CN108520500B - 基于禁忌搜索的图像中天空区域的识别方法 - Google Patents
基于禁忌搜索的图像中天空区域的识别方法 Download PDFInfo
- Publication number
- CN108520500B CN108520500B CN201810284087.8A CN201810284087A CN108520500B CN 108520500 B CN108520500 B CN 108520500B CN 201810284087 A CN201810284087 A CN 201810284087A CN 108520500 B CN108520500 B CN 108520500B
- Authority
- CN
- China
- Prior art keywords
- image
- tabu
- pixel point
- points
- search
- 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 37
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000010845 search algorithm Methods 0.000 claims abstract description 8
- 238000006386 neutralization reaction Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 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
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于禁忌搜索的图像中天空区域的识别方法。该方法包括:获取图像中目标遮挡物的边界像素点;利用图像的中心像素点和边界像素点通过禁忌搜索算法搜索得到图像的禁忌搜索点;根据所有的禁忌搜索点和边界像素点的位置设置禁忌区域,将该禁忌区域识别为图像中目标遮挡物区域。本发明提出的基于禁忌搜索的图像中天空区域的识别方法通过对鱼眼镜头畸变图像的处理,可在有效地识别出图像中可见天空区域的同时,降低将遮挡区域识别为可见天空的风险等级。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种基于禁忌搜索的图像中天空区域的识别方法。
背景技术
GNSS(Global Navigation Satellite System,全球导航卫星系统))信号的可用性受星座几何形状的影响,国际上先后出现了Trimble Plan-ner、 GNSS Radar等卫星可用性分析和预测工具,可以实现给定时间和地点的GNSS 卫星的可用性预测。为了得出更可信的可用性分析结果,需要考虑本地遮挡情况。其中一种简单的评估方法是将接收机放置在待测地点,然后长时间运行获取足够多的数据,通过后处理的方式评估可用性。另一种方法是对应用环境进行3D建模,从而模拟出GNSS信号的实际可用性。上述方法耗时耗力,且结果的可信度难以保证。
R Akturan等人提出了利用鱼眼镜头采集图像分析卫星星座的遮挡情况, Marais等人首次分析了使用一次折射信号对于定位结果的影响,并提出了使用单一“鱼眼镜头”构建本地真实的可见天空范围,进而剔除折射信号及卫星的方法,并开发了相关的铁路应用工具PREDISAT,用于GALILEO导航系统的可用性评估。Meurie等人提出了一种基于色彩和纹理的图像处理方法,能够较好地提取可见天空。D Attia等人使用聚类算法对鱼眼镜头采集的图像进行分类,确定天空和非天空区域。
在铁路安全应用中使用鱼眼镜头获取可见天空时,不仅需要准确识别出可见天空区域,评估结果同时应具备高可信度和高安全性,即最大限度降低直至避免将非天空识别为可见天空的可能性,然而上述方案均不能满足这一要求。
发明内容
本发明的实施例提供了一种基于禁忌搜索的图像中天空区域的识别方法,以实现有效地识别出鱼眼镜头畸变图像中可见天空区域。
为了实现上述目的,本发明采取了如下技术方案。
一种基于禁忌搜索的图像中天空区域的识别方法,包括:
获取图像中目标遮挡物的边界像素点;
利用图像的中心像素点和边界像素点通过禁忌搜索算法搜索得到图像的禁忌搜索点;
根据所有的禁忌搜索点和边界像素点的位置设置禁忌区域,将该禁忌区域识别为图像中目标遮挡物区域。
进一步地,所述的利用图像的中心像素点和边界像素点通过禁忌搜索算法搜索得到图像的禁忌搜索点,包括:
当上面的等式(1)不成立,则判断像素点xi不为禁忌搜索点。
进一步地,所述的利用图像的中心像素点和边界像素点通过禁忌搜索算法搜索得到图像的禁忌搜索点,还包括:
选取所述图像中和像素点x1位于同一象限内的其它像素点,按照所述判断像素点xi是否为禁忌搜索点的处理过程,判断所述其它像素点是否为禁忌搜索点,依次类推,依次遍历所述图像中和像素点x1位于同一象限内的所有像素点,从所有像素点中搜索出所有的禁忌搜索点,进而获取所述像素点x1对应的一组禁忌搜索点。
