CN109410175B - 基于多子区图像匹配的sar雷达成像质量快速自动评价方法 - Google Patents
基于多子区图像匹配的sar雷达成像质量快速自动评价方法 Download PDFInfo
- Publication number
- CN109410175B CN109410175B CN201811123271.0A CN201811123271A CN109410175B CN 109410175 B CN109410175 B CN 109410175B CN 201811123271 A CN201811123271 A CN 201811123271A CN 109410175 B CN109410175 B CN 109410175B
- Authority
- CN
- China
- Prior art keywords
- sar
- real
- image
- beacon
- imaging quality
- 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
Images
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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
-
- 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
- G06T2207/10044—Radar image
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,首先人工制备带有特殊几何形状信标的SAR基准图像,通过雷达回波电磁仿真得到基准图像的基准雷达回波信号,完成雷达测试基准数据制备。在SAR雷达成像质量测试中,将基准雷达回波信号注入SAR雷达,由被测试雷达成像生成SAR实时图。随后使用SAR实时图和SAR基准图像进行多子区图像匹配,得到信标在SAR实时图中的精确位置。通过信标在SAR图像中几何位置和形状的变化,完成SAR雷达成像质量的量化评价。本发明提出的基于多子区图像匹配的SAR雷达成像质量快速自动评价方法大大提高了SAR雷达单机测试的自动化程度,在提高判读精度的同时降低了人力以及时间成本。
Description
技术领域
本发明涉及一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,用于SAR雷达成像性能测试。
背景技术
SAR(合成孔径雷达)传感器不依赖于太阳辐射,可以全天时工作,并且具有一定的穿透力,可以提供可见光和红外所无法提供的信息。随着SAR雷达小型化技术成熟,SAR雷达得到了越来越广泛的应用。完成SAR雷达成像质量判读是SAR雷达地面性能测试中的关键环节。
传统SAR雷达成像质量判读往往采用人工判读方式,通过肉眼查看对SAR图像质量进行评判。人工判读方式受评判人员主观因素影响较大,难以形成可量化的评判指标,不适合大规模雷达产品测试。此外,人工判读方式存在人力投入较大、耗时较高的缺点,评判人员的疲劳程度容易影响评判结果,不适合长时间高强度的雷达产品测试。
本项目就是针对这一问题,提出一种基于多子区图像匹配的SAR雷达成像质量判读方法,该方法大大提高了SAR雷达单机测试自动化程度,在提高判读精度的同时降低了人力以及时间成本。
发明内容
本发明的技术解决问题是:针对SAR雷达测试中雷达成像质量自动评价的需求,提出一种基于多子区图像匹配的SAR雷达成像质量自动评价方法。该方法实现了SAR雷达成像质量的自动评价,可有效排除了评判人员主观因素对测试结果的影响,在提高判读精度的同时降低了人力以及时间成本。
本发明的技术解决方案是:一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,包括步骤如下:
(1)选择一幅尺寸为M×N的SAR图像,要求选出的SAR图像的宽、高均大于待测试SAR雷达成像的宽、高且分辨率与待测试SAR雷达成像分辨率一致;M为SAR图像的宽、N为SAR图像的高;
(2)使用步骤(1)中选取的SAR图像数据制备SAR基准图像,在SAR图像中心区域放置若干矩形信标,得到SAR基准图像Imgref;
(3)结合待测试SAR雷达工作参数,使用SAR基准图像通过雷达回波电磁仿真生成雷达回波信号,作为SAR基准回波信号;
(4)将SAR基准回波信号注入被测试SAR雷达,由SAR雷达生成SAR实时图Imgreal,SAR实时图Imgreal像素尺寸为Wreal×Hreal,Wreal为SAR实时图Imgreal的宽,Hreal为SAR实时图Imgreal的高;
(5)使用SAR实时图Imgreal和SAR基准图Imgref进行整体图像匹配,得到SAR实时图左上角点在SAR基准图上的像素坐标(x0,y0),并记录相似度corr;
(6)从SAR基准图中依次截取信标模板Imgroi,在SAR实时图上进行子区图像匹配,得到信标中心点在SAR实时图上的像素坐标;
(7)通过步骤(5)、步骤(6)的图像匹配结果,对待测试SAR雷达成像质量进行分析判断。
所述步骤(1)中选取的SAR图像为为灰度图像,每个像素对应一个灰度值,灰度值的取值范围为[0,255]。
所述步骤(2)中SAR基准图像制作方法为:
在步骤(1)中选取的SAR图像中心区域设置4个像素尺寸为wroi×hroi的矩形信标,信标除中心点灰度值为255外其他像素灰度值为0,各信标中心点在SAR基准图像中的像素坐标(xi,yi),wroi为矩形信标的宽,hroi为矩形信标的高;i=1,2,3,4;
4个信标围绕SAR图像中心对称布置,信标两两沿行向和列向平行,令两列信标行间距为Disy,两行信标列间距为Disx;
矩形信标的尺寸以及位置要求如下:
x1=M/2-wroi/2-Disx/2
y1=N/2-hroi/2-Disy/2
x2=M/2+wroi/2+Disx/2
y2=N/2-hroi/2-Disy/2
x3=M/2-wroi/2-Disx/2
y3=N/2+hroi/2+Disy/2。
x4=M/2+wroi/2+Disx/2
y4=N/2+hroi/2+Disy/2
wroi*2+Disx<Wreal
hroi*2+Disy<Hreal
所述步骤(5)中SAR实时图Imgreal和SAR基准图Imgref进行整体图像匹配的方法的步骤如下:
使用SAR实时图Imgreal作为模板叠掩在SAR基准图Imgref上,逐像素滑动遍历,计算相似度矩阵Mcorr,其中,Mcorr的宽为M-Wreal+1、高为N-Hreal+1;相似度矩阵Mcorr中的元素Mcorr(p,q)代表模板左上角点滑动到SAR基准图像素坐标(p,q)处时计算的相似度;
完成遍历匹配后,找到相似度矩阵Mcorr中最大值点,其对应坐标为SAR实时图Imgreal左上角点在SAR基准图上的像素坐标(x0,y0),记录Mcorr中最大值corr为相似度峰值。
所述步骤(6)中子区图像匹配的方法步骤如下:
(6.1)根据整体图像匹配结果推算各信标左上角点在SAR实时图中的粗略坐标(xi”,yi”),推算公式如下:
xi″=x0+xi-wroi/2
yi″=y0+yi-hroi/2
确定各信标左上角点在SAR实时图中的范围:
令第i个信标左上角点坐标搜索区域为Ri,
Ri={(x,y)|x>xi’-Disx/2且x<xi’+Disx/2且x≥0且x<Wreal且y>yi’-Disy/2且y<yi’+Disy/2且y≥0且y<Hreal};
(6.2)从SAR基准图中截取1个完整的信标子区图像作为信标模板Imgroi;
(6.3)使用信标模板Imgroi叠掩在SAR实时图Imgreal上逐像素滑动遍历,计算相似度矩阵Mcorr’,相似度矩阵Mcorr’的宽为Wreal-wroi+1、高为Hreal-hroi+1;
相似度矩阵Mcorr’中元素Mcorr’(p’,q’)代表模板左上角点滑动到SAR实时图像素坐标(p’,q’)处时计算的相似度;
在相似度矩阵Mcorr’信标各自的搜索区域Ri中找到最大值点(ci,ri),计算各信标中心点在SAR实时图上的坐标(xi’,yi’):
所述步骤(7)中待测试SAR雷达成像质量进行分析判断的方法包括相似度判断、相对位置偏差判断、相对距离判断、中心区域平均灰度评价。
所述相似度判断的步骤如下:
将相似度corr与相似度阈值thre1进行对比,若相似度corr≥thre1,则认为待测试SAR雷达成像质量正常,否则认为待测试SAR雷达成像质量异常;其中,thre1的取值区间为[0,1]。
所述相对位置偏差判断的步骤如下:
计算信标中心点坐标(xi’,yi’)的相对位置偏差,公式如下:
当相对偏差Δx13,相对偏差Δx24和相对偏差Δy12,相对偏差Δy34的值均小于等于设定的相对位置偏差阈值thre2,则认为待测试SAR雷达成像质量正常,否则,判定待测试SAR雷达成像质量异常。
所述相对距离判断的步骤如下:
计算各信标中心点之间的距离关系,计算公式如下所示:
若|L12-Disx|≤thre3且|L34-Disx|≤thre3,则认为方位向相对距离正常,否则认为方位向相对距离异常;
若|L13-Disy|≤thre3且|L24-Disy|≤thre3,则认为距离向相对距离正常,否则认为方位向相对距离异常;
其中,thre3为相对距离阈值,L12为信标中心点1与信标中心点2的距离,L34为信标中心点3和信标中心点4的距离,L13为信标中心点1和信标中心点3的距离,L24为信标中心点2和信标中心点4之间的距离。
所述中心区域平均灰度评价的步骤如下:
以SAR实时图中各信标中心点为中心,计算半径3像素到半径6像素范围的同心圆区域像素灰度平均值,若灰度均值小于等于thre4,则认为待测试的SAR雷达成像质量正常,否则认为待测试的SAR雷达成像质量异常。其中,thre4为中心区域平均灰度阈值。
本发明与现有技术相比的优点在于:
(1)本发明的方法采用图像匹配的方法对SAR雷达成像质量进行评估,使得评判标准可量化,评判结果不受评估人员主观因素影响,提高了成像质量评客观性;
(2)本发明通过对特殊信标的几何信息变化量化评价,精确有效的对图像几何形变情况进行了描述,提高了成像质量评判的精度。
(3)本发明的方法可采用计算机全自动运行,自动化程度高,有效降低了SAR雷达测试中的人力投入,大大提高了测试速度。
附图说明
图1为本发明方法的流程图;
图2为本发明实施例中SAR卫星遥感图像;
图3为本发明实施例中信标图像;
图4为本发明实施例中SAR基准图像;
图5为本发明实施例中SAR实时图像。
具体实施方式
如图1所示,本发明提供了一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,其按照如下步骤进行:
一、选择一幅SAR图像
选择一幅尺寸为M×N(宽×高)的SAR图像,要求图像宽高均大于待测试SAR雷达成像宽高且分辨率与SAR雷达成像分辨率一致。SAR卫星遥感图像应为灰度图像,每个像素对应一个灰度值(取值范围为[0,255])。
二、制备SAR基准图像
使用步骤(1)中选取的SAR图像数据制备SAR基准图像,在图像中心区域放置4个wroi×hroi(宽×高)的矩形信标,得到SAR基准图像Imgref。信标除中心点灰度为255外其他像素灰度值为0,各信标中心点在SAR基准图像中的像素坐标(xi,yi)(i=1,2,3,4)。4个信标围绕图像中心对称布置,信标两两沿行向和列向平行(见附图),令两列信标行间距为Disy,两行信标列间距为Disx。矩形信标的尺寸以及位置要求如下:
x1=M/2-wroi/2-Disx/2
y1=N/2-hroi/2-Disy/2
x2=M/2+wroi/2+Disx/2
y2=N/2-hroi/2-Disy/2
x3=M/2-wroi/2-Disx/2
y3=N/2+hroi/2+Disy/2
x4=M/2+wroi/2+Disx/2
y4=N/2+hroi/2+Disy/2
wroi*2+Disx<Wreal
hroi*2+Disy<Hreal
三、制备SAR基准回波信号
结合待测试SAR雷达工作参数,使用SAR基准图像通过雷达回波电磁仿真生成雷达回波信号作为SAR基准回波信号。
四、生成SAR实时图像
在SAR雷达成像质量测试中,将SAR基准回波信号注入SAR雷达,由SAR雷达生成SAR实时图Imgreal,Imgreal尺寸为Wreal×Hreal(宽×高)。
五、整体图像匹配
将Imgreal作为模板叠掩在Imgref上逐像素滑动遍历,计算相似度矩阵Mcorr(Mcorr宽高为M-Wreal+1、N-Hreal+1)。Mcorr(p,q)代表模板左上角点滑动到SAR基准图像素坐标(p,q)处时计算的相似度,,计算方法可采用常用的相关法等相似度计算方法。
找到Mcorr中最大值点,其对应坐标即为Imgreal左上角点在SAR基准图上的像素坐标(x0,y0),记录Mcorr中最大值corr。
六、子区图像匹配
1)根据整体图像匹配结果推算各信标左上角点在SAR实时图中的粗略坐标(xi”,yi”)(i=1,2,3,4),推算公式如下:
xi″=x0+xi-wroi/2
yi″=y0+yi-hroi/2
确定各信标左上角点在SAR实时图中的搜索区域,令第i个信标左上角点坐标搜索区域为Ri,Ri={(x,y)|x>xi’-Disx且x<xi’+Disx且x>xi’-Disx且x<xi’+Disx}。
2)从SAR基准图中截取1个完整的信标作为模板Imgroi。
3)使用信标模板Imgroi叠掩在SAR实时图Imgreal上逐像素滑动遍历,计算相似度矩阵Mcorr’(Mcorr’宽高为Wreal-wroi+1、Hreal-hroi+1)。Mcorr’(p’,q’)代表模板左上角点滑动到SAR实时图像素坐标(p’,q’)处时计算的相似度,计算方法可采用常用的相关法等相似度计算方法。
在相似度矩阵Mcorr’信标各自的搜索区域Ri(i=1,2,3,4)中找到最大值点(ci,ri),计算各信标中心点在实时图上的精确坐标(xi’,yi’):
xi'=ci+wroi/2
yi'=ri+hroi/2
七、SAR成像质量自动评价
从相似度、相对位置偏差、相对距离以及中心区域平均灰度4个房方面对SAR雷达成像质量进行量化评价,评价方法如下:
(1)相似度判断
图像相似度根据整体图像匹配结果的相似度峰值corr作为判断依据,若corr>=thre1,则认为待测试SAR雷达成像质量正常,否则认为待测试SAR雷达成像质量异常。其中,thre1为相似度阈值(取值区间为[0,1]),取值越大对雷达成像质量要求越高,通常设置为0.8。
(2)相对位置偏差判断
计算信标中心点坐标(xi’,yi’)相对位置偏差:
Δx13=x1'-x3'
Δx24=x2'-x4'
Δy12=y1'-y2'
Δy34=y3′-y4′
当Δx13,Δx24和Δy12,Δy34值均小于等于thre2,则认为待测试SAR雷达成像质量正常,否则判断待测试SAR雷达成像质量异常。其中,thre2为相对位置偏差阈值,取值越小对雷达成像质量要求越高,通常设置为2。
(3)相对距离判断
计算各信标中心点点之间的距离关系,计算公式如下所示:
若|L12-Disx|<=thre3且|L34-Disx|<=thre3,则认为方位向相对距离正常,否则异常;
若|L13-Disy|<=thre3且|L24-Disy|<=thre3,则认为距离向相对距离正常,否则异常。
其中,thre3为相对距离阈值,取值越小对雷达成像质量要求越高。
(4)中心区域平均灰度评价
以实时图中各信标中心点为中心,计算半径3像素到半径6像素范围的同心圆区域像素灰度平均值,若灰度均值小于等于thre4,则认为正常,否则异常。其中,thre4为中心区域平均灰度阈值,取值越小对雷达成像质量要求越高。实施例
图2给出的SAR图像是TerraSAR卫星X波段图像,图像大小512X512,分辨率与待测试雷达成像分辨率一致为10米;
图3是在图2基础上设置4个信标后生成的SAR基准图像,图4即为信标图像。
图5是测试中SAR雷达输出的SAR实时图,分辨率为10m,图像大小为200*300。
在测试中,本方法成功的对SAR实时图中信标的位置进行了精确提取,并基于提出的量化指标进行了SAR成像质量评估,测试时间被有效控制在5s以内。经过大量测试,本评价方法具有较高可靠性,可以满足大规模SAR雷达产品测试需求。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (9)
1.一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,其特征在于,包括步骤如下:
(1)选择一幅尺寸为M×N的SAR图像,要求选出的SAR图像的宽、高均大于待测试SAR雷达成像的宽、高且分辨率与待测试SAR雷达成像分辨率一致;M为SAR图像的宽、N为SAR图像的高;
(2)使用步骤(1)中选取的SAR图像数据制备SAR基准图,在SAR图像中心区域放置若干矩形信标,得到SAR基准图Imgref;
(3)结合待测试SAR雷达工作参数,使用SAR基准图通过雷达回波电磁仿真生成雷达回波信号,作为SAR基准回波信号;
(4)将SAR基准回波信号注入待测试SAR雷达,由SAR雷达生成SAR实时图Imgreal,SAR实时图Imgreal像素尺寸为Wreal×Hreal,Wreal为SAR实时图Imgreal的宽,Hreal为SAR实时图Imgreal的高;
(5)使用SAR实时图Imgreal和SAR基准图Imgref进行整体图像匹配,得到SAR实时图左上角点在SAR基准图上的像素坐标(x0,y0),并记录相似度corr;
所述步骤(5)中SAR实时图Imgreal和SAR基准图Imgref进行整体图像匹配的方法的步骤如下:
使用SAR实时图Imgreal作为模板叠掩在SAR基准图Imgref上,逐像素滑动遍历,计算相似度矩阵Mcorr,其中,Mcorr的宽为M-Wreal+1、高为N-Hreal+1;相似度矩阵Mcorr中的元素Mcorr(p,q)代表模板左上角点滑动到SAR基准图像素坐标(p,q)处时计算的相似度;
完成遍历匹配后,找到相似度矩阵Mcorr中最大值点,其对应坐标为SAR实时图Imgreal左上角点在SAR基准图上的像素坐标(x0,y0),记录Mcorr中最大值corr为相似度峰值;
(6)从SAR基准图中依次截取信标模板Imgroi,在SAR实时图上进行子区图像匹配,得到信标中心点在SAR实时图上的像素坐标;
(7)通过步骤(5)、步骤(6)的图像匹配结果,对待测试SAR雷达成像质量进行分析判断。
2.根据权利要求1所述的一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,其特征在于:所述步骤(1)中选取的SAR图像为为灰度图像,每个像素对应一个灰度值,灰度值的取值范围为[0,255]。
4.根据权利要求3所述的一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,其特征在于:
所述步骤(6)中子区图像匹配的方法步骤如下:
(6.1)根据整体图像匹配结果推算各信标左上角点在SAR实时图中的粗略坐标(xi”,yi”),推算公式如下:
xi”=x0+xi-wroi/2
yi”=y0+yi-hroi/2
确定各信标左上角点在SAR实时图中的范围:
令第i个信标左上角点坐标搜索区域为Ri,
Ri={(x,y)|x>xi’-Disx/2且x<xi’+Disx/2且x≥0且x<Wreal且y>yi’-Disy/2且y<yi’+Disy/2且y≥0且y<Hreal};
(6.2)从SAR基准图中截取1个完整的信标子区图像作为信标模板Imgroi;
(6.3)使用信标模板Imgroi叠掩在SAR实时图Imgreal上逐像素滑动遍历,计算相似度矩阵Mcorr’,相似度矩阵Mcorr’的宽为Wreal-wroi+1、高为Hreal-hroi+1;
相似度矩阵Mcorr’中元素Mcorr’(p’,q’)代表模板左上角点滑动到SAR实时图像素坐标(p’,q’)处时计算的相似度;
在相似度矩阵Mcorr’信标各自的搜索区域Ri中找到最大值点(ci,ri),计算各信标中心点在SAR实时图上的坐标(xi’,yi’):
5.根据权利要求4所述的一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,其特征在于:所述步骤(7)中待测试SAR雷达成像质量进行分析判断的方法包括相似度判断、相对位置偏差判断、相对距离判断、中心区域平均灰度评价。
6.根据权利要求5所述的一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,其特征在于:
所述相似度判断的步骤如下:
将相似度corr与相似度阈值thre1进行对比,若相似度corr≥thre1,则认为待测试SAR雷达成像质量正常,否则认为待测试SAR雷达成像质量异常;其中,thre1的取值区间为[0,1]。
8.根据权利要求5所述的一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,其特征在于:
所述相对距离判断的步骤如下:
计算各信标中心点之间的距离关系,计算公式如下所示:
若|L12-Disx|≤thre3且|L34-Disx|≤thre3,则认为方位向相对距离正常,否则认为方位向相对距离异常;
若|L13-Disy|≤thre3且|L24-Disy|≤thre3,则认为距离向相对距离正常,否则认为方位向相对距离异常;
其中,thre3为相对距离阈值,L12为信标中心点1与信标中心点2的距离,L34为信标中心点3和信标中心点4的距离,L13为信标中心点1和信标中心点3 的距离,L24为信标中心点2和信标中心点4之间的距离。
9.根据权利要求5所述的一种基于多子区图像匹配的SAR雷达成像质量快速自动评价方法,其特征在于:
所述中心区域平均灰度评价的步骤如下:
以SAR实时图中各信标中心点为中心,计算半径3像素到半径6像素范围的同心圆区域像素灰度平均值,若灰度均值小于等于thre4,则认为待测试的SAR雷达成像质量正常,否则认为待测试的SAR雷达成像质量异常;其中,thre4为中心区域平均灰度阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811123271.0A CN109410175B (zh) | 2018-09-26 | 2018-09-26 | 基于多子区图像匹配的sar雷达成像质量快速自动评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811123271.0A CN109410175B (zh) | 2018-09-26 | 2018-09-26 | 基于多子区图像匹配的sar雷达成像质量快速自动评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109410175A CN109410175A (zh) | 2019-03-01 |
CN109410175B true CN109410175B (zh) | 2020-07-14 |
Family
ID=65465204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811123271.0A Active CN109410175B (zh) | 2018-09-26 | 2018-09-26 | 基于多子区图像匹配的sar雷达成像质量快速自动评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109410175B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111175744B (zh) * | 2019-09-20 | 2023-08-15 | 中国船舶工业系统工程研究院 | 一种雷达图像快速生成与缩放方法 |
CN110717546A (zh) * | 2019-10-15 | 2020-01-21 | 上海眼控科技股份有限公司 | 图片分布相似度计算方法、装置、计算机设备和存储介质 |
CN113219425B (zh) * | 2021-05-11 | 2022-11-22 | 上海涵润汽车电子有限公司 | 一种雷达目标检测性能的测试方法及系统 |
CN115628796B (zh) * | 2022-11-18 | 2023-03-21 | 北京锐达仪表有限公司 | 基于3d雷达扫描仪的高精度物料质量测量系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959707A (zh) * | 2006-12-07 | 2007-05-09 | 北京航空航天大学 | 基于像素跳跃的图像匹配方法 |
CN102073035A (zh) * | 2010-12-13 | 2011-05-25 | 中国人民解放军国防科学技术大学 | 星载干涉合成孔径雷达系统仿真性能评估方法 |
CN103268496A (zh) * | 2013-06-08 | 2013-08-28 | 中国人民解放军国防科学技术大学 | Sar图像目标识别方法 |
CN103337068A (zh) * | 2013-06-04 | 2013-10-02 | 华中科技大学 | 空间关系约束的多子区匹配方法 |
CN104021556A (zh) * | 2014-06-13 | 2014-09-03 | 西南交通大学 | 一种基于几何结构相似性的异源遥感影像配准方法 |
CN106228510A (zh) * | 2016-08-11 | 2016-12-14 | 中国电子科技集团公司第三十八研究所 | 基于畸变程度分割的无人机载实时sar图像配准方法 |
CN106778899A (zh) * | 2016-12-30 | 2017-05-31 | 西安培华学院 | 一种基于统计相关的快速互信息图像匹配方法 |
CN107451992A (zh) * | 2017-07-20 | 2017-12-08 | 广东工业大学 | 一种sar图像变化检测的方法与装置 |
CN108304883A (zh) * | 2018-02-12 | 2018-07-20 | 西安电子科技大学 | 基于改进sift的sar图像匹配方法 |
CN108550145A (zh) * | 2018-04-11 | 2018-09-18 | 北京环境特性研究所 | 一种sar图像质量评估方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017156219A (ja) * | 2016-03-02 | 2017-09-07 | 沖電気工業株式会社 | 追尾装置、追尾方法およびプログラム |
-
2018
- 2018-09-26 CN CN201811123271.0A patent/CN109410175B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959707A (zh) * | 2006-12-07 | 2007-05-09 | 北京航空航天大学 | 基于像素跳跃的图像匹配方法 |
CN102073035A (zh) * | 2010-12-13 | 2011-05-25 | 中国人民解放军国防科学技术大学 | 星载干涉合成孔径雷达系统仿真性能评估方法 |
CN103337068A (zh) * | 2013-06-04 | 2013-10-02 | 华中科技大学 | 空间关系约束的多子区匹配方法 |
CN103268496A (zh) * | 2013-06-08 | 2013-08-28 | 中国人民解放军国防科学技术大学 | Sar图像目标识别方法 |
CN104021556A (zh) * | 2014-06-13 | 2014-09-03 | 西南交通大学 | 一种基于几何结构相似性的异源遥感影像配准方法 |
CN106228510A (zh) * | 2016-08-11 | 2016-12-14 | 中国电子科技集团公司第三十八研究所 | 基于畸变程度分割的无人机载实时sar图像配准方法 |
