CN107833195B - 在轨海洋暗弱目标光学图像增强方法 - Google Patents
在轨海洋暗弱目标光学图像增强方法 Download PDFInfo
- Publication number
- CN107833195B CN107833195B CN201711193771.7A CN201711193771A CN107833195B CN 107833195 B CN107833195 B CN 107833195B CN 201711193771 A CN201711193771 A CN 201711193771A CN 107833195 B CN107833195 B CN 107833195B
- Authority
- CN
- China
- Prior art keywords
- image
- orbit
- ocean
- target
- optical image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000003287 optical effect Effects 0.000 title claims abstract description 27
- 238000003384 imaging method Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000011084 recovery Methods 0.000 claims description 17
- 238000013178 mathematical model Methods 0.000 claims description 15
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 abstract description 10
- 230000008447 perception Effects 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及在轨海洋暗弱目标光学图像增强方法,首先进成像特性建模,然后将探测器收集到源自目标的微弱信息,通过最小化约束的方法将场景信息估计出来,并提取其相位特征从而将目标与海面背景区分开;解决传统光电探测方法中对海洋极其微弱目标难以探测到的技术难题,该方法增强了海洋暗弱目标特征,同时抑制海面杂波和探测器噪声,突破了计算复杂度限制,有望实现星上实时大幅宽的海洋弱目标探测与识别,具有重要的应用价值;同时该方法对海洋弱目标的感知和早期预警能力,具有重要价值,该方法也可以用于海洋资源探测、海洋资源开发等方面。
Description
技术领域
本发明涉及一种在轨海洋暗弱目标光学图像增强方法,属于空间相机在轨对海洋目标探测及像质提升技术领域。
背景技术
当前对海洋弱目标的探测是热门领域,但又相当困难,同时对于维护国防安全又极为重要,瓶颈问题集中在水下动目标隐身能力强,目标通过强杂波下的海面背景辐射出的能量很弱,往往在背景限以下,混杂在海面背景杂波之中。目前工程上,往往通过加大传统光电探测器的增益、增加器件的光电转化效率、增大光学系统口径等手段增加系统收集的能量,但是目标辐射信息仍然很微弱,受海面杂波干扰强,仍然难以探测到目标。
发明内容
本发明的目的在于克服现有技术的上述缺陷,提供一种在轨海洋暗弱目标光学图像增强方法,该方法增强了海洋暗弱目标特征,同时抑制海面杂波和探测器噪声,该方法突破了计算复杂度限制,有望实现星上实时大幅宽的海洋弱目标探测与识别,具有重要的应用价值。
本发明的上述目的主要是通过如下技术方案予以实现的:
在轨海洋暗弱目标光学图像增强方法,包括:
建立成像系统的数学模型,即得到探测器获取图像与算法恢复图像、大气介质透射图像之间的关系表达式;
对算法恢复图像约束最小,根据成像系统的数学模型得到大气介质透射图像;
将大气介质透射图像代入成像系统的数学模型中,得到优化后的算法恢复图像;
从优化后的算法恢复图像中提取相位信息和幅值信息,计算得到增强后的场景图中的相位信息。
在上述在轨海洋暗弱目标光学图像增强方法中,建立的成像系统的数学模型如下:
I(x)=(J(x)+B(x))×t(x)+A×(1-t(x))
其中:I(x)为探测器获取图像;J(x)为算法恢复图像;t(x)为大气介质透射图像;B(x)为海面背景图;A为海面上大气辐亮度信息。
在上述在轨海洋暗弱目标光学图像增强方法中,对算法恢复图像约束最小,根据成像系统的数学模型得到大气介质透射图像的具体方法如下:
得到大气介质透射图像t(x)表达式如下:
其中:ρ为调整常数。
在上述在轨海洋暗弱目标光学图像增强方法中,设置th=B(x)·5%,
B(x)=sign(λ)(|B(x)|-th),|B(x)|≥th
在上述在轨海洋暗弱目标光学图像增强方法中,将大气介质透射图像代入成像系统的数学模型中,得到优化后的算法恢复图像的表达式如下;
其中:J(x)'为优化后的算法恢复图像;t0为大气介质透射图像初始值。