进一步地,所述的根据所有的禁忌搜索点和边界像素点的位置设置禁忌区域,将该禁忌区域识别为图像中目标遮挡物区域,包括:
根据边界像素点和对应的一组禁忌搜索点的位置,根据几何原理获取包含边界像素点和对应的一组禁忌搜索点的最小区域,将所述最小区域作为禁忌区域,该禁忌区域在图像的天空区域判断过程中直接判别为目标遮挡物区域,排除在天空区域之外;
遍历图像中的所有边界像素点,根据上述处理过程结合公式(1)分别计算出每个边界像素点对应的一组禁忌搜索点,并分别获得每个边界像素点对应的禁忌区域,将所有的禁忌区域进行合并,得到最终禁忌区域,该最终禁忌区域在图像的天空区域判断过程中直接判别为目标遮挡物区域,排除在天空区域之外。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例提出的基于禁忌搜索的图像中天空区域的识别方法通过对鱼眼镜头畸变图像的处理,可在有效地识别出图像中可见天空区域的同时,降低将遮挡区域识别为可见天空的风险等级。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于禁忌搜索的图像中天空区域的识别方法的处理流程图;
图2为本发明实施例提供的一种禁忌区域的应用示例示意图;
图3为本发明实施例提供的一种鱼眼镜头采集的原始图像;
图4为本发明实施例提供的一种传统区域生长算法进行图像处理后的结果示意图;
图5为本发明实施例提供的一种本发明所提出的算法进行图像处理后的结果示意图;
图6为本发明实施例提供的一种描述了传统的区域生长算法和本发明所提出的算法的结果比较示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语 (包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
实施例一
本发明实施例提出了一种基于禁忌搜索的图像中天空区域的识别方法,该方法通过对鱼眼镜头畸变图像的处理,可在识别可见天空区域的同时,降低将遮挡区域识别为可见天空的风险等级。
本发明实施例提供的一种基于禁忌搜索的图像中天空区域的识别方法的处理流程如图1所示,包括如下的处理步骤:
步骤S110、通过算法获取图像中目标遮挡物的边界像素点。
通过鱼眼镜头采集目标遮挡物的椭圆形的图像,通过8-邻域区域生长算法获取上述图像中的目标遮挡物的边界像素点。
并且,找到上述图像的中心像素点。
步骤S120、利用图像的中心像素点和边界像素点通过禁忌搜索算法搜索得到图像的禁忌搜索点。
当下面的等式(1)成立,则判断所述斜率与所述斜率相近,像素点 xi为禁忌搜索点,该禁忌搜索点在图像的天空区域判断过程中之间判别为遮挡物,排除在天空区域之外;当下面的等式(1)不成立,则判断像素点xi不为禁忌搜索点。
选取上述图像中和像素点x1位于同一象限内的其它像素点,按照上述的判断像素点xi是否为禁忌搜索点的处理过程,判断上述其它像素点是否为禁忌搜索点。依次类推,依次遍历上述图像中和像素点x1位于同一象限内的所有像素点,从所有像素点中搜索出所有的禁忌搜索点,进而获取所述像素点x1对应的一组禁忌搜索点。
步骤S130、根据所有的禁忌搜索点和边界像素点的位置设置一个禁忌区域,将该禁忌区域识别为目标遮挡物区域。
每一个像素边界点由公式(1)可获得一组禁忌搜索点,根据边界像素点和对应的一组禁忌搜索点的位置,根据几何原理获取包含边界像素点和对应的一组禁忌搜索点的最小区域。将上述最小区域作为禁忌区域,该禁忌区域在图像的天空区域判断过程中直接判别为目标遮挡物区域,排除在天空区域之外。
在实际应用中,可以将边界像素点分别和每个禁忌搜索点之间用直线连接,利用连接边界像素点和禁忌搜索点的所有直线构造包含边界像素点和对应的一组禁忌搜索点的最小区域。
上述禁忌区域等效为将目标边界点上的遮挡物沿建筑实际“上边界”垂直向地面方向的所有区域标定为非天空,这符合遮挡物的实际情况。同时,由于遮挡物在图像中所处物理位置不同产生的畸变也不相同,要求算法设置的禁忌区需要足够大,以保证禁忌区域能够完全包含实际遮挡物(如遮挡物、树枝等),算法以损失部分可见天空为代价,降低将遮挡区域识别为可见天空的风险。
遍历图像中的所有边界像素点,根据上述处理过程结合公式(1)分别计算出每个边界像素点对应的一组禁忌搜索点,并分别获得每个边界像素点对应的禁忌区域,进而完成所有禁忌搜索点、所有禁忌区域的计算。然后,将所有的禁忌区域进行合并,得到最终禁忌区域。该最终禁忌区域在图像的天空区域判断过程中直接判别为目标遮挡物区域,排除在天空区域之外。
实施例二
图2为本发明实施例提供的一种禁忌区域的应用示例示意图。由于鱼眼镜头的桶形畸变,遮挡物从顶端到地面的剖面被分配到图2中黑色圆点所在的像素单元格,而且越是远离图像中心,遮挡被分配的像素单元格越多。因此,想要“安全”地排除该区域,合理的方式为引入禁忌区域,离图像中心点越远,则禁忌的区域越大。
以下为算法示例,其中图3为鱼眼镜头采集的原始图像,图4为传统区域生长算法进行图像处理后的结果示意图,图5为本发明所提出的算法进行图像处理后的结果示意图。图6描述了传统的区域生长算法和本发明改进算法的结果比较示意图。
综上所述,本发明实施例提出的基于禁忌搜索的图像中天空区域的识别方法通过对鱼眼镜头畸变图像的处理,可在有效地识别出图像中可见天空区域的同时,降低将遮挡区域识别为可见天空的风险等级。
本发明实施例针对铁路安全应用对于导航卫星空间信号可用性分析结果的高可信要求,提出了一种基于禁忌搜索的图像处理算法,算法不仅能够从图像中有效地识别可见的天空区域,而且具有“保守”估计特性,即算法以牺牲部分可见天空来保障被识别为可见天空的区域的高可信性。本发明所设计的适用于铁路应用的可用性分析方案能够提供“保守”的可见卫星状态,从而提供可信的可见天空区域。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,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。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种基于禁忌搜索的图像中天空区域的识别方法,其特征在于,包括:
获取图像中目标遮挡物的边界像素点;
利用图像的中心像素点和边界像素点通过禁忌搜索算法搜索得到图像的禁忌搜索点;
根据所有的禁忌搜索点和边界像素点的位置设置禁忌区域,将该禁忌区域识别为图像中目标遮挡物区域;
所述的利用图像的中心像素点和边界像素点通过禁忌搜索算法搜索得到图像的禁忌搜索点,包括:
所述的利用图像的中心像素点和边界像素点通过禁忌搜索算法搜索得到图像的禁忌搜索点,还包括:
选取所述图像中和像素点x1位于同一象限内的其它像素点,按照所述判断像素点xi是否为禁忌搜索点的处理过程,判断所述其它像素点是否为禁忌搜索点,依次类推,依次遍历所述图像中和像素点x1位于同一象限内的所有像素点,从所有像素点中搜索出所有的禁忌搜索点,进而获取所述像素点x1对应的一组禁忌搜索点;
所述的根据所有的禁忌搜索点和边界像素点的位置设置禁忌区域,将该禁忌区域识别为图像中目标遮挡物区域,包括:
根据边界像素点和对应的一组禁忌搜索点的位置,根据几何原理获取包含边界像素点和对应的一组禁忌搜索点的最小区域,将所述最小区域作为禁忌区域,该禁忌区域在图像的天空区域判断过程中直接判别为目标遮挡物区域,排除在天空区域之外;
遍历图像中的所有边界像素点,根据上述处理过程结合公式(1)分别计算出每个边界像素点对应的一组禁忌搜索点,并分别获得每个边界像素点对应的禁忌区域,将所有的禁忌区域进行合并,得到最终禁忌区域,该最终禁忌区域在图像的天空区域判断过程中直接判别为目标遮挡物区域,排除在天空区域之外。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810284087.8A CN108520500B (zh) | 2018-04-02 | 2018-04-02 | 基于禁忌搜索的图像中天空区域的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810284087.8A CN108520500B (zh) | 2018-04-02 | 2018-04-02 | 基于禁忌搜索的图像中天空区域的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108520500A CN108520500A (zh) | 2018-09-11 |
CN108520500B true CN108520500B (zh) | 2020-07-17 |
Family
ID=63431567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810284087.8A Active CN108520500B (zh) | 2018-04-02 | 2018-04-02 | 基于禁忌搜索的图像中天空区域的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108520500B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109430984A (zh) * | 2018-12-12 | 2019-03-08 | 云南电网有限责任公司电力科学研究院 | 一种适用于电力场所的图像化智能安全盔 |
CN113449126B (zh) * | 2020-03-24 | 2023-07-14 | 中移(成都)信息通信科技有限公司 | 图像检索方法、装置、电子设备及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001008098A1 (en) * | 1999-07-21 | 2001-02-01 | Obvious Technology, Inc. | Object extraction in images |
CN101901342A (zh) * | 2009-05-27 | 2010-12-01 | 深圳迈瑞生物医疗电子股份有限公司 | 影像目标区域的提取方法和装置 |
