CN109165628B - 提高动目标检测精度的方法、装置、电子设备及存储介质 - Google Patents

提高动目标检测精度的方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN109165628B
CN109165628B CN201811065504.6A CN201811065504A CN109165628B CN 109165628 B CN109165628 B CN 109165628B CN 201811065504 A CN201811065504 A CN 201811065504A CN 109165628 B CN109165628 B CN 109165628B
Authority
CN
China
Prior art keywords
images
result
hyperspectral
difference
hyperspectral images
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
Application number
CN201811065504.6A
Other languages
English (en)
Other versions
CN109165628A (zh
Inventor
周春平
宫辉力
李小娟
李想
杨灿坤
孟冠嘉
钟若飞
张可
郭姣
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.)
Chinamap Hi Tech Beijing Information Technology Co ltd
Capital Normal University
Original Assignee
Chinamap Hi Tech Beijing Information Technology Co ltd
Capital Normal University
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 Chinamap Hi Tech Beijing Information Technology Co ltd, Capital Normal University filed Critical Chinamap Hi Tech Beijing Information Technology Co ltd
Priority to CN201811065504.6A priority Critical patent/CN109165628B/zh
Publication of CN109165628A publication Critical patent/CN109165628A/zh
Application granted granted Critical
Publication of CN109165628B publication Critical patent/CN109165628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Abstract

本发明涉及提高动目标检测精度的方法、装置、电子设备及存储介质，属于数据处理技术领域。该方法包括：获取针对同一个区域成像的不同谱段的至少三幅高光谱图像；根据预设配准算法对至少三幅高光谱图像进行图像配准；以相邻时刻的三幅高光谱图像为一组对配准后的至少三幅高光谱图像进行分组，基于帧差法分别对每组图像进行差分处理，得到前两幅图像的第一差分结果和后两幅图像的第二差分结果；分别将每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果。本申请中，基于多幅不同谱段同一地区的高光谱图像，采用三帧差分法进行差分处理，并将差分结果与运算以排除背景变化引起的虚警，从而提高动目标检测精度。

Description

提高动目标检测精度的方法、装置、电子设备及存储介质
技术领域
本发明属于数据处理技术领域，具体涉及一种提高动目标检测精度的方法、装置、电子设备及存储介质。
背景技术
卫星图像的动目标检测是将卫星图像中的运动目标与背景分离，光学卫星图像中的多光谱图像和全色图像是动目标检测的良好数据，在军事遥感、智能交通等领域应用广泛。本申请发明人在发明本申请的过程中发现：以往的动目标检测方法有两帧差分法、减背景法以及光流法，由于同一地物不同谱段的光谱特征不同，反映到图像上就是灰度值有变化，这些检测方法应用于图像动目标检测不免会出现问题，导致动目标检测精度降低。
发明内容
鉴于此，本发明的目的在于提供一种提高动目标检测精度的方法、装置、电子设备及存储介质，以有效地改善上述问题。
本发明的实施例是这样实现的：
第一方面，本发明实施例提供了一种提高动目标检测精度的方法，获取针对同一个区域成像的不同谱段的至少三幅高光谱图像；根据预设配准算法对所述至少三幅高光谱图像进行图像配准；以相邻时刻的三幅高光谱图像为一组对配准后的所述至少三幅高光谱图像进行分组，基于帧差法分别对每组图像进行差分处理，得到前两幅图像的第一差分结果和后两幅图像的第二差分结果；分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果。
结合第一方面的一种可选的实施方式，所述至少三幅高光谱图像包含至少4幅高光谱图像时，在所述分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果之后，所述方法还包括：将相邻两组图像的运动目标检测结果进行与运算，并根据与运算的结果来更正相邻两组图像中的每组图像的运动目标检测结果，得到新的运动目标检测结果。
结合第一方面的又一种可选的实施方式，在所述获取针对同一个区域成像的不同谱段的至少三幅高光谱图像之后，所述方法还包括：对所述至少三幅高光谱图像中的每幅图像进行数据预处理，得到预处理后的至少三幅高光谱图像；相应地，所述根据预设配准算法对所述至少三幅高光谱图像进行图像配准，包括：根据预设配准算法对所述预处理后的至少三幅高光谱图像进行图像配准。
结合第一方面的又一种可选的实施方式，所述对所述至少三幅高光谱图像中的每幅图像进行数据预处理，包括：对所述至少三幅高光谱图像中的每幅图像的原始数据DN值进行辐射校正以及几何校正处理。
结合第一方面的又一种可选的实施方式，根据预设配准算法对所述至少三幅高光谱图像进行图像配准，包括：基于特征点以及特征区域的配准算法对所述至少三幅高光谱图像进行图像配准。
第二方面，本发明还实施例提供了一种提高动目标检测精度的装置，包括：获取模块、配准模块、分组差分模块以及运算模块；获取模块，用于获取针对同一个区域成像的不同谱段的至少三幅高光谱图像；配准模块，用于根据预设配准算法对所述至少三幅高光谱图像进行图像配准；分组差分模块，用于以相邻时刻的三幅高光谱图像为一组对配准后的所述至少三幅高光谱图像进行分组，基于帧差法分别对每组图像进行差分处理，得到前两幅图像的第一差分结果和后两幅图像的第二差分结果；运算模块，分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果。
结合第二方面的一种可选的实施方式，所述至少三幅高光谱图像包含至少4幅高光谱图像时，所述运算模块，还用于将相邻两组图像的运动目标检测结果进行与运算，得到新的运动目标检测结果。
结合第二方面的又一种可选的实施方式，所述装置还包括：预处理模块，用于对所述至少三幅高光谱图像中的每幅图像进行数据预处理，得到预处理后的至少三幅高光谱图像；相应地，所述配准模块还用于根据预设配准算法对所述预处理后的至少三幅高光谱图像进行图像配准。
结合第二方面的又一种可选的实施方式，所述预处理模块，还用于对所述至少三幅高光谱图像中的每幅图像的原始数据DN值进行辐射校正以及几何校正处理。
结合第二方面的又一种可选的实施方式，所述配准模块还用于基于特征点以及特征区域的配准算法对所述至少三幅高光谱图像进行图像配准。
第三方面，本发明还实施例提供了一种电子设备，包括存储器和存储器，所述存储器和所述处理器连接；所述存储器用于存储程序；所述处理器用于调用存储于所述存储器中的程序，以执行第一方面和/或结合第一方面的任意一种可选的实施方式提供的方法。
第四方面，本发明还实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行第一方面和/或结合第一方面的任意一种可选的实施方式提供的方法。
本发明实施例提供的提高动目标检测精度的方法，包括：获取针对同一个区域成像的不同谱段的至少三幅高光谱图像；根据预设配准算法对所述至少三幅高光谱图像进行图像配准；以相邻时刻的三幅高光谱图像为一组对配准后的所述至少三幅高光谱图像进行分组，基于帧差法分别对每组图像进行差分处理，得到前两幅图像的第一差分结果和后两幅图像的第二差分结果；分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果。本申请中，基于多幅不同谱段同一地区的高光谱图像，采用三帧差分法进行差分处理，并将差分结果与运算以排除背景变化引起的虚警，从而提高动目标检测精度。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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。通过附图所示，本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本发明的主旨。
图1示出了本发明实施例提供的一种电子设备的结构示意图。
图2示出了本发明一实施例提供的一种提高动目标检测精度的方法的流程图。
图3示出了本发明实施例提供的第二次与运算的过程示意图。
图4示出了本发明又一实施例提供的一种提高动目标检测精度的方法的过程示意图。
图5示出了本发明实施例提供的一种提高动目标检测精度的装置的模块示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。再者，本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
第一实施例
如图1所示，图1示出了本发明实施例提供的一种电子设备100的结构框图。所述电子设备100包括：提高动目标检测精度的装置110、存储器120、存储控制器130和处理器140。
所述存储器120、存储控制器130、处理器140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述提高动目标检测精度的装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块，例如所述提高动目标检测精度的装置110包括的软件功能模块或计算机程序。
其中，存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read－Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read－Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read－Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器140在接收到执行指令后，执行所述程序，后述本发明实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器140中，或者由处理器140实现。
处理器140可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第二实施例
请参阅图2，为本发明实施例提供的一种应用于上述电子设备100的提高动目标检测精度的方法，下面将结合图2对其所包含的步骤进行说明。
步骤S101：获取针对同一个区域成像的不同谱段的至少三幅高光谱图像。
获取针对同一个区域成像的不同谱段的至少三幅高光谱图像。本申请中，利用高光谱传感器不同谱段对同一地物成像具有时间差的特点，获取针对同一个区域成像的不同谱段的至少三幅高光谱图像。高光谱成像的每个波段宽度在10nm以内，相对于波段宽度为100至200nm的多光谱图像、波段宽度为300nm左右的全色图像而言，对地物的分辨能力大大提高，“同物异谱”和“异物同谱”现象得到有效抑制，同时高光谱传感器不同谱段对同一地物成像存在时间差，因此本申请中基于高光谱图像的动目标检测，则与背景光谱特性相似的动目标就能与之区分，提高检测率。
其中，为了便于理解高光谱传感器不同谱段对同一地物成像具有时间差的特点，下面以推扫式高光谱传感器为例，该传感器有多个谱段，在某一时刻，第一个谱段对地区I成像，卫星运动一段时间后，第一个谱段对地区II成像，第二谱段对地区I成像；随卫星运动，第一谱段对物III成像，第二谱段对地区II成像，第三谱段对地区I成像。因此，同一地区的不同谱段图像有一定的时间差，运动目标的位置也发生了变化。
其中，需要说明的是，本申请发明人在发明本申请的过程中发现：现有动目标检测是基于多光谱图像以及全色图像进行的。其中，多光谱图像动目标检测是通过不同光谱图像对同一地物的成像时滞实现对快速运动目标的检测，全色图像的动目标检测是使用卫星视频的相邻帧或同一地区不同时间获取的全色图像进行动目标检测，这两种图像都存在由于某些动目标与背景(如暗色运动车辆与沥青路面)在这些光谱区间无法区分的现象，导致检测率降低。
需要说明的是，针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案，都应该是发明人在本发明过程中对本发明做出的贡献。
步骤S102：根据预设配准算法对所述至少三幅高光谱图像进行图像配准。
获取到针对同一个区域成像的不同谱段的至少三幅高光谱图像后，根据预设配准算法对所述至少三幅高光谱图像进行图像配准。在图像配准时，可以是基于特征点的配准算法进行自动配准，也可以是基于特征区域的配准算法进行自动配准，也可以是基于特征点以及特征区域的配准算法对所述至少三幅高光谱图像进行图像配准。其中，需要说明的是，卫星飞行过程图像背景不一定能完全相同，因此需要对多幅图像进行影像自动配准，使每幅影像的背景点对应。
步骤S103：以相邻时刻的三幅高光谱图像为一组对配准后的所述至少三幅高光谱图像进行分组，基于帧差法分别对每组图像进行差分处理，得到前两幅图像的第一差分结果和后两幅图像的第二差分结果。
对至少三幅高光谱图像进行图像配准后，以相邻时刻的三幅高光谱图像为一组的分组规则对配准后的所述至少三幅高光谱图像进行分组，若至少三幅高光谱图像的数量为3时，则为一组；若至少三幅高光谱图像的数量为4时，则可以分为两组，即前三幅图像为一组，后三幅图像为一组；若至少三幅高光谱图像的数量为5时，则可以分为三组，例如，前三幅(1、2、3)为一组，中间三幅(2、3、4)为一组，后三幅(3、4、5)为一组。其余情况与之类似。
基于帧差法分别对每组图像进行差分处理，得到前两幅图像的第一差分结果和后两幅图像的第二差分结果。具体过程如下：
假设k为中间时刻，用k时刻图像fk(x，y)减去配准后的k－1时刻图像fk-1(x，y)，得到运动变化图像g1(x，y)，再用k时刻图像减去配准后的k+1时刻图像fk+1(x，y)，得到运动变化图像g2(x，y)。
g1(x，y)与g2(x，y)的计算方法为：
Figure GDA0003532698070000091
Figure GDA0003532698070000092
式中T1和T2为阈值，两幅图像灰度差的绝对值大于(包括等于)阈值则将像元标记为1，视为运动目标候选区域，小于阈值则标记为0，视为未变化区域。其中，g1(x，y)为前两幅图像的第一差分结果，g2(x，y)为后两幅图像的第二差分结果。
步骤S104：分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果。
得到每组图像中的前两幅图像的第一差分结果和后两幅图像的第二差分结果后，分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果。即将每组图像中的g1(x，y)与g2(x，y)进行与计算得到运动目标检测结果D(x，y)。计算方法为：
Figure GDA0003532698070000093
同一位置若在g1(x，y)与g2(x，y)中均被认定为运动目标，则此位置为k时刻图像中的运动目标，检测结果Dk(x，y)中标记为1的是k时刻的运动目标。
本申请中，采用三帧差分法对相邻时刻的三幅高光谱图像进行差分处理，然后再将前两幅图像进行差分处理的差分结果和后两幅图像进行差分处理的差分结果与运算以排除背景变化引起的虚警，从而提高动目标检测精度。相对于现有的动目标检测方法来说，检测精度更高。
其中，需要说明的是，本申请发明人在发明本申请的过程中发现：以往的动目标检测方法有两帧差分法、减背景法以及光流法，由于同一地物不同谱段的光谱特征不同，反映到图像上就是灰度值有变化，这些检测方法应用于图像动目标检测不免会出现问题，导致动目标检测精度降低。进一步地，两帧差分法：若不同谱段图像的同一非动目标物体光谱特征有过大差异，表现为灰度值急剧变化，则会将其误判为动目标。减背景法：减背景法首先要建立背景模型，一般采用的方法就是将同区域多幅图像的灰度未变化像元视为背景，但高光谱图像多谱段数据即使是静态目标也存在微弱灰度变化，会导致背景建立不准确，差分后会产生大量虚警。光流法：计算过程复杂，数据过多会影响检测效率。
需要说明的是，针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本发明实施例针对上述问题所提出的解决方案，都应该是发明人在本发明过程中对本发明做出的贡献。
作为一种可选的实施方式，在所述获取针对同一个区域成像的不同谱段的至少三幅高光谱图像之后，所述方法还包括：对所述至少三幅高光谱图像中的每幅图像进行数据预处理，得到预处理后的至少三幅高光谱图像；相应地，所述根据预设配准算法对所述至少三幅高光谱图像进行图像配准，包括：根据预设配准算法对所述预处理后的至少三幅高光谱图像进行图像配准。
其中，需要说明的是，在对至少三幅高光谱图像中的每幅图像进行数据预处理时，可以是对所述至少三幅高光谱图像中的每幅图像的原始数据DN(Digital Number)值进行辐射校正，也可以是对所述至少三幅高光谱图像中的每幅图像的原始数据DN值进行几何校正处理，也可以是对所述至少三幅高光谱图像中的每幅图像的原始数据DN值进行辐射校正以及几何校正处理。
其中，因太阳位置、角度、大气条件、地形影响及传感器本身的性能影响，传感器记录的遥感图像原始数据DN值与地物的真实的光谱反射率不一致，要经过光谱定标、辐射定标、大气校正等辐射校正，获得地物真实的光谱反射率以便比较图像。其中，光谱定标确定遥感传感器每个波段的中心波长、带宽、光谱响应函数；辐射定标通过各光谱通道的增益和偏置，以及数据获取时刻的光照条件，消除传感器本身的误差，确定传感器入口处的大气外层表观反射率；大气校正选择合适的大气辐射校正算法模型(如5S、6S、MODTRAN等)去除大气影响，求出地物实际反射率。其中，几何校正，是为了去除由于大气环境、地球曲率等多种因素引起的图像几何变形。此外，若图像分辨率不满足动目标检测要求，还需结合其他来源的高分辨率图像对高光谱图像进行超分辨率处理提高图像分辨率。
考虑到，若背景在k－1至k时段和k至k+1时段均有灰度变化，则背景也会被误认为动目标，鉴于此，为了进一步提高检测精度，作为一种可选的实施方式，在所述分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果之后，所述方法还包括：将相邻两组图像的运动目标检测结果进行与运算，并根据与运算的结果来更正相邻两组图像中的每组图像的运动目标检测结果，得到新的运动目标检测结果。若与运算的结果为1，即同一位置若在两组图像的运动目标检测结果中均被认定为运动目标，则此时将该位置的像元的原标记更正为0，即用0替换原本的1，也就是说将原本被判定为运动目标的像元更正为背景，其余像元不变。
其中，需要说明的是，此时获取的针对同一个区域成像的不同谱段的高光谱图像至少为4幅，为了便于理解，以4幅为例进行说明。此时可以将k时刻的与运算结果Dk(x，y)和其下一时刻k+1时刻的与运算结果Dk+1(x，y)再进行一次与运算消除虚警，计算方法为：
Figure GDA0003532698070000121
Figure GDA0003532698070000122
此时同一位置若在Dk(x，y)与Dk+1(x，y)若均被认定为运动目标的像元则是背景，两幅图中此像元均用0替换原标记，其余像元不变。运算后的新图像就是相邻两个时刻运动目标检测结果图，标记为1的是运动目标。为了便于理解，请参阅图3，图3为第二次与运算的过程示意图。此方式下，一次完整的技术流程至少需要四幅相邻时刻的图像，结果为中间两个时刻的运动目标。以求k和k+1两个时刻的动目标为例，技术流程如图4所示。
第三实施例
本申请实施例提供了一种提高动目标检测精度的装置110，如图5所示。该提高动目标检测精度的装置110包括：获取模块111、配准模块112、分组差分模块113以及运算模块114。
获取模块111，用于获取针对同一个区域成像的不同谱段的至少三幅高光谱图像。
配准模块112，用于根据预设配准算法对所述至少三幅高光谱图像进行图像配准。其中，所述配准模块112还用于基于特征点以及特征区域的配准算法对所述至少三幅高光谱图像进行图像配准。
分组差分模块113，用于以相邻时刻的三幅高光谱图像为一组对配准后的所述至少三幅高光谱图像进行分组，基于帧差法分别对每组图像进行差分处理，得到前两幅图像的第一差分结果和后两幅图像的第二差分结果。
运算模块114，用于分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果。其中，所述至少三幅高光谱图像包含至少4幅高光谱图像时，运算模块114，还用于将相邻两组图像的运动目标检测结果进行与运算，得到新的运动目标检测结果。
可选地，该提高动目标检测精度的装置110还包括：预处理模块。预处理模块，用于对所述至少三幅高光谱图像中的每幅图像进行数据预处理，得到预处理后的至少三幅高光谱图像。相应地，所述配准模块112还用于根据预设配准算法对所述预处理后的至少三幅高光谱图像进行图像配准。其中，所述预处理模块，还用于对所述至少三幅高光谱图像中的每幅图像的原始数据DN值进行辐射校正以及几何校正处理。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本发明实施例所提供的提高动目标检测精度的装置110，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
第四实施例
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第二实施例所述的方法的步骤。具体实现可参见方法实施例，在此不再赘述。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的程序代码被运行时，能够执行上述实施例示出的动目标检测方法，通过获取针对同一个区域成像的不同谱段的至少两幅高光谱图像，然后对获取到的至少两幅高光谱图像进行图像配准，最后在对配准后的高光谱图像进行动目标检测，不仅提高了对动目标检测的准确率，同时解决了现有卫星图像动目标检测中因光谱分辨率不足产生的漏检问题。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，笔记本电脑，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种提高动目标检测精度的方法，其特征在于，包括：
获取针对同一个区域成像的不同谱段的至少三幅高光谱图像；
根据预设配准算法对所述至少三幅高光谱图像进行图像配准；
以相邻时刻的三幅高光谱图像为一组对配准后的所述至少三幅高光谱图像进行分组，基于帧差法分别对每组图像进行差分处理，得到前两幅图像的第一差分结果和后两幅图像的第二差分结果；
分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果；
所述至少三幅高光谱图像包含至少4幅高光谱图像时，在所述分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果之后，所述方法还包括：
将相邻两组图像的运动目标检测结果进行与运算，并根据与运算的结果来更正相邻两组图像中的每组图像的运动目标检测结果，得到新的运动目标检测结果；
其中，所述根据与运算的结果来更正相邻两组图像中的每组图像的运动目标检测结果，得到新的运动目标检测结果，包括：
若与运算的结果为1，即同一位置若在两组图像的运动目标检测结果中均被认定为运动目标，则根据与运算的结果1来更正相邻两组图像中的每组图像的运动目标检测结果，此时将该位置的像元的原标记更正为0，即用0替换原本的1，也就是说将原本被判定为运动目标的像元更正为背景，其余像元不变，得到新的运动目标检测结果。
2.根据权利要求1所述的方法，其特征在于，在所述获取针对同一个区域成像的不同谱段的至少三幅高光谱图像之后，所述方法还包括：
对所述至少三幅高光谱图像中的每幅图像进行数据预处理，得到预处理后的至少三幅高光谱图像；相应地，所述根据预设配准算法对所述至少三幅高光谱图像进行图像配准，包括：根据预设配准算法对所述预处理后的至少三幅高光谱图像进行图像配准。
3.根据权利要求2所述的方法，其特征在于，所述对所述至少三幅高光谱图像中的每幅图像进行数据预处理，包括：
对所述至少三幅高光谱图像中的每幅图像的原始数据DN值进行辐射校正以及几何校正处理。
4.根据权利要求1-3中任一项所述的方法，其特征在于，根据预设配准算法对所述至少三幅高光谱图像进行图像配准，包括：
基于特征点以及特征区域的配准算法对所述至少三幅高光谱图像进行图像配准。
5.一种提高动目标检测精度的装置，其特征在于，包括：
获取模块，用于获取针对同一个区域成像的不同谱段的至少三幅高光谱图像；
配准模块，用于根据预设配准算法对所述至少三幅高光谱图像进行图像配准；
分组差分模块，用于以相邻时刻的三幅高光谱图像为一组对配准后的所述至少三幅高光谱图像进行分组,基于帧差法分别对每组图像进行差分处理,得到前两幅图像的第一差分结果和后两幅图像的第二差分结果；
运算模块，分别将所述每组图像中的第一差分结果和第二差分结果进行与运算，得到运动目标检测结果；
运算模块还用于将相邻两组图像的运动目标检测结果进行与运算，并根据与运算的结果来更正相邻两组图像中的每组图像的运动目标检测结果，得到新的运动目标检测结果；
其中，所述根据与运算的结果来更正相邻两组图像中的每组图像的运动目标检测结果，得到新的运动目标检测结果，包括：
若与运算的结果为1，即同一位置若在两组图像的运动目标检测结果中均被认定为运动目标，则根据与运算的结果1来更正相邻两组图像中的每组图像的运动目标检测结果，此时将该位置的像元的原标记更正为0，即用0替换原本的1，也就是说将原本被判定为运动目标的像元更正为背景，其余像元不变，得到新的运动目标检测结果。
6.根据权利要求5所述的装置，其特征在于，所述至少三幅高光谱图像包含至少4幅高光谱图像时，所述运算模块，还用于将相邻两组图像的运动目标检测结果进行与运算，得到新的运动目标检测结果。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括：预处理模块，用于对所述至少三幅高光谱图像中的每幅图像进行数据预处理，得到预处理后的至少三幅高光谱图像；相应地，所述配准模块还用于根据预设配准算法对所述预处理后的至少三幅高光谱图像进行图像配准。
8.一种电子设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器连接；
所述存储器用于存储程序；
所述处理器用于调用存储于所述存储器中的程序，以执行如权利要求1-4中任一项所述的方法。
9.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1-4中任一项所述的方法。
CN201811065504.6A 2018-09-12 2018-09-12 提高动目标检测精度的方法、装置、电子设备及存储介质 Active CN109165628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811065504.6A CN109165628B (zh) 2018-09-12 2018-09-12 提高动目标检测精度的方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811065504.6A CN109165628B (zh) 2018-09-12 2018-09-12 提高动目标检测精度的方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN109165628A CN109165628A (zh) 2019-01-08
CN109165628B true CN109165628B (zh) 2022-06-28

Family

ID=64894994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811065504.6A Active CN109165628B (zh) 2018-09-12 2018-09-12 提高动目标检测精度的方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN109165628B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378268B (zh) * 2019-07-10 2022-04-26 中国科学院长春光学精密机械与物理研究所 高光谱快速目标检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110296A (zh) * 2011-02-24 2011-06-29 上海大学 一种复杂场景下的运动目标跟踪方法
CN102645652A (zh) * 2012-04-28 2012-08-22 中国科学院电子学研究所 单通道sar地面运动目标检测的方法
CN105930808A (zh) * 2016-04-26 2016-09-07 南京信息工程大学 一种基于vector boosting模板更新的运动目标跟踪方法
CN106127801A (zh) * 2016-06-16 2016-11-16 乐视控股（北京）有限公司 一种运动区域检测的方法和装置
CN107103292A (zh) * 2017-04-12 2017-08-29 湖南源信光电科技股份有限公司 一种基于运动车辆跟踪的车流量统计方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2880460A1 (fr) * 2005-01-06 2006-07-07 Thomson Licensing Sa Procede et dispositif d'affichage pour reduire les effets de flou
KR100963797B1 (ko) * 2008-02-27 2010-06-17 아주대학교산학협력단 복잡성이 감소된 고분광 프로세싱에 기반을 둔 실시간 타겟검출 방법
CN102184550B (zh) * 2011-05-04 2013-02-13 华中科技大学 一种动平台地面运动目标检测方法
US9122929B2 (en) * 2012-08-17 2015-09-01 Ge Aviation Systems, Llc Method of identifying a tracked object for use in processing hyperspectral data
US8989501B2 (en) * 2012-08-17 2015-03-24 Ge Aviation Systems Llc Method of selecting an algorithm for use in processing hyperspectral data
US20140133753A1 (en) * 2012-11-09 2014-05-15 Ge Aviation Systems Llc Spectral scene simplification through background subtraction
CN103020955A (zh) * 2012-11-16 2013-04-03 哈尔滨工程大学 邻域空间窗口的高光谱图像稀疏表示目标检测方法
CN103344333A (zh) * 2013-06-18 2013-10-09 中国计量学院 一种快速准连续多光谱成像系统及其成像方法
CN103606157B (zh) * 2013-11-28 2016-09-28 中国科学院光电研究院 高光谱图像处理方法及装置
CN105447888B (zh) * 2015-11-16 2018-06-29 中国航天时代电子公司 一种基于有效目标判断的无人机机动目标检测方法
CN106097321B (zh) * 2016-06-06 2018-12-11 哈尔滨工业大学 一种基于张量表示的偏振高光谱图像目标检测方法
CN106204601B (zh) * 2016-07-15 2018-09-28 华东师范大学 一种基于波段扫描形式的活体高光谱序列图像并行配准方法
CN106874949B (zh) * 2017-02-10 2019-10-11 华中科技大学 基于红外图像的运动成像平台运动目标检测方法及系统
CN107664533B (zh) * 2017-08-30 2023-09-12 中国科学院上海技术物理研究所 一种三狭缝高光谱运动目标探测方法及装置
CN107563961A (zh) * 2017-09-01 2018-01-09 首都师范大学 一种基于相机传感器的动目标检测的系统及方法
CN108257167A (zh) * 2018-01-26 2018-07-06 深圳市唯特视科技有限公司 一种基于推扫式高光谱成像的图像配准方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102110296A (zh) * 2011-02-24 2011-06-29 上海大学 一种复杂场景下的运动目标跟踪方法
CN102645652A (zh) * 2012-04-28 2012-08-22 中国科学院电子学研究所 单通道sar地面运动目标检测的方法
CN105930808A (zh) * 2016-04-26 2016-09-07 南京信息工程大学 一种基于vector boosting模板更新的运动目标跟踪方法
CN106127801A (zh) * 2016-06-16 2016-11-16 乐视控股（北京）有限公司 一种运动区域检测的方法和装置
CN107103292A (zh) * 2017-04-12 2017-08-29 湖南源信光电科技股份有限公司 一种基于运动车辆跟踪的车流量统计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
a moving target detection algorithm based on the dynamic background;Y.Yu等;《2009 international conference on computational intelligence and software engineering》;20091231;第1-5页 *
基于相邻帧补偿的高速运动目标图像稳像算法及仿真;姬莉霞等;《计算机科学》;20140731;第41卷(第7期);第310-312页 *

Also Published As

Publication number Publication date
CN109165628A (zh) 2019-01-08

Similar Documents

Publication Publication Date Title
Thonfeld et al. Robust change vector analysis (RCVA) for multi-sensor very high resolution optical satellite data
US20120328161A1 (en) Method and multi-scale attention system for spatiotemporal change determination and object detection
US10366501B2 (en) Method and apparatus for performing background image registration
CN108230375B (zh) 基于结构相似性快速鲁棒的可见光图像与sar图像配准方法
JP4533836B2 (ja) 変動領域検出装置及びその方法
CA2670756A1 (en) Spatial and spectral calibration of a panchromatic, multispectral image pair
KR20150116777A (ko) 이동 경로 메타데이터를 이용한 항공 사진/비디오에서의 상황 인식 객체 검출
Hong et al. A robust technique for precise registration of radar and optical satellite images
CN110009688A (zh) 一种红外遥感影像相对辐射定标方法、系统及遥感平台
WO2021097185A1 (en) Cloud detection from satellite imagery
CN108364279B (zh) 确定静止轨道遥感卫星指向偏差的方法
Gonçalves et al. CHAIR: Automatic image registration based on correlation and Hough transform
Meola et al. Application of model-based change detection to airborne VNIR/SWIR hyperspectral imagery
CN111144350B (zh) 一种基于参考底图的遥感影像定位精度评价方法
CN109165628B (zh) 提高动目标检测精度的方法、装置、电子设备及存储介质
US20050283310A1 (en) Algorithm for line tracking using a circular sector search window
CN109063577B (zh) 基于信息增益率的卫星影像分割最佳分割尺度确定方法
CN108876829B (zh) 基于非线性尺度空间及径向基函数的sar高精度配准方法
CN109255353B (zh) 一种动目标检测方法、装置、电子设备及存储介质
CN107220947B (zh) 一种遥感图像相对辐射校正方法及系统
CN111145231A (zh) 遥感图像的波段偏移确定方法、装置和电子设备
KR20140038749A (ko) 영상 왜곡 보정 장치 및 방법
JP6958743B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN114639014A (zh) 一种基于高分辨率遥感影像的ndvi归一化方法
CN114494039A (zh) 一种水下高光谱推扫图像几何校正的方法

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