在上述在轨海洋暗弱目标光学图像增强方法中,大气介质透射图像初始值t0的取值为:0.1<t0<0.3。
在上述在轨海洋暗弱目标光学图像增强方法中,从优化后的算法恢复图像中提取相位信息和幅值信息,计算得到增强后的场景图中的相位信息的具体方法如下:
在上述在轨海洋暗弱目标光学图像增强方法中,所述加权函数w(x)表示为:
其中:C为截止值,r为调整因子,
S(x)的具体表达式如下:
其中:Amax(x)为点x处滤波器的最大响应幅值,N为滤波器尺度,ξ为正定系数。
在上述在轨海洋暗弱目标光学图像增强方法中,所述噪声估计T的取值为0~0.1。
在上述在轨海洋暗弱目标光学图像增强方法中,所述调整因子r的取值为0~1。
本发明与现有技术相比具有如下有益效果:
(1)、本发明在轨海洋暗弱目标光学图像增强方法,首先进成像特性建模,然后将探测器收集到源自目标的微弱信息,通过最小化约束的方法将场景信息估计出来,并提取其相位特征从而将目标与海面背景区分开;解决传统光电探测方法中对海洋极其微弱目标难以探测到的技术难题,该方法增强了海洋暗弱目标特征,同时抑制海面杂波和探测器噪声,该方法突破了计算复杂度限制,有望实现星上实时大幅宽的海洋弱目标探测与识别,具有重要的应用价值。
(2)、本发明属于一种新型空间相机海洋弱目标增强方法,用以解决现有在轨海洋弱目标感知能力差、海面杂波大难以探测目标的问题,该方法针对成像系统进行成像模型最小化约束,得到优化后场景图,增强像质和对比度,该方法对海洋弱目标的感知和早期预警能力,具有重要价值,该方法也可以用于海洋资源探测、海洋资源开发等方面。
(3)、本发明根据海面调制特性和弱目标分布规律,构造一种海洋弱目标增强方法,它是一种适用于强背景杂波下暗弱目标的解算方法,能够在强背景噪声条件下生成高质量的目标强度像,本发明首先针对成像特性进行建模,然后将接收到源自目标的弱信息,通过最小化约束的优化方法,将湮没在杂波下的目标信息解算出来,然后通过增强其相位信息,得到尾迹目标的横纹信息,可以在极弱照度下提取目标特征,探测水下暗弱目标,有助于后续目标高级特征判别。
附图说明
图1为本发明在轨海洋暗弱目标光学图像增强方法流程图;
图2为本发明仿真实验结果;其中图2a为尾迹仿真图;图2b为海面背景图像;图2c为优化后的图像;图2d为检测到横纹信息(增强后的相位信息)。
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详细的描述:
本发明根据海面调制特性和弱目标分布规律,构造一种海洋弱目标增强方法,它是一种适用于强背景杂波下暗弱目标的解算方法,能够在强背景噪声条件下生成高质量的目标强度像。本发明首先针对成像特性进行建模,然后将接收到源自目标的弱信息,通过最小化约束的优化方法,将湮没在杂波下的目标信息解算出来。然后通过增强其相位信息,得到尾迹目标的横纹信息,有助于后续目标高级特征判别。
如图1所示为本发明在轨海洋暗弱目标光学图像增强方法流程图,本发明可以抑制海面杂波,同时增强目标信息,具体的处理流程如下:
第一步,目标与背景特性分析
1)目标特性:针对目前最重要的海洋弱目标探测,需要在低照度背景下提取对辐射强度很弱的目标几何信息;
2)背景分布特性:水下目标信息被海洋背景湮没,背景杂波按概率分布可描述为泊松分布;
3)区域内大气特性参数测定。
第二步,数学建模
建立成像系统的数学模型,即得到探测器获取图像与算法恢复图像、大气介质透射图像之间的关系表达式;
I(x)=(J(x)+B(x))×t(x)+A×(1-t(x)) (1)
其中:I(x)为探测器获取图像;J(x)为算法恢复图像;t(x)为大气介质透射图像;B(x)为海面背景图;A为海面上大气辐亮度信息。
第三步,对算法恢复图像约束最小,根据成像系统的数学模型得到大气介质透射图像t(x);
得到大气介质透射图像t(x)表达式如下:
其中:ρ为调整常数。
设置th=B(x)·5%,
B(x)=sign(λ)(B(x)|-th),|B(x)|≥th
第四步、将大气介质透射图像t(x)代入成像系统的数学模型中,得到优化后的算法恢复图像J(x)';
其中:J(x)'为优化后的算法恢复图像;t0为大气介质透射图像初始值。本发明实施例中大气介质透射图像初始值t0的取值为:0.1<t0<0.3。
第五步、从优化后的算法恢复图像J(x)'中提取相位信息φn(x)和幅值信息An(x),计算得到增强后的场景图中的相位信息P,具体方法如下:
加权函数w(x)表示为:
其中:C为截止值,r为调整因子,本发明实施例中r的取值为0~1;
S(x)为S形函数,具体表达式如下:
其中:Amax(x)为点x处滤波器的最大响应幅值,N为滤波器尺度,ξ为正定系数。
第六步,仿真实验
实验主要对海洋弱目标尾迹仿真,如图2所示为本发明仿真实验结果;海洋弱目标仿真如图2a所示,海面背景图像如图2b所示,采用本发明方法处理之后的优化后的算法恢复图像如图2c所示。可见,经过优化方法处理之后的图像,像质得到大幅增加,对比度增强。如图2d所示为通过增强后的相位信息有效的提取尾迹中的横纹信息,后续可通过横纹周期反演目标的高级特征。
图2a为实验仿真图像,可以看出在海面强杂波条件下,目标对海面的调制极其微弱,主要原因为目标几何特性被海面杂波、系统噪声所湮没。由图2c可以看出采用本发明方法之后处理的目标纹理更加明晰、轮廓信息与海面背景之间反差更明显,同时原图中的噪声和背景杂波也减少。由图2d可以看出,本发明方法能够有效的检测出尾迹横纹信息,可用于反演目标高级特征。
如下表1为采用传统处理方法与本发明方法之间的比对情况。表1可以定量化的说明,与传统方法相比,本发明方法在图像信噪比、对比度、信息熵、欧式距离测度等指标均较高,均比传统方法好,经过处理后可有效增加图像像质,而且增强了图像中目标的有效信息,有利于后续的判图与目标识别。
表1图像质量客观评价结果
以上所述,仅为本发明一个具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
本发明未详细说明部分属于本领域技术人员公知常识。
Claims (9)
1.在轨海洋暗弱目标光学图像增强方法,其特征在于包括:
建立成像系统的数学模型,即得到探测器获取图像与算法恢复图像、大气介质透射图像之间的关系表达式;
对算法恢复图像约束最小,根据成像系统的数学模型得到大气介质透射图像;
将大气介质透射图像代入成像系统的数学模型中,得到优化后的算法恢复图像;
从优化后的算法恢复图像中提取相位信息和幅值信息,计算得到增强后的场景图中的相位信息;
建立的成像系统的数学模型如下:
I(x)=(J(x)+B(x))×t(x)+A×(1-t(x))
其中:I(x)为探测器获取图像;J(x)为算法恢复图像;t(x)为大气介质透射图像;B(x)为海面背景图;A为海面上大气辐亮度信息。
5.根据权利要求4所述的在轨海洋暗弱目标光学图像增强方法,其特征在于:大气介质透射图像初始值t0的取值为:0.1<t0<0.3。
8.根据权利要求6或7所述的在轨海洋暗弱目标光学图像增强方法,其特征在于:所述噪声估计T的取值为0~0.1。
9.根据权利要求7所述的在轨海洋暗弱目标光学图像增强方法,其特征在于:所述调整因子r的取值为0~1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711193771.7A CN107833195B (zh) | 2017-11-24 | 2017-11-24 | 在轨海洋暗弱目标光学图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711193771.7A CN107833195B (zh) | 2017-11-24 | 2017-11-24 | 在轨海洋暗弱目标光学图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107833195A CN107833195A (zh) | 2018-03-23 |
CN107833195B true CN107833195B (zh) | 2020-10-23 |
Family
ID=61652594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711193771.7A Active CN107833195B (zh) | 2017-11-24 | 2017-11-24 | 在轨海洋暗弱目标光学图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107833195B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202491B (zh) * | 2021-12-08 | 2022-09-09 | 深圳市研润科技有限公司 | 一种增强光学图像的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646267A (zh) * | 2011-12-12 | 2012-08-22 | 中国科学院深圳先进技术研究院 | 退化图像复原方法及系统 |
CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
CN105913390A (zh) * | 2016-04-07 | 2016-08-31 | 潍坊学院 | 一种图像去雾方法及系统 |
CN106204494A (zh) * | 2016-07-15 | 2016-12-07 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
KR101705536B1 (ko) * | 2015-10-08 | 2017-02-10 | 목포해양대학교 산학협력단 | 카메라 영상기반 안개 제거 방법 |
-
2017
