CN106407934A - 针对可见光波段高分辨率遥感影像的雷达站自动识别算法 - Google Patents

针对可见光波段高分辨率遥感影像的雷达站自动识别算法 Download PDF

Info

Publication number
CN106407934A
CN106407934A CN201610836994.XA CN201610836994A CN106407934A CN 106407934 A CN106407934 A CN 106407934A CN 201610836994 A CN201610836994 A CN 201610836994A CN 106407934 A CN106407934 A CN 106407934A
Authority
CN
China
Prior art keywords
radar station
image
remote sensing
antenna
radar
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
Application number
CN201610836994.XA
Other languages
English (en)
Other versions
CN106407934B (zh
Inventor
何静远
刘东升
梁师
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerospace Hongtu Information Technology Co Ltd
Original Assignee
Beijing Aerospace Hongtu Information Technology Ltd By Share Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Aerospace Hongtu Information Technology Ltd By Share Ltd filed Critical Beijing Aerospace Hongtu Information Technology Ltd By Share Ltd
Priority to CN201610836994.XA priority Critical patent/CN106407934B/zh
Publication of CN106407934A publication Critical patent/CN106407934A/zh
Application granted granted Critical
Publication of CN106407934B publication Critical patent/CN106407934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其步骤：对原始卫星遥感影像中雷达站的天线分系统进行特征分析，得到用于表征雷达站的影像特征数据；对影像特征数据进行预处理：将彩色图像变为灰度图像，并进行去噪；对预处理后的影像特征数据进行阈值分割；对阈值分割后的影像特征数据进行圆弧检测；判断检测到的各圆弧直径是否符合雷达天线范围：将直径为5米到40米范围内的圆弧保留，作为疑似雷达区域，并生成目标轮廓的矢量文件。本发明识别结果较为准确，能自动检测雷达，能减少人工工作量，适用性较强。

Description

针对可见光波段高分辨率遥感影像的雷达站自动识别算法
技术领域
本发明涉及一种雷达站自动识别算法，特别是关于一种针对可见光波段高分辨率遥感影像的雷达站自动识别算法。
背景技术
目前，利用计算机来检测识别遥感图像中的目标目前已经应用在很多方面，比如机场检测、舰船检测、建筑物检测等等，也总结出了一些规律。然而，在雷达检测方面，目前大部分方法是利用电子侦察数据识别雷达，但是该方法的检测结果并不完全准确。
电子侦察是指利用专用的电子侦察装备对地方雷达等发出的无线电信号进行搜索、截获、识别、定位和分析，以确定这些设备或系统的类型、所在位置等。它反映了目标的活动电磁特征，在有关情报的支持下可以较准确地判定辐射源类型及型号，覆盖区域广，但辐射源定位精度较低。
发明内容
针对上述问题，本发明的目的是提供一种针对可见光波段高分辨率遥感影像的雷达站自动识别算法，该方法利用高分辨率遥感影像，目标精度高、识别结果较为准确，能自动检测雷达，能减少人工工作量，适用性较强。
为实现上述目的，本发明采取以下技术方案：一种针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其特征在于，该算法包括以下步骤：1)对原始卫星遥感影像中雷达站的天线分系统进行特征分析，得到用于表征雷达站的影像特征数据；2)对影像特征数据进行预处理：将彩色图像变为灰度图像，并进行去噪；3)对预处理后的影像特征数据进行阈值分割；4)对阈值分割后的影像特征数据进行圆弧检测；5)判断检测到的各圆弧直径是否符合雷达天线范围：将直径为5米到40米范围内的圆弧保留，作为疑似雷达区域，并生成目标轮廓的矢量文件。
进一步，所述步骤1)中，若雷达站天线在原始卫星遥感影像上的主要特点都满足，则确定属于雷达站的概率最大，主要特点如下：1.1)颜色：接收天线主要是纯白色或一半是阴影；1.2)形状：雷达站天线为球壳型；1.3)大小：雷达站的天线大小均有范围限制；1.4)排列特点：雷达站为一组一组天线，在检测到天线时，就能确定该区域属于雷达站的区域。
进一步，所述雷达站的天线大小的范围限制为直径10米到30米。
进一步，所述步骤3)中，预先设置像素阈值，根据该像素阈值对影像特征数据所有像素进行分割生成二值图。
进一步，所述像素阈值为0.05。
进一步，所述步骤4)中，检测雷达站影像数据中的圆弧，并检测到预先设定弧度值的圆弧。
进一步，预先设定的圆弧弧度值至少为π/4。
本发明由于采取以上技术方案，其具有以下优点：1、本发明针对仅含可见光波段的高分辨率遥感影像，进行特征分析、阈值分割及圆弧检测，使得雷达站检测识别更加精确。2、由于雷达站在可见光波段的遥感影像中所占区域较小，且不易于目视解译，因此，本发明通过对雷达站影像数据的预处理及圆弧直径判断等实现了自动识别，减少人工工作量，同时，具有很强的适用性。
附图说明
图1是本发明的整体流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示，本发明提供一种针对可见光波段高分辨率遥感影像的雷达站自动识别算法，该算法针对雷达站天线的光学特征，从颜色、形状、大小等角度进行目标识别，使用阈值分割、圆弧检测等方法将疑似雷达区域检测出来，并生成轮廓的矢量文件。其具体步骤如下：
1)对原始卫星遥感影像中雷达站的天线分系统进行特征分析，可得到用于表征雷达站的影像特征数据，以便进行目标识别。
由于在原始卫星遥感影像上，雷达站最典型的就是天线分系统。天线分系统的地面天线一般为球壳型，颜色一般为白色，直径一般是10～30米，它是雷达站最显著的标志，因此如果检测到天线，则可以确定该区域存在雷达站。
若雷达站天线在原始卫星遥感影像上的主要特点都满足，则确定属于雷达站的概率最大，主要特点如下：
1.1)颜色：接收天线主要是纯白色。但是，会受阴影和光线亮暗的干扰，可能有一半是阴影。
1.2)形状：雷达站天线一般是球壳型。在原始卫星遥感影像中，由于卫星是正朝下方拍摄，所以雷达站天线看起来是椭圆。
1.3)大小：雷达站的天线大小均有范围限制，可用于进一步排除其他干扰物体；其中，雷达站的天线大小的范围限制优选为直径10米到30米，在本发明中该范围可以自行设置。
1.4)排列特点：雷达站往往并不只一个天线，而是分为一组一组天线，一组内天线排列很近。因此，在检测到天线时，就可以确定该区域属于雷达站的区域。
2)对影像特征数据进行预处理：将彩色图像变为灰度图像，并进行去噪。
3)由于雷达站天线一般为白色，在图像上属于最亮区域，故对预处理后的影像特征数据进行阈值分割：预先设置像素阈值，根据该像素阈值对影像特征数据所有像素进行分割生成二值图；其中，预先设置的像素阈值优选为0.05。
4)由于雷达站天线为球壳型，对阈值分割后的影像特征数据进行圆弧检测：检测影像特征数据中的圆弧，并尽可能检测到预先设定弧度值的圆弧；在一个优选地实施例中，采用现有的Hough圆检测算法进行圆弧检测；预先设定的圆弧弧度值可以调节，优选为至少为π/4。
5)判断检测到的各圆弧直径是否符合雷达天线范围：将直径为5米到40米范围内的圆弧保留，作为疑似雷达区域，并生成目标轮廓的矢量文件；其余圆弧则为不存在雷达站区域。
综上所述，本发明在使用时，通过自动识别算法进行雷达站自动识别，识别效果较为理想，漏检率为0％，虚警率也符合一般目标检测算法的要求。
上述各实施例仅用于说明本发明，各部件的结构、尺寸、设置位置及形状都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别部件进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (7)

