CN109034161A - 基于雷达视频图像帧间关联的海冰识别方法 - Google Patents
基于雷达视频图像帧间关联的海冰识别方法 Download PDFInfo
- Publication number
- CN109034161A CN109034161A CN201810763967.3A CN201810763967A CN109034161A CN 109034161 A CN109034161 A CN 109034161A CN 201810763967 A CN201810763967 A CN 201810763967A CN 109034161 A CN109034161 A CN 109034161A
- Authority
- CN
- China
- Prior art keywords
- image
- radar
- interframe
- video image
- recognition method
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于雷达视频图像帧间关联的海冰识别方法,其中包括对当前帧雷达图像进行帧间积累,设置门限T1利用全局阈值分割法对对积累图像进行阈值分割得到图像1,设置门限T2利用全局阈值分割法对原始雷达视频图像分割得到图像2,选取连续的2幅雷达图像,对其划分成多个局部窗口,分别计算各窗口的相关系数,利用最大类方差对其进行分割得到图像3,对图像1图像2图像3进行与运算,完成冰水分离。
Description
技术领域
本发明涉及雷达海洋遥感领域,尤其涉及基于雷达图像的海冰检测识别技术
背景技术
在海冰监测技术领域,雷达海冰监测技术具有监测范围大、实时性好、全天候工作以及成本低的优势,在海洋科学研究中有着巨大的应用价值。
传统的基于冰水回波强度特征对单帧雷达图像进行阈值分割的识别技术在杂波较强的情况下很难达到理想的效果。从多帧雷达图像冰水的相关性进行分析,海冰属于固定或者慢速运动目标,相关性强,海杂波则完全不具备相关性。基于这一特性,本发明提出了一种全新的冰水识别方法,可在强杂波背景下有效区分海冰和海水。
发明内容
本发明提供了一种基于雷达图像的海冰检测识别方法,基于海冰和海水分别在多帧雷达图像之间的强相关性和弱相关性,利用雷达图像帧间积累技术对海冰和海水进行分类识别。
本发明的技术解决方案为:对当前帧雷达视频图像进行帧间积累,利用全局阈值分割技术对帧间积累图像和原始视频图像进行分割得到图像1和图像2,选取连续的2幅雷达图像划分成多个局部窗口,分别计算各窗口的相关系数,利用最大类方差法进行分割得到图像3,最后对图像1图像2图像3进行与运算,完成冰水分离。
附图及说明
图1为本发明的设计流程图。
具体实施方式
本发明对当前帧雷达图像进行帧间积累,设置门限T1利用全局阈值分割法对对积累图像进行阈值分割得到图像1,设置门限T2利用全局阈值分割法对原始雷达视频图像分割得到图像2,选取连续的2幅雷达图像,对其划分成多个局部窗口,分别计算各窗口的相关系数,利用最大类方差对其进行分割得到图像3,对图像1图像2图像3进行与运算,完成冰水分离。具体实施步骤可分为以下几个步骤:
1.对当前帧雷达图像进行帧间积累,可由下列公式实现积累。
式中表示第k帧图像积累后的雷达回波强度,Ak表示第k帧的雷达回波强度,表示第k-1帧的雷达回波强度,α表示迭代系数,一般取值0.125。
2.设定强度阈值T1对积累后的雷达图像做阈值分割处理,大于阈值强度记1,小于阈值强度记0。
3.设定强度阈值T2对当前帧原始雷达图像做阈值分割处理,大于阈值强度记1,小于阈值强度记0。
4.选取时间连续的两幅雷达图像,分别划分成多个局部窗口,计算两幅图像中每个对应的局部窗口的相关系数,可由下列公式实现计算。
上式中r表示相关系数,X表示第一幅雷达视频图像强度值,Y表示第二幅雷达图像强度值。
5.利用最大类间方差分析法对第4步得到的相关图像进行阈值分割,大于阈值记1,小于阈值记0,最大类间方差分析法具体实现方式为:
假定分割阈值为t,将相关系数划分为两类,小于t属于海冰区,记为A;大于t属于海水区,记为B,分别计算A和B类的概率,记为wA和wB;分别计算A和B的平均值uA和uB;计算全图的平均值为u,则两类方差可以定义为:
分割阈值t*则为
上式代表的含义为在雷达相关图像区间遍历t值,使得海冰区和海水区的类间方差最大。
6)对步骤2步骤3步骤4得到的二值化图像做与运算,1则代表海冰,0则代表海水,完成冰水分离。
Claims (6)
1.基于雷达视频图像帧间关联的海冰识别方法,其特征在于:对当前帧雷达视频图像进行帧间积累,利用全局阈值分割技术对帧间积累图像和原始视频图像进行分割得到图像1和图像2,选取连续的2幅雷达图像划分成多个局部窗口,分别计算各窗口的相关系数,利用最大类方差法进行分割得到图像3,最后对图像1图像2图像3进行与运算,完成冰水分离。
2.根据权利1所述的基于雷达视频图像帧间关联的海冰识别方法,其特征在于:采用下列公式对当前帧雷达图像进行积累:
式中表示第k帧图像积累后的雷达回波强度,Ak表示第k帧的雷达回波强度,表示第k-1帧的雷达回波强度,α表示迭代系数。
3.根据权利要求1或2所述的基于雷达视频图像帧间关联的海冰识别方法,其特征在于:设定强度阈值T1对积累后的雷达图像做阈值分割处理,得到图像1。
4.根据权利1或2所述的基于雷达视频图像帧间关联的海冰识别方法,其特征在于:设定强度阈值T2对当前帧原始雷达图像做阈值分割处理,得到图像2。
5.根据权利1或2所述的基于雷达视频图像帧间关联的海冰识别方法,其特征在于:选取连续的2幅雷达视频图像划分成多个局部窗口,计算各窗口的相关系数,利用最大类方差法对其进行阈值分割得到图像3。
6.根据权利1或2所述的基于雷达视频图像帧间关联的海冰识别方法,其特征在于:对得到的图像1图像2图像3做与运算,完成冰水分离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810763967.3A CN109034161B (zh) | 2018-07-12 | 2018-07-12 | 基于雷达视频图像帧间关联的海冰识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810763967.3A CN109034161B (zh) | 2018-07-12 | 2018-07-12 | 基于雷达视频图像帧间关联的海冰识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109034161A true CN109034161A (zh) | 2018-12-18 |
CN109034161B CN109034161B (zh) | 2022-06-17 |
Family
ID=64642428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810763967.3A Active CN109034161B (zh) | 2018-07-12 | 2018-07-12 | 基于雷达视频图像帧间关联的海冰识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109034161B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115792898A (zh) * | 2022-12-09 | 2023-03-14 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种基于x波段目标监视雷达的浮冰探测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813343A (zh) * | 2013-08-27 | 2015-07-29 | Lsi公司 | 具有边缘选择功能的图像处理器 |
CN106778488A (zh) * | 2016-11-22 | 2017-05-31 | 中国民航大学 | 基于图像相关性的低照度烟雾视频检测方法 |
-
2018
- 2018-07-12 CN CN201810763967.3A patent/CN109034161B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104813343A (zh) * | 2013-08-27 | 2015-07-29 | Lsi公司 | 具有边缘选择功能的图像处理器 |
CN106778488A (zh) * | 2016-11-22 | 2017-05-31 | 中国民航大学 | 基于图像相关性的低照度烟雾视频检测方法 |
Non-Patent Citations (2)
Title |
---|
QIANG LI 等: "A speed-up seed point otsu method for ship detection in various scenarios", 《2016 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
何友 等: "海杂波中的雷达目标检测技术综述", 《现代雷达》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115792898A (zh) * | 2022-12-09 | 2023-03-14 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种基于x波段目标监视雷达的浮冰探测方法 |
CN115792898B (zh) * | 2022-12-09 | 2023-11-28 | 中船鹏力(南京)大气海洋信息系统有限公司 | 一种基于x波段目标监视雷达的浮冰探测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109034161B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490904B (zh) | 一种弱小目标检测与跟踪方法 | |
CN103761746A (zh) | 基于感兴趣区域相似性特征和根据极值选取参考帧的周期行为的检测方法 | |
CN104217215A (zh) | 一种水面有雾图像和清晰图像的分类识别方法 | |
CN102663700B (zh) | 粘连颗粒二值图像的分割方法 | |
CN110378921B (zh) | 基于浮泥流变特性与灰度共生矩阵的航道底质层界智能识别方法 | |
CN105427301B (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
CN104504652A (zh) | 一种快速有效保留边缘及方向特征的图像去噪方法 | |
CN103955949A (zh) | 基于Mean-shift算法的运动目标检测方法 | |
CN107705313A (zh) | 一种遥感图像舰船目标分割方法 | |
CN105869174A (zh) | 一种天空场景图像分割方法 | |
CN102314681A (zh) | 基于子镜头分割的自适应关键帧提取方法 | |
CN109034161A (zh) | 基于雷达视频图像帧间关联的海冰识别方法 | |
CN105741262A (zh) | 基于能量聚集度测度的海陆杂波场景分割方法 | |
CN102509308A (zh) | 基于混合动态纹理空时显著性检测的运动分割方法 | |
CN108508425B (zh) | 雷达近地背景噪声下基于邻域特征的前景目标检测方法 | |
Holtzman-Gazit et al. | Salient edges: A multi scale approach | |
CN103413138A (zh) | 一种红外图像序列中点目标检测方法 | |
Ren et al. | Effective SAR sea ice image segmentation and touch floe separation using a combined multi-stage approach | |
CN106780545A (zh) | 一种结合时空域的弱小目标能量累积增强方法 | |
CN103810487A (zh) | 一种海洋航拍图像的目标检测与识别方法及系统 | |
CN104166975A (zh) | 一种复杂环境下低空红外目标检测算法 | |
CN103489201A (zh) | 基于运动模糊信息的目标跟踪方法 | |
CN109325467A (zh) | 一种基于视频检测结果的车辆跟踪方法 | |
CN105825514B (zh) | 基于剪切波系数概率密度分布的图像边缘检测方法 | |
CN104616011B (zh) | 基于梯度信息和块状区域组合先验的mrf车牌去噪算法 |
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 |