- 2017-11-24 CN CN201711193771.7A patent/CN107833195B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646267A (zh) * | 2011-12-12 | 2012-08-22 | 中国科学院深圳先进技术研究院 | 退化图像复原方法及系统 |
KR101705536B1 (ko) * | 2015-10-08 | 2017-02-10 | 목포해양대학교 산학협력단 | 카메라 영상기반 안개 제거 방법 |
CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
CN105913390A (zh) * | 2016-04-07 | 2016-08-31 | 潍坊学院 | 一种图像去雾方法及系统 |
CN106204494A (zh) * | 2016-07-15 | 2016-12-07 | 潍坊学院 | 一种包含大面积天空区域的图像去雾方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107833195A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108492274B (zh) | 一种长波红外偏振特征提取与融合的图像增强方法 | |
CN109767439B (zh) | 一种自适应窗口的多尺度差异与双边滤波的目标检测方法 | |
Deng et al. | Infrared moving point target detection based on spatial–temporal local contrast filter | |
CN109325446B (zh) | 一种基于加权截断核范数的红外弱小目标检测方法 | |
CN109447073B (zh) | 一种基于张量鲁棒主成分分析的红外弱小目标检测方法 | |
CN107403134B (zh) | 基于局部梯度三边的图域多尺度红外弱小目标检测方法 | |
CN109215025B (zh) | 一种基于非凸秩逼近极小化的红外弱小目标检测方法 | |
CN105184804B (zh) | 基于机载红外相机航拍图像的海面小目标检测方法 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
Li et al. | A small target detection algorithm in infrared image by combining multi-response fusion and local contrast enhancement | |
CN111353496A (zh) | 一种红外弱小目标实时检测方法 | |
CN108038856B (zh) | 基于改进多尺度分形增强的红外小目标检测方法 | |
CN105469428B (zh) | 一种基于形态学滤波和svd的弱小目标检测方法 | |
CN107833195B (zh) | 在轨海洋暗弱目标光学图像增强方法 | |
Li et al. | Infrared dim target detection method inspired by human vision system | |
Balasubramanian et al. | Utilization of robust video processing techniques to aid efficient object detection and tracking | |
Wu et al. | Research on crack detection algorithm of asphalt pavement | |
Huang et al. | Infrared small target detection with directional difference of Gaussian filter | |
CN108537807A (zh) | 一种基于高分四号卫星影像改进的边缘增强检测方法 | |
CN114429593A (zh) | 基于快速导向滤波的红外小目标检测方法及其应用 | |
Liu et al. | Research on lane line segmentation algorithm based on deeplabv3 | |
CN104182971B (zh) | 一种高精度图像矩定位方法 | |
Ning et al. | Ship detection of infrared image in complex scene based on bilateral filter enhancement | |
CN109165569B (zh) | 基于ba算法的被动毫米波图像极化信息显示方法 | |
CN107909547B (zh) | 一种基于Stokes偏振图像相关性的偏振图像去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |