CN109191420A - 一种船舶目标切片图像的roi压缩方法 - Google Patents

一种船舶目标切片图像的roi压缩方法 Download PDF

Info

Publication number
CN109191420A
CN109191420A CN201810710273.3A CN201810710273A CN109191420A CN 109191420 A CN109191420 A CN 109191420A CN 201810710273 A CN201810710273 A CN 201810710273A CN 109191420 A CN109191420 A CN 109191420A
Authority
CN
China
Prior art keywords
target
roi
ship
image
sectioning 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.)
Pending
Application number
CN201810710273.3A
Other languages
English (en)
Inventor
顾桂华
郑莲玉
叶晖
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.)
Shanghai Institute of Satellite Engineering
Original Assignee
Shanghai Institute of Satellite Engineering
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 Shanghai Institute of Satellite Engineering filed Critical Shanghai Institute of Satellite Engineering
Priority to CN201810710273.3A priority Critical patent/CN109191420A/zh
Publication of CN109191420A publication Critical patent/CN109191420A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

一种船舶目标切片图像的ROI压缩方法，应用于光学遥感卫星上，包括：星上船舶目标检测模块对大幅遥感图像进行分块，依次对各图像块提取可能包含船舶目标的候选区域；星上船舶目标检测模块在候选区域中提取疑似船舶目标的形状特征进行判决，若目标判决为舰船，则同时输出含目标的切片图像和目标在切片图像中的最小外接矩形位置信息；根据目标最小外接矩形位置信息计算切片图像的ROI掩膜，提取图像中非ROI区域的小波系数的最大值max(BG)；利用max(BG)对ROI区域进行小波系数提升，对提升处理后的小波系数进行编码，输出压缩码流。本发明省略了原有ROI压缩必须进行的ROI区域提取过程，节约了卫星上处理和存储资源的开销，提升了处理效率。

Description

一种船舶目标切片图像的ROI压缩方法
技术领域
本发明涉及遥感图像压缩领域，特别是光学遥感卫星图像中海上船舶目标图像的ROI(Region of Interest，感兴趣区域)压缩方法。
背景技术
光学遥感卫星船舶目标检测输出的结果是船舶目标的切片图像，考虑到星地传输链路的能力，需要对船舶目标切片图像进行压缩，以进一步减少冗余数据，提高链路传输效能。典型的船舶目标切片图像中船舶目标所占区域较小，一般在15％左右，大部分区域为海洋背景，可采用基于ROI的JPEG2000图像压缩算法。
星上船舶目标检测流程分为疑似目标提取与虚警剔除两个阶段，在进行虚警剔除时，需要提取疑似目标的形状特征，典型特征包括目标最小外接矩形以及等效椭圆等。其中目标最小外接矩形主要用于计算目标面积、长宽比等，等效椭圆主要用于计算目标偏心率。常规目标检测流程中，上述形状特征信息在完成目标虚警剔除后就舍弃了，后续进行ROI压缩时需要重新确定待压缩图像中的ROI区域。
ROI区域的确定方法是基于ROI的JPEG2000图像压缩在卫星上应用的难点。最简单的ROI区域确定方法是人工标记，但卫星在轨运行无法人工干预，只能使用星上自主ROI提取方法。
自主ROI提取方法主要包括基于灰度阈值分割的ROI检测算法、基于分水岭区域分割的ROI检测算法、基于区域生长和分裂合并的ROI检测算法、基于纹理特征分析的ROI检测算法等，上述算法都需要增加对待压缩图像的处理流程，既增加了卫星上处理和存储资源的开销，又增加了卫星上数据处理的时延。
发明内容
本发明所要解决的技术问题是提供一种船舶目标切片图像中ROI区域的确定方法，通过将卫星上相对独立的目标检测与图像压缩需求联合考虑，优化切片图像压缩的ROI区域提取流程，节约了卫星上处理和存储资源的开销，提升了处理效率。
本发明所采用的技术方案如下：
一种船舶目标切片图像的ROI压缩方法，应用于光学遥感卫星上，包括如下步骤：
步骤1：星上船舶目标检测模块对大幅遥感图像进行分块，依次对各图像块提取可能包含船舶目标的候选区域；
步骤2：星上船舶目标检测模块在各候选区域内提取疑似船舶目标的最小外接矩形，结合形状特征对疑似目标进行判决，若判决结果为船舶，则输出含目标船舶的切片图像和目标在切片图像中的最小外接矩形位置信息；
步骤3：以切片图像中目标最小外接矩形作为ROI区域，计算切片图像的ROI区域掩膜，提取小波变换域图像中非ROI区域的小波系数的最大值max(BG)；
步骤4：利用max(BG)对ROI区域进行小波系数提升，对提升处理后的小波系数进行编码，输出压缩码流。
本发明提出的方法中，虚警剔除判决完成后，若疑似目标判别为船舶目标，将最小外接矩形信息与目标图像切片合并输出，在对船舶目标图像切片进行ROI压缩时，将目标最小外接矩形位置作为ROI区域计算ROI掩膜，编码后输出ROI压缩码流。
本发明效果为：本发明将原本独立处理的目标检测与图像压缩流程联系起来，对切片图像压缩的ROI区域提取流程进行优化，利用目标检测流程产生的过程数据(目标最小外接矩形特征)作为后续ROI压缩的输入条件(用来生成ROI模板)，简化了原有ROI压缩所必须进行的ROI区域提取过程，节约了卫星上处理和存储资源的开销，提升了处理效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为船舶切片图像ROI压缩处理流程。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
下面结合附图和具体实施方式对本发明作进一步详细说明。
为实时获取光学卫星遥感图像中的船舶目标信息，首先需要对遥感图像中的船舶目标进行提取，提取的目标图像经ROI压缩后可实现快速下传。
图1为船舶切片图像ROI压缩处理流程，主要分为船舶目标提取和切片图像ROI压缩两个阶段。
船舶目标提取主要分为候选目标筛选和虚警剔除两个步骤。
候选目标筛选阶段，考虑到需要提取的舰船在海洋上，为避免陆地目标的干扰，首先进行基于DEM库的海陆分割流程。计算图像数据块的四界经纬坐标，利用DEM库构建的海陆分割查找表进行图像场景分类，纯陆地区域数据直接舍弃，陆交界区域提取其中的海域图像，与纯海洋区域图像一起送后续处理单元。
对海洋区域图像采用数学形态学中的Top-Hat算子抑制海面背景，并采用中值滤波抑制图像中的孤立点，统计图像的直方图拖尾特性，判断图像中是否存在疑似目标。对存在目标的图像，通过灰度拉升、二值化等处理流程提取船舶目标候选区。
对所有船舶目标候选区逐个进行虚警判别，主要应用的是目标的区域尺寸和外形特征。提取疑似目标的最小外接矩形特征后，首先根据面积特征去除过大或过小的虚警，再通过目标外接矩形长宽比剔除形状不规则的虚警，最后通过致密性特征衡量目标的似圆程度。若疑似目标经虚警剔除流程被鉴别为舰船，则输出目标的切片图像和最小外接矩形信息(目标左上角和右下角的位置)。
将船舶目标切片图像和最小外接矩形位置输入图像压缩器，根据目标最小外接矩形位置信息计算切片图像的ROI掩膜，计算待压缩图像的小波系数，提取小波变换图像中非ROI区域的小波系数的最大值max(BG)，利用max(BG)对所有ROI区域的系数进行提升。JPEG2000标准提供了两种小波系数提升技术，分别为最大平移法或一般平移法，本方案选用的是最大平移法。
对处理后的所有小波系数进行编码，输出压缩码流。本方案在解码端无需事先了解ROI区域的形状和位置信息，因为提升后的ROI位平面会优先于背景平面解码和细化。
本发明将原本相对独立的目标检测流程与目标图像ROI压缩流程有机结合，将目标检测过程中提取的最小外接矩形信息用于生成目标切片图像的ROI掩膜，省略了传统ROI图像压缩流程中必须的ROI区域提取流程，节约了卫星上处理和存储资源的开销，提升了处理效率。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (7)

1.一种船舶目标切片图像的ROI压缩方法，应用于光学遥感卫星上，其特征在于，包括如下步骤：
步骤1：星上船舶目标检测模块对大幅遥感图像进行分块，依次对各图像块提取可能包含船舶目标的候选区域；
步骤2：星上船舶目标检测模块在各候选区域内提取疑似船舶目标的最小外接矩形，结合形状特征对疑似目标进行判决，若判决结果为船舶，则输出含目标船舶的切片图像和目标在切片图像中的最小外接矩形位置信息；
步骤3：以切片图像中目标最小外接矩形作为ROI区域，计算切片图像的ROI区域掩膜，提取小波变换域图像中非ROI区域的小波系数的最大值max(BG)；
步骤4：利用max(BG)对ROI区域进行小波系数提升，对提升处理后的小波系数进行编码，输出压缩码流。
2.根据权利要求1所述的船舶目标切片图像的ROI压缩方法，其特征在于，船舶目标提取分为候选目标筛选阶段和虚警剔除阶段。
3.根据权利要求2所述的船舶目标切片图像的ROI压缩方法，其特征在于，在候选目标筛选阶段，为避免陆地目标的干扰，首先进行基于DEM库的海陆分割流程，计算图像数据块的四界经纬坐标，利用DEM库构建的海陆分割查找表进行图像场景分类，纯陆地区域数据不进行图像目标检测处理，海陆交界区域进行海陆分割，纯海洋区域的图像数据直接进行后续处理。
4.根据权利要求2所述的船舶目标切片图像的ROI压缩方法，其特征在于，对包含船舶目标的海洋图像采用Top-Hat算子抑制海面背景，并采用中值滤波抑制图像中的孤立点，统计图像的直方图拖尾特性，进行目标存在性初判，对存在目标的图像，提取船舶目标候选区。
5.根据权利要求2所述的船舶目标切片图像的ROI压缩方法，其特征在于，在船舶目标提取的虚警剔除阶段，提取目标最小外接矩形特征后，首先根据面积特征去除过大或过小的虚警，再通过目标外接矩形长宽比剔除形状不规则的虚警，最后通过致密性特征衡量目标的似圆程度，若疑似目标经虚警剔除流程被鉴别为舰船，则输出目标的切片图像和最小外接矩形信息。
6.根据权利要求1所述的船舶目标切片图像的ROI压缩方法，其特征在于，利用左上角和右下角两点坐标表示目标最小外接矩形在切片图像上的位置信息。
7.根据权利要求1所述的船舶目标切片图像的ROI压缩方法，其特征在于，将船舶目标切片图像和最小外接矩形位置信息输入图像压缩器，根据最小外接矩形位置计算ROI掩膜，计算待压缩图像的小波系数，提取小波变换图像中非ROI区域的小波系数的最大值max(BG)，利用max(BG)对所有ROI区域的系数进行提升。
CN201810710273.3A 2018-07-02 2018-07-02 一种船舶目标切片图像的roi压缩方法 Pending CN109191420A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810710273.3A CN109191420A (zh) 2018-07-02 2018-07-02 一种船舶目标切片图像的roi压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810710273.3A CN109191420A (zh) 2018-07-02 2018-07-02 一种船舶目标切片图像的roi压缩方法

Publications (1)

Publication Number Publication Date
CN109191420A true CN109191420A (zh) 2019-01-11

Family

ID=64948829

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810710273.3A Pending CN109191420A (zh) 2018-07-02 2018-07-02 一种船舶目标切片图像的roi压缩方法

Country Status (1)

Country Link
CN (1) CN109191420A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886134A (zh) * 2019-01-25 2019-06-14 北京市遥感信息研究所 高分辨率全球数字高程模型图像的海陆信息索引编码方法
CN110031843A (zh) * 2019-05-09 2019-07-19 中国科学院自动化研究所 基于roi区域的sar图像目标定位方法、系统、装置
CN110378186A (zh) * 2019-03-22 2019-10-25 北京理工雷科电子信息技术有限公司 Sar遥感图像舰船目标虚警剔除的方法
CN110532842A (zh) * 2019-04-19 2019-12-03 北京空间飞行器总体设计部 一种应用于遥感图像的在轨检测识别装置及方法
CN110738106A (zh) * 2019-09-05 2020-01-31 天津大学 一种基于fpga的光学遥感图像船舶检测方法
CN111220956A (zh) * 2019-11-08 2020-06-02 北京理工雷科电子信息技术有限公司 一种基于地理信息的机载雷达对海探测陆地目标剔除方法
CN111833329A (zh) * 2020-07-14 2020-10-27 中国电子科技集团公司第五十四研究所 一种大型遥感影像的人工判证辅助方法
CN115082810A (zh) * 2022-07-28 2022-09-20 中国科学院空天信息创新研究院 同步轨道卫星红外图像船舶检测方法、装置、设备及介质
WO2024065451A1 (en) * 2022-09-29 2024-04-04 Intel Corporation Enhanced image slice reconstruction for video streams

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020592A (zh) * 2012-11-22 2013-04-03 北京大学 一种基于局部上下文的遥感图像舰船检测虚警剔除方法
US20140307798A1 (en) * 2011-09-09 2014-10-16 Newsouth Innovations Pty Limited Method and apparatus for communicating and recovering motion information
CN106612437A (zh) * 2016-01-11 2017-05-03 四川用联信息技术有限公司 一种图形图像压缩方法
CN106709914A (zh) * 2017-01-05 2017-05-24 北方工业大学 一种基于双级dem海陆库的sar图像船舶检测虚警剔除方法
CN106845372A (zh) * 2016-12-31 2017-06-13 华中科技大学 一种星载遥感光学图像的船舶目标检测识别方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140307798A1 (en) * 2011-09-09 2014-10-16 Newsouth Innovations Pty Limited Method and apparatus for communicating and recovering motion information
CN103020592A (zh) * 2012-11-22 2013-04-03 北京大学 一种基于局部上下文的遥感图像舰船检测虚警剔除方法
CN106612437A (zh) * 2016-01-11 2017-05-03 四川用联信息技术有限公司 一种图形图像压缩方法
CN106845372A (zh) * 2016-12-31 2017-06-13 华中科技大学 一种星载遥感光学图像的船舶目标检测识别方法和系统
CN106709914A (zh) * 2017-01-05 2017-05-24 北方工业大学 一种基于双级dem海陆库的sar图像船舶检测虚警剔除方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张宝薇 等: "一种针对遥感图像的自动ROI编码算法", 《光电技术应用》 *
魏琳: "基于感兴趣区域（ROI）图像的压缩编码研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886134A (zh) * 2019-01-25 2019-06-14 北京市遥感信息研究所 高分辨率全球数字高程模型图像的海陆信息索引编码方法
CN110378186A (zh) * 2019-03-22 2019-10-25 北京理工雷科电子信息技术有限公司 Sar遥感图像舰船目标虚警剔除的方法
CN110532842B (zh) * 2019-04-19 2022-04-08 北京空间飞行器总体设计部 一种应用于遥感图像的在轨检测识别装置及方法
CN110532842A (zh) * 2019-04-19 2019-12-03 北京空间飞行器总体设计部 一种应用于遥感图像的在轨检测识别装置及方法
CN110031843B (zh) * 2019-05-09 2020-12-25 中国科学院自动化研究所 基于roi区域的sar图像目标定位方法、系统、装置
CN110031843A (zh) * 2019-05-09 2019-07-19 中国科学院自动化研究所 基于roi区域的sar图像目标定位方法、系统、装置
CN110738106A (zh) * 2019-09-05 2020-01-31 天津大学 一种基于fpga的光学遥感图像船舶检测方法
CN111220956A (zh) * 2019-11-08 2020-06-02 北京理工雷科电子信息技术有限公司 一种基于地理信息的机载雷达对海探测陆地目标剔除方法
CN111220956B (zh) * 2019-11-08 2021-11-09 北京理工雷科电子信息技术有限公司 一种基于地理信息的机载雷达对海探测陆地目标剔除方法
CN111833329A (zh) * 2020-07-14 2020-10-27 中国电子科技集团公司第五十四研究所 一种大型遥感影像的人工判证辅助方法
CN115082810A (zh) * 2022-07-28 2022-09-20 中国科学院空天信息创新研究院 同步轨道卫星红外图像船舶检测方法、装置、设备及介质
CN115082810B (zh) * 2022-07-28 2022-11-08 中国科学院空天信息创新研究院 同步轨道卫星红外图像船舶检测方法、装置、设备及介质
WO2024065451A1 (en) * 2022-09-29 2024-04-04 Intel Corporation Enhanced image slice reconstruction for video streams

Similar Documents

Publication Publication Date Title
CN109191420A (zh) 一种船舶目标切片图像的roi压缩方法
Gao et al. Sea ice change detection in SAR images based on convolutional-wavelet neural networks
CN109934200B (zh) 一种基于改进M-Net的RGB彩色遥感图像云检测方法及系统
CN110084234B (zh) 一种基于实例分割的声呐图像目标识别方法
CN112614136B (zh) 一种红外小目标实时实例分割方法及装置
CN117253154B (zh) 一种基于深度学习的集装箱弱小序列号目标检测识别方法
CN115661720B (zh) 一种被遮挡车辆的目标跟踪识别方法及系统
CN113420759B (zh) 一种基于深度学习的抗遮挡与多尺度死鱼识别系统与方法
Zhaoxiang et al. Small satellite cloud detection based on deep learning and image compression
CN116309607A (zh) 基于机器视觉的船艇式智能水上救援平台
CN113887494A (zh) 用于嵌入式平台的实时高精度人脸检测识别系统
CN115984672A (zh) 基于深度学习的高清图像内小目标的检测方法和装置
CN114627269A (zh) 一种基于深度学习目标检测的虚拟现实安防监控平台
Pham et al. Low-light image enhancement for autonomous driving systems using DriveRetinex-Net
CN111462090A (zh) 一种多尺度图像目标检测方法
Wang et al. Underwater object detection based on enhanced yolo
CN103810487A (zh) 一种海洋航拍图像的目标检测与识别方法及系统
CN104809697B (zh) 一种改进的高提升滤波快速海雾图像增强方法
CN114926794B (zh) 一种高效的轻量化sar船舶目标检测方法
CN114648467B (zh) 图像的去雾方法、装置、终端设备及计算机可读存储介质
CN116310892A (zh) 一种基于改进yolov4目标检测的海上救援方法
CN115861818A (zh) 基于注意力机制联合卷积神经网络的细小水体提取方法
CN110766655A (zh) 一种基于丰度的高光谱图像显著性分析方法
CN115861922A (zh) 一种稀疏烟火检测方法、装置、计算机设备及存储介质
CN114463734A (zh) 文字识别方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190111