1.一种针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其特征在于，该算法包括以下步骤：
1)对原始卫星遥感影像中雷达站的天线分系统进行特征分析，得到用于表征雷达站的影像特征数据；
2)对影像特征数据进行预处理：将彩色图像变为灰度图像，并进行去噪；
3)对预处理后的影像特征数据进行阈值分割；
4)对阈值分割后的影像特征数据进行圆弧检测；
5)判断检测到的各圆弧直径是否符合雷达天线范围：将直径为5米到40米范围内的圆弧保留，作为疑似雷达区域，并生成目标轮廓的矢量文件。
2.如权利要求1所述的针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其特征在于：所述步骤1)中，若雷达站天线在原始卫星遥感影像上的主要特点都满足，则确定属于雷达站的概率最大，主要特点如下：
1.1)颜色：接收天线主要是纯白色或一半是阴影；
1.2)形状：雷达站天线为球壳型；
1.3)大小：雷达站的天线大小均有范围限制；
1.4)排列特点：雷达站为一组一组天线，在检测到天线时，就能确定该区域属于雷达站的区域。
3.如权利要求2所述的针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其特征在于：所述雷达站的天线大小的范围限制为直径10米到30米。
4.如权利要求1所述的针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其特征在于：所述步骤3)中，预先设置像素阈值，根据该像素阈值对影像特征数据所有像素进行分割生成二值图。
5.如权利要求4所述的针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其特征在于：所述像素阈值为0.05。
6.如权利要求1所述的针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其特征在于：所述步骤4)中，检测雷达站影像数据中的圆弧，并检测到预先设定弧度值的圆弧。
7.如权利要求6所述的针对可见光波段高分辨率遥感影像的雷达站自动识别算法，其特征在于：预先设定的圆弧弧度值至少为π/4。
CN201610836994.XA 2016-09-21 2016-09-21 针对可见光波段高分辨率遥感影像的雷达站自动识别方法 Active CN106407934B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610836994.XA CN106407934B (zh) 2016-09-21 2016-09-21 针对可见光波段高分辨率遥感影像的雷达站自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610836994.XA CN106407934B (zh) 2016-09-21 2016-09-21 针对可见光波段高分辨率遥感影像的雷达站自动识别方法

Publications (2)

Publication Number Publication Date
CN106407934A true CN106407934A (zh) 2017-02-15
CN106407934B CN106407934B (zh) 2019-07-05

Family

ID=57996872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610836994.XA Active CN106407934B (zh) 2016-09-21 2016-09-21 针对可见光波段高分辨率遥感影像的雷达站自动识别方法

Country Status (1)

Country Link
CN (1) CN106407934B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202661650U (zh) * 2012-07-17 2013-01-09 赵瑞金 基于双流信号和无线图传的天气雷达故障远程诊断系统
CN104319457A (zh) * 2014-10-15 2015-01-28 中船重工鹏力（南京）大气海洋信息系统有限公司 一种收发一体式高频地波雷达天线
RU2013135381A (ru) * 2013-07-26 2015-02-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный политехнический университет" (ФГБОУ ВПО "СПбГПУ") Способ формирования радиопоглощающих топологий на носителях
CN105184308A (zh) * 2015-08-03 2015-12-23 北京航空航天大学 一种基于全局优化决策的遥感图像建筑物检测分类方法
CN105425222A (zh) * 2015-11-03 2016-03-23 西安电子科技大学 一种数据传输率约束下的雷达目标检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202661650U (zh) * 2012-07-17 2013-01-09 赵瑞金 基于双流信号和无线图传的天气雷达故障远程诊断系统
RU2013135381A (ru) * 2013-07-26 2015-02-10 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный политехнический университет" (ФГБОУ ВПО "СПбГПУ") Способ формирования радиопоглощающих топологий на носителях
CN104319457A (zh) * 2014-10-15 2015-01-28 中船重工鹏力（南京）大气海洋信息系统有限公司 一种收发一体式高频地波雷达天线
CN105184308A (zh) * 2015-08-03 2015-12-23 北京航空航天大学 一种基于全局优化决策的遥感图像建筑物检测分类方法
CN105425222A (zh) * 2015-11-03 2016-03-23 西安电子科技大学 一种数据传输率约束下的雷达目标检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MICHAEL EDRICH.ETC: "Multiband multistatic Passive Radar system for airspace surveillance: A step towards mature PCL implementations", 《2013 INTERNATIONAL CONFERENCE ON RADAR》 *
张素芹: "多雷达信息融合仿真平台的构建与设计", 《应用天地》 *

Also Published As

Publication number Publication date
CN106407934B (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
Liu et al. A detection and recognition system of pointer meters in substations based on computer vision
CN106680287B (zh) 一种轴承铆钉台阶缺陷的视觉检测方法
US8422738B1 (en) Adaptive automated synthetic aperture radar vessel detection method with false alarm mitigation
CN111255636A (zh) 确定风力发电机组的塔架净空的方法和装置
CN106570863A (zh) 一种输电线路的检测方法及装置
CN109471098B (zh) 利用fod雷达相位相干性信息的机场跑道异物检测方法
CN109525194A (zh) 光伏板故障光斑检测识别方法和系统
CN113156417B (zh) 反无人机探测系统、方法和雷达设备
KR102170597B1 (ko) 해안 해수면 관측 시스템
CN107578441B (zh) 热带气旋中心定位的红外亮温偏差角梯度分布均匀性方法
Xu et al. A novel star image thresholding method for effective segmentation and centroid statistics
CN110675447A (zh) 一种基于可见光相机与热像仪结合的人数统计方法
US20230360247A1 (en) A system, a detection system for detecting a foreign object on a runway and a method of the system
CN105225251A (zh) 基于机器视觉的超视距海上运动目标快速识别与定位装置及方法
Zhu et al. Oil spill detection method using X-band marine radar imagery
Jin et al. A Smart Water Metering System Based on Image Recognition and Narrowband Internet of Things.
CN116047112A (zh) 测量流体表面流速的方法、装置及存储介质
CN116245751A (zh) 水域无人机高光谱影像耀斑处理方法、设备及存储介质
CN111626129A (zh) 基于卫星ais与红外相机的舰船目标联合探测方法
CN113610041B (zh) 一种用于指针式仪表的读数识别方法及设备
CN111721302A (zh) 不规则小行星表面复杂地形特征识别与感知方法
CN106127105A (zh) 基于快速随机Radon变换的无人机视觉巡线方法
Huang et al. Truck‐Lifting Prevention System Based on Vision Tracking for Container‐Lifting Operation
CN109493353A (zh) 一种海天背景下海天分界线的检出方法
CN106407934B (zh) 针对可见光波段高分辨率遥感影像的雷达站自动识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder

Address after: Room 301, Room 3, Building 5, District 4, Xishan Creative Park, Haidian District, Beijing

Patentee after: Beijing Aerospace Hongtu information technology Limited by Share Ltd

Address before: 100195 Beijing city Haidian District xingshikou road Yiyuan cultural creative industry base in C District 5 Building 3 layer

Patentee before: Beijing Aerospace Hongtu information technology Limited by Share Ltd

CP02 Change in the address of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 301, Room 3, Building 5, District 4, Xishan Creative Park, Haidian District, Beijing

Patentee after: Aerospace Hongtu Information Technology Co., Ltd

Address before: Room 301, Room 3, Building 5, District 4, Xishan Creative Park, Haidian District, Beijing

Patentee before: BEIJING PIESAT INFORMATION TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder