界,然后根据描迹区域内的信息排除非描迹区域只保留E区描迹区域。本发明中的描迹检测算法避免了对电离图的预处理过程导致描迹信息丢失的现象,同时提高E区描迹检测的正确率。第二,目前存在E区描迹类型识别的范围只包括常规E层、l型Es描迹、与E层常规描迹相连的c型描迹和仅存的c型Es描迹等这些常规情况,在本文中E区描迹类型识别的范围包括了目前为止所有有定义的描迹类型(E层、Es层(l型、f型、c型、h型、r型、k型、n型、a型、q型、s型)、E2层)。同时本文的算法在描迹类型识别率上取得了较好的效果。
附图说明
图1是本发明垂测电离图E区描迹自动判读的流程图;图2为电离图E区F区分割结果图;图3为E区F区分割算法的流程图;图4为E区候选描迹区域检测的流程图;图5为非描迹区域排除结果图;图6为四种描迹区域图例;图7为第三类描迹区域合并结果;图8为第一类描迹的判读算法流程图;图9为第一类描迹基于虚高的描迹一次细分结果图;图10为第一类描迹基于最高点的描迹二次细分结果图;图11为第一类描迹基于OX波分离的描迹三次细分结果图;图12为第二类描迹的度量结果。图13为第三类描迹的中线的斜率结果。图14为第一类描迹基于E区描迹度量结果图。图15为电离图E区描迹度量结果。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明:
如图1所示:本发明垂测电离图E区描迹自动判读的流程图;
本发明方法步骤包含以下几个方面:a.垂测电离图E区F区分割;b.E区候选描迹区域检测;c.非描迹区域排除;d.基于描迹扩散特点将描迹划分为4类:第一类是扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第二类是扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第三类是Es层a型、q型、s型,第四类是直线型描迹与s型描迹混合;e.对第三类描迹区域进行合并;f.分别对四类描迹进行类型识别与度量;g.获取E区参数;
结合图2:电离图E区F区分割结果图,与图3:E区F区分割算法的流程图说明步骤a.垂测电离图E区F区分割的具体实施步骤如下:
第一步,对灰度电离图进行二值化预处理得到二值电离图。第二步,确定一个包含电离图各种情况下E区和F区分割线的参考区间。把电离图上范围150km~350km(中国电波传播研究所数字垂测仪探测电离图矩阵的180行到260行)作为参考区间,并查找参考区间内零区个数。第三步,基于第二步结果,如果参考区间内无零区,取参考区间水平积分最小值对应的行作为分割线。第四步,基于第二步结果,如果参考区间内只有一个零区,取零区的中线作为分割线。第五步,基于第二步结果,如果参考区间内存在多个零区的情况,本文提出基于非零区投影值和零区宽度值的最优零区查找方法。
首先,查找参考区间内零区上面的非零区中(图2为电离图参考区间内存在多个零区的情况。其中p1到p2为参考区间的范围)水平投影最大值HPVmax的虚高位置。其次,根据进一步定位分割线。HPVmax可能位于F层、Es层l型或f型描迹的二次反射、Es层n型描迹,根据这些描迹虚高的经验值,设定180km作为阈值对分割线进一步定位:
a)如果说明HPVmax位于F层或Es层l型、f型描迹的二次反射上,因此分割线位于下面的零区中;b)如果说明HPVmax位于Es层n型描迹上,因此分割线位于上面的零区中。
然后,在上一步定位的零区中,进行最优零区查找。利用零区的宽度值(h′width)来判断零区是不是描迹的间断,根据大量电离图数据的统计结果,设定区分不同层之间的描迹间隙与描迹间断之间的阈值为20km。如果在上一步定位的零区中存在h′width>20km的零区,选择距离最近且h′width>20km的零区作为最优零区;否则,选取上一步定位的零区中最宽的零区作为最优零区。最后,将最优零区的中线作为E区F区的分割线。(在图2:电离图E区F区分割结果图中HPVmax位于F层,E区F区分割线应位于下面的零区中。根据h′width可知,零区1为F层的间断,故应把零区2作为最优零区并将其中线作为E区F区的分割线。)
第六步,提取电离图E区。
如图2:电离图E区F区分割结果图所示,HPVmax位于F层,E区F区分割线应位于下面的零区中。根据h′width可知,零区1为F层的间断,故应把零区2作为最优零区并将其中线作为E区F区的分割线。
结合图4:E区候选描迹区域检测的流程图,说明步骤b电离图E区候选描迹区域检测的具体实施步骤如下:
第一步,对电离图利用步骤aE区F区分割算法找到E区与F区之间的分割线(图4(a)原始电离图)。由分割线可得到电离图E区(图4(b)电离图E区)。第二步,查找密集点。利用积分图法在E区电离图(图4(b)电离图E区)上遍历找到所有满足2×2和3×1窗口全部有值的小区域,并把区域内的点标记为密集点保留(图4(c)密集点集)。第三步,在第二步的基础上,确定包含密集点的连通区域。对密集点集进行图像形态学先膨胀后腐蚀操作得到连通区域(图4(d)检测到的连通区域)。第四步,对第三步的基础上,排除小面积连通区域。根据统计,设定13作为连通区域面积(像素点个数)阈值对非描迹区域进行排除得到候选描迹区域(图4(e)候选描迹区域)。第五步,标记候选描迹区域位置。利用连通区域标记和边界查找方法,确定候选描迹区域的闭合边界并在原电离图上标记候选描迹区域的位置。如图4(f):原始电离图上的候选描迹区域所示,在原电离图上确定了4个候选描迹区域。
结合图5:非描迹区域排除结果图,来说明步骤c非描迹区域排除的具体实施步骤如下:第一步,计算区分描迹区域与非描迹区域的特征值:定义一个代表候选描迹区域内像素点灰度信息的集合S,S={(x,y,f(x,y))},其中x、y、f(x,y)分别为候选描迹区域内一个像素点的横坐标、纵坐标、灰度值。定义集合S1为:S1={(x,y,f(x,y))∈S:f(x,y)>0}。
区域的像素密度
区域所在的位置(xmax和ymax):根据对大量电离图进行观察与统计,如果描迹区域满足一下两个公式,认为该描迹区域为目前没有合理解释的非描迹区域。
hstep*(W-ymax)≤95
f0+xmax*fstep≤f0+15fstep
区域的长度larea:larea=max(x)-min(x)。
区域内非零像素个数Nnonzero:Nnonzero=card(S1);
第二步,根据第一步结果,如果Nnonzero<13,此区域为非描迹区域。第三步,根据第一步结果,如果候选描迹区域位于没有合理解释的非描迹区域,此区域为非描迹区域。第四步,根据第一步结果,如果ρarea<0.5,此区域为非描迹区域。第五步,根据第一步结果,如果larea<3,此区域为垂线噪声即非描迹区域。
对图4(f):原始电离图上的候选描迹区域分别利用以上步骤进行非描迹区域排除,得到如图5:非描迹区域排除结果图,图5中的非描迹区域排除结果为:序号为1、3、4的候选描迹区域为非描迹区域,而序号为2的候选描迹区域为描迹区域。
结合图6:四种描迹区域图例,来说明步骤d;
基于描迹扩散特点将描迹划分为4类(第一类是扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第二类是扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第三类是Es层a型、q型、s型,第四类是直线型描迹与s型描迹混合)具体实施步骤如下:
第一步,计算ρarea、ρspread、max(ρrow)、Wcol以及Nnonzero。
ρarea的求法为步骤c的第一步使用的方法;
ρspread:用来衡量描迹离散程度。将区域内大于0的像素点的值转换为1。用一个2*2的矩阵在图像上遍历一遍,如果小矩阵内只有两个非零像素点,就将区域内的非零像素点进行标记。标记点的总数与所有非零像素点总数的比,就是区域扩散密度值。
max(ρrow),行密度:描迹区域每行中非零值的总数与描迹区域非零列总数的比值。max(ρrow):等于区域所有行密度中的最大值。
Wcol:区域中非零像素点个数比上区域列数。
Nnonzero的求法为步骤c的第一步使用的方法;
第二步,基于第一步计算结果,如果ρarea>0.8或ρspread<0.6,描迹属于第一类描迹。第三步,对区域长度大于100个像素同时区域宽度大于30个像素的描迹区域基于区域行中线和区域列中线将区域分成4块,并计算每块的区域密度和区域扩散密度。如果在4块小区域中存在一块区域的ρarea<0.1,同时存在一块ρarea>0.1同时ρspread>0.8,描迹属于第四类描迹。第四步,通过第二步和第三步判断后,剩下的描迹区域为第二类和第三类描迹区域。如果区域Warea<15或max(ρrow)>0.8或Wcol<8,描迹为第二类描迹;如果不满足条件,描迹为第三类描迹。
图6:四种描迹区域图例。对于图6中的六个描迹区域分别通过上面四步,确定了每个描迹区域属于的描迹类型。
结合图7:第三类描迹区域合并结果,来说明步骤e.第三类描迹进行描迹区域合并的具体实施步骤如下:第一步,判断电离图上是否存在类型属于第三类的描迹区域。如果存在第三类的区域,计算每个描迹区域的ρspread。第二步,把属于第三类的每个描迹区域与其他描迹区域进行对比,如果两个描迹区域的ρspread相差小于0.1,就认为这两个描迹区域属于同一个描迹区域并对两个区域进行合并,把合并后的区域作为一个描迹区域。
如图7:第三类描迹区域合并结果所示,这张电离图上有两个描迹区域,其中左边的描迹区域属于第三类描迹区域,分别计算两个描迹区域的ρspread分别为0.8015与0.8319。因两个描迹区域的ρspread相差小于0.1,因此对两个区域进行合并。
步骤f,分别对四类描迹进行类型识别与度量。根据步骤d和步骤f分类和划分后的描迹区域属于4类,针对不同的类型,用不同的描迹类型识别与度量算法。
结合图8:第一类描迹的判读算法流程图,来说明电离图第一类描迹(扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型)的判读算法的具体实施步骤:
第一步,对描迹进行基于虚高的一次细分。
首先,对进行二值化、用2*2的方阵对形态学先膨胀后腐蚀处理后得到的描迹区域,利用在E区F区分割中提到的水平积分投影法找到描迹区域内的零区。
其次,根据通过对零区上下两个描迹区域的三种特征(Nnonzero、max(ρrow)、)来判断描迹区域是否需要基于虚高进行划分:如果上(top)下(bot)描迹区域同时满足下面的条件:
认为描迹需要基于虚高进行划分;如果不满足则认为属于描迹间断故不需要基于虚高进行划分。对于需要划分的描迹区域,将零区的中线作为两个描迹的分割线,将细分后的两个描迹分别放在两个矩阵中。如图9:基于虚高的描迹一次细分结果。
第二步,对第一步细分后的结果进行基于最高点的描迹二次细分的具体实施步骤:
首先,进行直线型描迹判识:若检测到直线型描迹,则描迹细分结束;否则对其进行基于最高点的描迹二次细分。直线型描迹主要从以下两个步骤进行判识:
1)对描迹区域用2*2的方阵进行形态学膨胀腐蚀预处理、骨架化、用4次多项式进行曲线拟合、对拟合曲线进行求导,按0.1MHz的步长在频率轴上取点,统计这些点对应的导数绝对值小于0.1的个数占总个数的比例。如果比例大于0.8,该描迹为直线型描迹。
2)利用像素分布特征对可能存在断裂的直线型描迹进行进一步判识。计算描迹的最大宽度(Wmax)和ρrow;如果描迹的Wmax<4或Wmax>0.9,该描迹为直线型描迹,否则非直线型描迹。通过以上步骤,描迹可以分为直线型和非直线型。
其次,对于非直线型描迹,进行基于最高点的描迹二次细分:查找描迹区域内的最高点,如果存在多个相同高度的最高点,利用foE的经验值选择最高点;再对最高点左右两侧的总像素个数进行统计,如果最高点左右非零像素点个数都大于20,认为最高点左右两侧都有描迹,进而将描迹划分为左侧描迹和右侧描迹。将左侧描迹与右侧描迹分别放在两个矩阵中。如图10:基于最高点的描迹二次细分结果。
第三步,结合图11:第一类描迹基于OX波分离的描迹三次细分结果图,说明对第二步中的描迹细分结果进行基于OX波分离的描迹三次细分的具体实施步骤:首先,对二次细分结果的单侧描迹的Nnonzero进行统计,如果Nnonzero<50,认为描迹短小且不存在OX分离的情况;对于Nnonzero≥50的描迹进行基于OX波分离的描迹三次细分。其次,对Nnonzero≥50的描迹,进行骨架化与连通区域查找(图11(a1)与图11(b1)分别为对图10中左侧描迹和右侧描迹进行骨架化与连通区域查找的结果)。对单侧描迹的骨架化结果进行连通区域查找,如果只有一个连通区域,无需进行OX波分离;如果存在大于一个连通区域的描迹,标记每个连通区域的左端最高点和右端最高点,把标记值为i的连通区域的左端最高点和右端最高点的位置信息用(xl(i)yl(i))、(xr(i)yr(i))表示。
然后,连通区域选择性合并;对于标记值为p的连通区域,从标记值大于p的连通区域中查找距其最近的连通区域(其标记值为q)。判断这两个连通区域是否满足以下条件:左侧描迹条件为0.6MHz<fstep|xl(p)-xl(q)|<0.8MH且|yr(p)-yr(q)|≤3;右侧描迹条件为0.6MHz<fstep|xl(p)-xl(q)|<0.8MH且|yl(p)-yr(q)|≤3。如果不能满足以上条件,说明两个描迹连通区域非OX波分离的情况,对连通区域进行合并,即将标记值为p的连通区域重新标记为q(图11(a2)为左侧连通区域选择性合并结果);否则,不进行合并(图11(b2)为右侧连通区域选择性合并结果)。
按照上述步骤依次遍历每个连通区域。最后,根据骨架化后的连通区域选择性合并结果进行基于OX波分离的描迹三次细分。骨架化结果经连通区域选择性合并后,如果连通区域的个数为1,描迹为非OX波分离情况无需细分(图11(a3)为左侧描迹基于OX波分离的描迹三次细分结果);如果连通区域的个数为2,对描迹进行基于OX波分离的描迹三次细分(图11(b3)为右侧描迹基于OX分离的描迹三次细分结果);如果连通区域的个数大于2,将连通区域中面积较小的连通区域作为描迹的毛刺去掉,只保留连通区域面积最大和次大的连通区域并进行细分。
第四步,对第三步的描迹细分结果进行描迹类型的识别与度量。对于经过基于OX波分离描迹三次细分后输出为骨架化形式的描迹,采用描迹曲线拟合法进行描迹类型识别与度量;利用描迹曲线拟合法对描迹的度量和识别步骤如下:
首先,确定描迹趋势:对描迹骨架化结果进行4次多项式拟合。对骨架化结果用2*2的方阵进行形态学先膨胀后腐蚀操作对描迹进行还原。
其次,对还原描迹进行度量。定义一个代表还原描迹区域的位置信息的集合S,S={(x,y)},其中x、y分别为描迹区域内一个像素点的横坐标、纵坐标。利用公式下面三个公式,计算描迹的最小频率fmin、最大频率fmax、描迹虚高h′min。再根据虚高的位置、描迹趋势、频率信息及电离图时间结合电离图度量知识进行描迹类型判识。
fmin=f0+min(x)*fstep
fmax=f0+max(x)*fstep
h′min=hstep*(W-max(y))
第五步,在第二步中直线型描迹判识过程中,检测到的直线型描迹中混有一些描迹趋势不明显的上升型、下降型、中间凸起型描迹,需要进行二次判识与度量;在基于最高点的描迹二次细分中产生了Nnonzero<50的短小型描迹,利用端点位置分析法进行描迹类型识别与度量。针对这两类描迹采用端点位置分析法进行描迹类型识别和度量。
首先,确定描迹趋势:端点位置分析法主要利用描迹的左端最高点(xl,yl)、右端最高点(xr,yr)及描迹最高点(xm,ym)之间的关系,来确定描迹的趋势。
如果yr-yl≥4,描迹为下降型描迹。
如果yl-yr≥4,描迹为上升型描迹。
如果|yr-yl|<4,同时1/2(yr+yl)-ym≥4时,描迹为中间凸起型描迹。
如果|yr-yl|<4,同时1/2(yr+yl)-ym<4时,描迹为直线型描迹。
其次,描迹类型识别与度量:对于上升型、下降型、直线型描迹,利用下面公式计算描迹的fmin、fmax。把描迹放入集合S中,利用下面第三个公式可得h′min。对于中间凸起型描迹,按最高点将描迹细分为两个描迹并对每个描迹进行度量。根据描迹趋势、虚高、频率信息及电离图时间结合电离图度量知识判断描迹类型。
fmin=f0+Xl*fstep
fmax=f0+Xr*fstep
h′min=hstep*(W-max(y))
结合图12:第二类描迹的度量结果,来说明第二类描迹具体实施步骤:第二类描迹(扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型)的判读步骤和第一类描迹的判读步骤相同,需要对第一类描迹的判读算法中描迹预处理步骤中的膨胀腐蚀算子由2*2方阵改为4*4的方阵。
结合图13:第三类描迹的中线的斜率结果,来说明第三类描迹(Es层a型、q型、s型)的判读算法的具体实施步骤如下:第一步,检测s型描迹。确定描迹区域闭合边界,找到边界中每一列的中点,对所有中点利用4次多项式进行拟合,确定拟合曲线的两个端点。利用两个端点位置做描迹区域的中线,并计算中线的斜率。如果斜率大于0.15,就认为该描迹为s型描迹。如图13:第三类描迹的中线的斜率结果可知,第二个描迹的中线的斜率值为0.36,因此它为s型描迹。第二步,根据描迹区域的长度larea,对a型和q型描迹进行区分。如果larea<100,区域内描迹为a型,否则,描迹为q型。第三步,获取a型和q型描迹区域的左端点、右端点、对应的频率值作为描迹的fmin、fmax,把描迹区域的最低虚高作为该描迹的h′min。对于s型描迹只需要记录它的类型。
结合图14:第四类描迹的度量结果,来说明第四类描迹(直线型描迹与s型描迹混合)的判读算法的具体实施步骤如下:第一步,将第四类描迹区域电离图原图,按照行中线和列中线将描迹分为四块,然后将四块描迹区域中ρarea<0.1的描迹区域内像素值非零的点赋值为0。第二步,确定描迹区域每个非零行中从左到右第一个非零值所在的列值col(i)。从第一行开始比较第i行与第i+1行是否满足|col(i+1)-col(i)|<35,如果满足继续比较,知道不满足条件停止。不满足条件时,对应的行值i就是s型描迹与直线型描迹的分割线。如图14(a):第四类描迹的原图,如图14(b):第四类描迹区域中直线型描迹与s型描迹的分割线。第三步,如图14(c):按分割线得到的直线型描迹和s型描迹。对划分后的直线型描迹类型识别与度量(因s型描迹无需度量参数值及其类型,所以这里只对直线型描迹进行度量)。根据描迹的左端点、右端点对应的频率值作为描迹的fmin、fmax,同时描迹的最低非零行对应的虚高值,作为h′min。根据描迹趋势、虚高、频率信息及电离图时间判断描迹类型。如图14(d):第四类描迹区域的度量结果。
结合图15:电离图E区描迹度量结果,来说明步骤g.获取E区参数的具体实施步骤:
通过对电离图上的每个描迹进行类型识别与度量,已经确定电离图E区描迹的个数、类型及每个描迹的fmin、fmax、h′min。通过对所有描迹的度量结果进行统计与分析,就可以确定电离图上Es层的个数及类型、E区描迹的最小频率、foE、h′E、h′Es、ftEs。如图15电离图E区描迹度量结果所示。
比较实验:
由于本文算法可以识别的Es层种类较多,但是目前公开的方法识别可以识别的Es种类较少。所以,在对比实验中采用的数据集是不同时间段和不同地区的1000张电离图(这1000张电离图中包含的Es层类型是其他方法也可识别的)。将本文算法得到的结果、中国海洋大学卢红光硕士论文中《基于图像处理的垂测频高图E、Es层描迹自动判读研究》中的算法得到的结果(在下面表格中用‘他人方法’表示),分别与人工度量结果(真值)进行对比。算法得到的结果与人工度量的结果之间有差值,如果差值在误差允许范围内,就认为算法度量结果正确。
将本文算法与卢红光的算法的正确率得到的参数foE、h′E、h′Es、ftEs的正确率和Es类型识别的正确率如下:
foE、ftEs的正确率对比如下表:(误差允许范围为0.1MHz)
方法 | foE正确率 | ftEs正确率 |
本发明方法 | 75% | 76% |
他人方法 | 63% | 71% |
h′E、h′Es的正确率对比如下:(误差允许范围为7km)
方法 | h′E正确率 | h′Es正确率 |
本发明方法 | 76% | 81% |
他人方法 | 70% | 74% |
Es类型识别正确率对比结果如下:
本文方法Es类型识别的正确率为75%;他人方法Es类型识别的正确率为65%。
综上,本发明的优点为:本发明解决了现有技术中以下几方面的不足。第一,在常规的电离图E区描迹检测算法中,首先对电离图进行去噪、形态学操作等预处理过程,然后在预处理后的电离图上进行描迹的检测。这样会出现由于去噪过程导致描迹信息丢失的现象,如果不进行去噪,直接进行形态学操作会导致,将聚集的噪声信息作为描迹的情况,导致描迹检测出错。在本发明中提出基于密集点检测的E区描迹检测算法,该算法可以在原始电离图上为候选描迹找到合适的闭合边界,然后根据描迹区域内的信息排除非描迹区域只保留E区描迹区域。本发明中的描迹检测算法避免了对电离图的预处理过程导致描迹信息丢失的现象,同时提高E区描迹检测的正确率。第二,目前存在E区描迹类型识别的范围只包括常规E层、l型Es描迹、与E层常规描迹相连的c型描迹和仅存的c型Es描迹等这些常规情况,在本文中E区描迹类型识别的范围包括了目前为止所有有定义的描迹类型(E层、Es层(l型、f型、c型、h型、r型、k型、n型、a型、q型、s型)、E2层)。同时本文的算法在描迹类型识别率上取得了较好的效果。
本发明与背景文件中的现有技术中记载的‘一种基于图像处理的垂测电离图E区描迹自动判读方法’的区别为:第一,E区描迹经常会存在着不同程度的扩散现象,同时在电离图上还存在着各种原因引起的噪声。如果对去噪处理后的电离图进行描迹区域查找,会导致描迹信息的丢失。本发明中提出的基于密集点查找的描迹自动检测算法,可以在原电离图上找到包含描迹区域的闭合边界,再把描迹区域放在干净电离图上进行判读。第二,在本发明中根据描迹扩散特点将描迹分成四类:第一类是扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第二类是扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第三类是Es层a型、q型、s型,第四类是直线型描迹与s型描迹混合;然后,根据四类描迹的不同特点,分别设计了不同的描迹判读算法。第三,在第一类描迹的判读算法中,本发明利用E区描迹的分布特征对描迹进行三次细分,根据细分后描迹的不同特征,设计两种描迹判读算法:描迹曲线拟合法、端点位置分析法。
本发明与现有技术的区别:第一,在现有技术中提出的基于E区、F区之间的谷区的水平投影积分法中,设定一个固定的积分区域(电离图的220~260行)。这种E区、F区分割方法没有考虑到电离图的多样性,对于存在描迹间断、F层存在变形的电离图会出现错分。本发明中的垂测电离图E区F区分割算法考虑到了电离图描迹的多样性,并结合了电离图参数的经验数据,提出的E区F区算法取得了较好效果。第二,在蒋百灵的《中国海洋大学》硕士论文‘基于图像处理的电离层垂测电离图自动度量方法研究’中,对于E区描迹的研究中,只涉及E区描迹检测,而没有涉及E区描迹的类型识别与度量。同时在蒋百灵的《中国海洋大学》硕士论文‘基于图像处理的电离层垂测电离图自动度量方法研究’中的E区描迹检测算法中,对电离图进行了形态学操作以及领域增强的预处理操作,对预处理后的电离图进行E区描迹检测,会导致把聚集的噪声误认为是描迹。本文中的E区描迹检测算法,在原始电离图上确定候选描迹区域的闭合边界,根据原始电离图候选描迹区域内的信息,对非描迹区域进行排除,实现E区描迹检测。本文的描迹检测算法克服了由于电离图的预处理过程导致的描迹信息丢失和误把噪声作为描迹的现象。第三,在《中国海洋大学》徐高峰的硕士论文‘基于图像处理的电离层垂测频高图参数提取方法的研究’中和《中国海洋大学》卢红光的硕士论文‘基于图像处理的垂测频高图E层、Es层描迹自动判读研究’中对于E区描迹类型识别的范围只包括常规E层、l型Es描迹、与E层常规描迹相连的c型描迹和仅存的c型Es描迹。而本专利中E区描迹类型识别范围包括了到目前为止定义的所有描迹类型:E层、Es层(l型、f型、c型、h型、r型、k型、n型、a型、q型、s型)、E2层。
Claims (7)
1.一种基于图像处理的垂测电离图E区描迹自动判读方法,其特征在于,所述方法包含以下步骤:
a.垂测电离图E区F区分割;
b.对E区候选描迹区域进行检测;
c.非描迹区域排除;
d.基于描迹扩散特点将描迹划分为4类:第一类是扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第二类是扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型,第三类是Es层a型、q型、s型,第四类是直线型描迹与s型描迹混合;
e.对第三类描迹区域进行合并;
f.分别对四类描迹进行类型识别与度量;
g.获取E区参数。
2.根据权利要求1所述基于图像处理的垂测电离图E区描迹自动判读方法,其特征在于,a步骤包含以下步骤:
第一步,对灰度电离图进行二值化预处理得到二值电离图;
第二步,确定一个包含电离图各种情况下E区和F区分割线的参考区间,参考区间的范围150km~350km(中国电波传播研究所数字垂测仪探测电离图矩阵的180行到260行)作为参考区间,并查找参考区间内零区个数;
第三步,基于第二步结果,如果参考区间内无零区,取参考区间水平积分最小值对应的行作为分割线;
第四步,基于第二步结果,如果参考区间内只有一个零区,取零区的中线作为分割线;
第五步,基于第二步结果,如果参考区间内存在多个零区的情况,采用基于非零区投影值和零区宽度值的最优零区查找方法:
首先,查找参考区间内零区上面的非零区中水平投影最大值HPVmax的虚高位置,
其次,根据进一步定位分割线,
HPVmax可能位于F层、Es层l型或f型描迹的二次反射、Es层n型描迹,根据这些描迹虚高的经验值,设定180km作为阈值对分割线进一步定位:
a)如果说明HPVmax位于F层或Es层l型、f型描迹的二次反射上,因此分割线位于下面的零区中;
b)如果说明HPVmax位于Es层n型描迹上,因此分割线位于上面的零区中;
然后,在上一步定位的零区中,进行最优零区查找,利用零区的宽度值(h′width)来判断零区是不是描迹的间断,根据大量电离图数据的统计结果,设定区分不同层之间的描迹间隙与描迹间断之间的阈值为20km,如果在上一步定位的零区中存在h′width>20km的零区,选择距离最近且h′width>20km的零区作为最优零区;否则,选取上一步定位的零区中最宽的零区作为最优零区;
最后,将最优零区的中线作为E区F区的分割线;
第六步,提取电离图E区。
3.根据权利要求1所述基于图像处理的垂测电离图E区描迹自动判读方法,其特征在于,b步骤包含以下步骤:
第一步,利用积分图法在E区电离图上遍历找到所有满足2×2和3×1窗口全部有值的小区域,并把区域内的点标记为密集点保留;
第二步,在第一步的基础上,确定包含密集点的连通区域,对密集点集进行图像形态学先膨胀后腐蚀操作得到连通区域;
第三步,对第二步的基础上,排除小面积连通区域,根据统计和经验,设定13作为连通区域面积(像素点个数)阈值对非描迹区域进行排除得到候选描迹区域;
第四步,标记候选描迹区域位置,利用连通区域标记和边界查找方法,在原电离图上确定候选描迹区域的闭合边界并在原电离图上标记候选描迹区域的位置。
4.根据权利要求1所述基于图像处理的垂测电离图E区描迹自动判读方法,其特征在于,c步骤包含以下步骤:
第一步,计算区分描迹区域与非描迹区域的特征值:定义一个代表候选描迹区域内像素点灰度信息的集合S,S={(x,y,f(x,y))},其中x、y、f(x,y)分别为候选描迹区域内一个像素点的横坐标、纵坐标、灰度值,定义集合S1为:
S1={(x,y,f(x,y))∈S:f(x,y)>0},
区域的像素密度
区域所在的位置(xmax和ymax):根据对大量电离图进行观察与统计,如果描迹区域满足一下两个公式,认为该描迹区域为目前没有合理解释的非描迹区域,其中f0表示起始频率,fstep表示频率步长,hstep为高度步长,W为电离图矩阵宽度,
hstep*(W-ymax)≤95
f0+xmax*fstep≤f0+15fstep
区域的长度larea:larea=max(x)-min(x),
区域内非零像素个数Nnonzero:Nnonzero=card(S1);
第二步,根据第一步结果,如果Nnonzero<13,此区域为非描迹区域;
第三步,根据第一步结果,如果候选描迹区域位于没有合理解释的非描迹区域,此区域为非描迹区域;
第四步,根据第一步结果,如果ρarea<0.5,此区域为非描迹区域;
第五步,根据第一步结果,如果larea<3,此区域为垂线噪声即非描迹区域。
5.根据权利要求1所述基于图像处理的垂测电离图E区描迹自动判读方法,其特征在于,d步骤包含以下步骤:
第一步,计算区域的像素密度(ρarea)、区域扩散密度(ρspread)、区域最大行密度max(ρrow)、区域平均列高度(Wcol)以及区域内非零像素个数(Nnonzero),
ρarea的求法为步骤c的第一步使用的方法,
ρspread:用来衡量描迹离散程度:将区域内大于0的像素点的值转换为1,一个2*2的矩阵在图像上遍历一遍,如果小矩阵内只有两个非零像素点,就将区域内的非零像素点进行标记,标记点的总数与所有非零像素点总数的比为ρspread,
max(ρrow):等于区域所有行密度中的最大值,ρrow:描迹区域每行中非零值的总数与描迹区域非零列总数的比值,
Wcol:区域中非零像素点个数比上区域列数,
Nnonzero的求法为步骤c的第一步使用的方法;
第二步,基于第一步计算结果,如果ρarea>0.8或ρspread<0.6,描迹属于第一类描迹(扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型);
第三步,对区域长度大于100个像素同时区域宽度大于30个像素的描迹区域基于区域行中线和区域列中线将区域分成4块,并计算每块的区域密度和区域扩散密度,如果在4块小区域中存在一块区域的ρarea<0.1,同时存在一块ρarea>0.1同时ρspread>0.8,描迹属于第四类描迹(直线型描迹与s型描迹混合);
第四步,通过第二步和第三步判断后,剩下的描迹区域为第二类和第三类描迹区域,如果区域Warea<15或max(ρrow)>0.8或Wcol<8,描迹为第二类描迹;如果不满足条件,描迹为第三类描迹。
6.根据权利要求1所述基于图像处理的垂测电离图E区描迹自动判读方法,其特征在于,e步骤包含以下步骤:
第一步,判断电离图上是否存在类型属于第三类的描迹区域,如果存在第三类的区域,计算每个描迹区域的ρspread;
第二步,把属于第三类的每个描迹区域与其他描迹区域进行对比,如果两个描迹区域的ρspread相差小于0.1,就认为这两个描迹区域属于同一个描迹区域并对两个区域进行合并,并把合并后的区域作为一个描迹区域。
7.根据权利要求1所述基于图像处理的垂测电离图E区描迹自动判读方法,其特征在于,f步骤包含以下步骤:
第一类描迹(扩散程度比较小的E层、E2层、l型、f型、c型、h型、r型、k型、n型)的判读:
E区经常出现E层描迹和Es层描迹相连或两个Es层描迹之间距离很近的情况,这样会导致多层描迹信息被划分到同一个描迹区域内,为了对描迹进行精确的类型识别和度量,需要先对描迹进行细分,对描迹的细分结果进行描迹类型的识别与度量;
第一步,对描迹进行基于虚高的描迹一次细分,对描迹区域进行二值化、形态学先膨胀后腐蚀处理后,找到描迹区域内的零区,检测到的零区有两种情况:一种是描迹的间断,另一种是两个在虚高上无交集的描迹之间的间隙;
通过对零区上下两个描迹区域的三种特征来判断描迹区域是否需要基于虚高进行划分:如果上(top)下(bot)描迹区域同时满足下面的条件:
认为描迹需要基于虚高进行划分;如果不满足,则认为属于描迹间断故不需要基于虚高进行划分;对于需要划分的描迹区域,将零区的中线作为两个描迹的分割线,将细分后的两个描迹分别放在两个矩阵中;
第二步,对第一步细分后的结果进行基于最高点的描迹二次细分,一次细分后的描迹可能会存在直线型和非直线型两种类型,非直线型描迹多数为E层与Es层c型、E层与Es层h型同时存在等情况,对于这些描迹需要基于最高点再进行二次细分,
首先,需要进行直线型描迹判识:若检测到直线型描迹,则描迹细分结束;否则对其进行基于最高点的描迹二次细分,
直线型描迹主要从以下两个步骤进行判识:
1)对描迹区域进行形态学预处理、骨架化、曲线拟合和多项式求导;按0.1MHz的步长在频率轴上取点,统计这些点对应的导数绝对值小于0.1的个数占总个数的比例。如果比例大于0.8,该描迹为直线型描迹;
2)利用像素分布特征对存在断裂的直线型描迹进行进一步判识,计算描迹的最大宽度(Wmax)和ρrow:直线型相对于其他型描迹宽度较小且max(ρrow)接近1,如果描迹的Wmax<4或Wmax>0.9,该描迹为直线型描迹,否则为非直线型描迹;
通过以上步骤,描迹可以分为直线型和非直线型;
其次,对于非直线型描迹,进行基于最高点的描迹二次细分:查找描迹区域内的最高点,如果存在多个相同高度的最高点,就利用foE的经验值选择最高点;再对最高点左右两侧的总像素个数进行统计,如果最高点左右非零像素点个数都大于20,认为最高点左右两侧都有描迹,进而将描迹划分为左侧描迹和右侧描迹,将左侧描迹与右侧描迹分别放在两个矩阵中;
第三步,对第二步中的描迹细分结果进行基于OX波分离的描迹三次细分:
首先,对二次细分结果的单侧描迹的Nnonzero进行统计,如果Nnonzero<50,认为描迹短小且不存在OX分离的情况;对于Nnonzero≥50的描迹进行基于OX波分离的描迹三次细分;
其次,对Nnonzero≥50的描迹,进行骨架化与连通区域查;对单侧描迹的骨架化结果进行连通区域查找,如果只有一个连通区域,无需进行OX波分离;如果存在大于一个连通区域的描迹,标记每个连通区域的左端最高点和右端最高点,把标记值为i的连通区域的左端最高点和右端最高点的位置信息用(xl(i) yl(i))、(xr(i) yr(i))表示。
然后,连通区域选择性合并;
对于标记值为p的连通区域,从标记值大于p的连通区域中查找距其最近的连通区域(其标记值为q);
判断这两个连通区域是否满足以下条件:左侧描迹条件为0.6MHz<fstep|xl(p)-xl(q)|<0.8MH且|yr(p)-yr(q)|≤3;右侧描迹条件为0.6MHz<fstep[xl(p)-xl(q)[<0.8MH且|yl(p)-yr(q)|≤3;如果不能满足以上条件,说明两个描迹连通区域非OX波分离的情况,对连通区域进行合并,即将标记值为p的连通区域重新标记为q;否则,不进行合并;
按照上述步骤依次遍历每个连通区域;
最后,根据骨架化后的连通区域选择性合并结果进行基于OX波分离的描迹三次细分;
骨架化结果经连通区域选择性合并后,如果连通区域的个数为1,描迹为非OX波分离情况无需细分;如果连通区域的个数为2,对描迹进行基于OX波分离的描迹三次细分;如果连通区域的个数大于2,将连通区域中面积较小的连通区域作为描迹的毛刺去掉,只保留连通区域面积最大和次大的连通区域并进行细分;
第四步,对第三步的描迹细分结果进行描迹类型的识别与度量:对于经过基于OX波分离描迹三次细分后输出为骨架化形式的描迹,采用描迹曲线拟合法进行描迹类型识别与度量;利用描迹曲线拟合法对描迹的度量和识别步骤如下:
首先,确定描迹趋势:对描迹骨架化结果进行4次多项式拟合,对骨架化结果利用2*2的方阵算子用形态学先膨胀后腐蚀操作对描迹进行还原;
其次,对还原描迹进行度量,定义一个代表还原描迹区域的位置信息的集合S,S={(x,y)},其中x、y分别为描迹区域内一个像素点的横坐标、纵坐标,利用公式下面三个公式,计算描迹的最小频率fmin、最大频率fmax、描迹虚高h′min。再根据虚高的位置、描迹趋势、频率信息及电离图时间结合电离图度量知识进行描迹类型判识;
fmin=f0+min(x)*fstep
fmax=f0+max(x)*fstep
h′min=hstep*(W-max(y))
第五步,对在第二步中直线型描迹判识过程中,检测到的直线型描迹利用进行端点位置分析法进行描迹二次判识与度量;对基于最高点的描迹二次细分中产生了Nnonzero<50的短小型描迹,利用端点位置分析法进行描迹类型识别与度量;利用端点位置分析法对描迹进行判读的主要步骤:
首先,确定描迹趋势:端点位置分析法主要利用描迹的左端最高点(xl,yl)、右端最高点(xr,yr)及描迹最高点(xm,ym)之间的关系,来确定描迹的趋势,
如果yr-yl≥4,描迹为下降型描迹,
如果yl-yr≥4,描迹为上升型描迹,
如果|yr-yl|<4,同时1/2(yr+yl)-ym≥4时,描迹为中间凸起型描迹,
如果|yr-yl|<4,同时1/2(yr+yl)-ym<4时,描迹为直线型描迹,
其次,描迹类型识别与度量:对于上升型、下降型、直线型描迹,利用下面公式计算描迹的fmin、fmax;把描迹放入集合S中,利用下面第三个公式可得h′min,对于中间凸起型描迹,按最高点将描迹细分为两个描迹并对每个描迹进行度量,根据描迹趋势、虚高、频率信息及电离图时间结合电离图度量知识判断描迹类型;
fmin=f0+Xl*fstep
fmax=f0+Xr*fstep
h′min=hstep*(W-max(y))
第二类描迹(扩散程度比较大的E层、E2层、l型、f型、c型、h型、r型、k型、n型)的判读步骤和第一类描迹的判读步骤相同,需要对第一类描迹的判读算法中描迹预处理步骤中的膨胀腐蚀算子由2*2方阵改为4*4的方阵;
第三类(Es层a型、q型、s型)的判读步骤如下:
第一步,检测s型描迹,确定描迹区域闭合边界,找到边界中每一列的中点,对所有中点利用4次多项式进行拟合,确定拟合曲线的两个端点;利用两个端点位置做描迹区域的中线,并计算中线的斜率;如果斜率大于0.15,就认为该描迹为s型描迹;
第二步,根据描迹区域的长度larea,对a型和q型描迹进行区分,如果larea<100,区域内描迹为a型;否则,描迹为q型;
第三步,获取a型和q型描迹区域的左端点、右端点、对应的频率值作为描迹的fmin、fmax,把描迹区域的最低虚高作为该描迹的h′min;
第四类(直线型描迹与s型描迹混合)的判读步骤如下:
第一步,将描迹区域单独放在一个矩阵中,按照行中线和列中线将描迹分为四块,然后将四块描迹区域中ρarea<0.1的描迹区域内像素值非零的点赋值为0;
第二步,确定描迹区域每个非零行中从左到右第一个非零值所在的列值col(i),从第一行开始比较第i行与第i+1行是否满足|col(i+1)-col(i)|<35,如果满足继续比较,直到不满足条件停止;不满足条件时,对应的行值i就是s型描迹与直线型描迹的分割线;
第三步,对划分后的直线型描迹类型识别与度量;根据描迹的左端点、右端点对应的频率值作为描迹的fmin、fmax,同时描迹的最低非零行对应的虚高值,作为h′min;根据描迹趋势、虚高、频率信息及电离图时间判断描迹类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510271515.XA CN106295663B (zh) | 2015-05-25 | 2015-05-25 | 一种基于图像处理的垂测电离图e区描迹自动判读方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510271515.XA CN106295663B (zh) | 2015-05-25 | 2015-05-25 | 一种基于图像处理的垂测电离图e区描迹自动判读方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106295663A true CN106295663A (zh) | 2017-01-04 |
CN106295663B CN106295663B (zh) | 2019-05-07 |
Family
ID=57634784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510271515.XA Active CN106295663B (zh) | 2015-05-25 | 2015-05-25 | 一种基于图像处理的垂测电离图e区描迹自动判读方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106295663B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780900A (zh) * | 2021-11-09 | 2021-12-10 | 深圳市裕展精密科技有限公司 | 基于边缘计算的焊接检测系统及方法 |
CN114972760A (zh) * | 2022-06-17 | 2022-08-30 | 湘潭大学 | 基于多尺度注意力增强U-Net的电离图自动描迹方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106134481B (zh) * | 2009-09-18 | 2014-02-19 | 中国电子科技集团公司第二十二研究所 | 基于返回散射电离图反演Es层参数的方法 |
CN105005682A (zh) * | 2015-06-17 | 2015-10-28 | 中国电子科技集团公司第二十二研究所 | 一种垂测电离图反演方法 |
-
2015
- 2015-05-25 CN CN201510271515.XA patent/CN106295663B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106134481B (zh) * | 2009-09-18 | 2014-02-19 | 中国电子科技集团公司第二十二研究所 | 基于返回散射电离图反演Es层参数的方法 |
CN105005682A (zh) * | 2015-06-17 | 2015-10-28 | 中国电子科技集团公司第二十二研究所 | 一种垂测电离图反演方法 |
Non-Patent Citations (5)
Title |
---|
CARLO SCOTTO: "A method for automatic scaling of sporadic E layers from ionograms", 《RADIO SCIENCE》 * |
HAIYONGZHENG: "Automatic scaling of F layer from ionograms based on image processing and analysis", 《JOURNAL OF ATMOSPHERIC AND SOLAR-TERRESTRIAL PHYSICS》 * |
丁宗华: "电离层频高图参数的实时自动度量与分析", 《地球物理学报》 * |
蒋百灵: "基于图像处理的电离层垂测电离图自动度量方法研究", 《中国优秀硕士学位论文全文数据库》 * |
蒋百灵: "基于骨架的垂测电离图F层自动判读算法", 《计算机应用研究》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780900A (zh) * | 2021-11-09 | 2021-12-10 | 深圳市裕展精密科技有限公司 | 基于边缘计算的焊接检测系统及方法 |
CN114972760A (zh) * | 2022-06-17 | 2022-08-30 | 湘潭大学 | 基于多尺度注意力增强U-Net的电离图自动描迹方法 |
CN114972760B (zh) * | 2022-06-17 | 2024-04-16 | 湘潭大学 | 基于多尺度注意力增强U-Net的电离图自动描迹方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106295663B (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751187B (zh) | 抄表图像自动识别方法 | |
CN106529424B (zh) | 一种基于选择性搜索算法的车标检测识别方法及系统 | |
CN110909732B (zh) | 一种图中数据的自动提取方法 | |
CN105809668B (zh) | 基于线扫描三维点云的物体表面变形特征提取方法 | |
CN105787937B (zh) | 一种基于osm的高分辨遥感影像道路变化检测方法 | |
CN104239909B (zh) | 一种图像的识别方法和装置 | |
CN101329402B (zh) | 基于改进Wedgelet的多尺度SAR图像边缘检测方法 | |
CN105069452B (zh) | 基于局部结构分析的直线移除方法 | |
CN101833664A (zh) | 基于稀疏表达的视频图像文字检测方法 | |
CN104268598B (zh) | 一种基于二维扫描激光的人腿检测方法 | |
CN102799867A (zh) | 基于图像处理的仪表指针转角识别方法 | |
CN104408711A (zh) | 一种基于多尺度区域融合的显著区域检测方法 | |
CN104463138B (zh) | 基于视觉结构属性的文本定位方法及系统 | |
CN104680130A (zh) | 一种身份证汉字识别方法 | |
CN102360503B (zh) | 基于空间贴近度和像素相似性的sar图像变化检测方法 | |
CN104217217A (zh) | 一种基于两层分类的车辆标志物检测方法与系统 | |
CN102609701A (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
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 | |
CN104282026A (zh) | 基于分水岭算法和最小生成树的分布均匀性评估方法 | |
CN104573707A (zh) | 一种基于多特征融合的车牌汉字识别方法 | |
CN109190483A (zh) | 一种基于视觉的车道线检测方法 | |
CN104647893A (zh) | 一种基于十字线的印刷套印误差检测方法 | |
CN104182728A (zh) | 一种基于模式识别的车标自动定位与识别方法 | |
CN101236646B (zh) | 在频率域检测与估计图像显著的强相关方向的方法和系统 | |
CN103839274A (zh) | 一种基于几何比例关系的扩展目标跟踪方法 |
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 |