CN102156970A (zh) * | 2011-04-14 | 2011-08-17 | 复旦大学 | 基于畸变直线斜率计算的鱼眼图像校正方法 |
CN103761743A (zh) * | 2014-01-29 | 2014-04-30 | 东北林业大学 | 一种基于图像融合分割的实木地板表面缺陷检测方法 |
CN104156946A (zh) * | 2014-07-17 | 2014-11-19 | 西北工业大学 | 一种空间绳系机器人抓捕区域内的障碍物检测方法 |
-
2018
- 2018-04-02 CN CN201810284087.8A patent/CN108520500B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001008098A1 (en) * | 1999-07-21 | 2001-02-01 | Obvious Technology, Inc. | Object extraction in images |
CN101901342A (zh) * | 2009-05-27 | 2010-12-01 | 深圳迈瑞生物医疗电子股份有限公司 | 影像目标区域的提取方法和装置 |
CN102156970A (zh) * | 2011-04-14 | 2011-08-17 | 复旦大学 | 基于畸变直线斜率计算的鱼眼图像校正方法 |
CN103761743A (zh) * | 2014-01-29 | 2014-04-30 | 东北林业大学 | 一种基于图像融合分割的实木地板表面缺陷检测方法 |
CN104156946A (zh) * | 2014-07-17 | 2014-11-19 | 西北工业大学 | 一种空间绳系机器人抓捕区域内的障碍物检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108520500A (zh) | 2018-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102266830B1 (ko) | 차선 결정 방법, 디바이스 및 저장 매체 | |
CN107154040B (zh) | 一种隧道衬砌表面图像裂缝检测方法 | |
CN109840553B (zh) | 耕地作物类型的提取方法及系统、存储介质、电子设备 | |
CN104931022B (zh) | 基于星载激光测高数据的卫星影像立体区域网平差方法 | |
CN110889327B (zh) | 一种基于热红外图像的水域周边排污口智能检测方法 | |
CN113012215B (zh) | 一种空间定位的方法、系统及设备 | |
CN102855628B (zh) | 多源多时相高分辨率卫星遥感影像自动匹配方法 | |
CN104966063A (zh) | 基于gpu与cpu协同计算的矿井多摄像机视频融合方法 | |
CN113240887A (zh) | 边坡落石崩塌监测方法、装置及设备 | |
CN115236655A (zh) | 基于全极化sar的滑坡识别方法、系统、设备及介质 | |
CN114463308B (zh) | 一种无人机视角光伏组件视觉检测方法、装置及处理设备 | |
CN108520500B (zh) | 基于禁忌搜索的图像中天空区域的识别方法 | |
CN112308913A (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN112017238A (zh) | 一种线状物体的空间位置信息确定方法及装置 | |
CN107463944B (zh) | 一种利用多时相高分辨率sar图像的道路信息提取方法 | |
CN109883400B (zh) | 基于yolo-sitcol的固定站自动目标检测与空间定位方法 | |
CN117557584B (zh) | 水体提取方法、装置、电子设备及存储介质 | |
CN111862208B (zh) | 一种基于屏幕光通信的车辆定位方法、装置及服务器 | |
CN110826364A (zh) | 一种库位识别方法及装置 | |
CN116879886A (zh) | 一种微变监测雷达分级连通滑坡面预警方法 | |
CN115077563A (zh) | 车辆定位精度评价方法、装置及电子设备 | |
CN103473787A (zh) | 一种基于空间几何关系的桥梁上运动目标检测方法 | |
CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 | |
CN109685837B (zh) | 一种基于地物结构相似度的异源遥感影像配准方法 | |
CN112633158A (zh) | 一种输电线路走廊车辆识别方法、装置、设备和存储介质 |
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 |