CN106778899A (zh) * | 2016-12-30 | 2017-05-31 | 西安培华学院 | 一种基于统计相关的快速互信息图像匹配方法 |
CN107451992A (zh) * | 2017-07-20 | 2017-12-08 | 广东工业大学 | 一种sar图像变化检测的方法与装置 |
CN108304883A (zh) * | 2018-02-12 | 2018-07-20 | 西安电子科技大学 | 基于改进sift的sar图像匹配方法 |
CN108550145A (zh) * | 2018-04-11 | 2018-09-18 | 北京环境特性研究所 | 一种sar图像质量评估方法和装置 |
Non-Patent Citations (4)
Title |
---|
A coarse-to-precise matching strategy in navigation;Hongjun Liu等;《2016 IEEE Chinese Guidance, Navigation and Control Conference (CGNCC)》;20170123;第2170-2174页 * |
SAR图像变化检测技术研究;张辉;《中国优秀硕士学位论文全文数据库 信息科技辑》;20090415;I138-887 * |
一种新的基于点目标的SAR成像质量评估方法;陆洪涛等;《战术导弹技术》;20130930;第31-34页 * |
基于分类模板的SAR图像自动配准方法;王浩等;《电子科技》;20170831;第30卷(第8期);第105-108页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109410175A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410175B (zh) | 基于多子区图像匹配的sar雷达成像质量快速自动评价方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
CN111191629B (zh) | 一种基于多目标的图像能见度检测方法 | |
CN109284786B (zh) | 基于分布和结构匹配生成对抗网络的sar图像地物分类方法 | |
US9953437B1 (en) | Method and device for constructing a table including information on a pooling type and testing method and testing device using the same | |
CN111507976B (zh) | 基于多角度成像的缺陷检测方法及系统 | |
CN103207987B (zh) | 一种指针式仪表的示数识别方法 | |
CN101826157B (zh) | 一种地面静止目标实时识别跟踪方法 | |
CN110133639B (zh) | 一种传力杆施工质量检测方法 | |
CN107341824B (zh) | 一种图像配准的综合评价指标生成方法 | |
CN113096183A (zh) | 一种基于激光雷达与单目相机的障碍物检测与测量方法 | |
CN114693522A (zh) | 一种全聚焦超声图像拼接方法 | |
CN110703215A (zh) | 一种基于支持向量机的机载sar成像质量评估方法 | |
CN108564621A (zh) | 用于车辙检测的结构光光条中心提取方法及装置 | |
CN111008956B (zh) | 基于图像处理的梁底裂纹检测方法、系统、装置及介质 | |
CN117495852B (zh) | 一种基于图像分析的数字印刷质量检测方法 | |
CN110969601B (zh) | 基于视觉特征跟踪算法的结构转动响应非接触式识别方法 | |
CN112233186A (zh) | 基于图像感知的设备气密性检测相机自标定方法 | |
CN109272551A (zh) | 一种基于圆形标志点布局的视觉定位方法 | |
CN114359652A (zh) | 一种基于深度学习和单目大视场平面测量的定位检测方法 | |
CN109035335B (zh) | 一种基于单目视觉的海底隧道渗水水位识别方法 | |
Du et al. | Grid-based matching for full-field large-area deformation measurement | |
CN113657144B (zh) | 桥梁区域通航船舶的快速检测和跟踪方法 | |
Gao et al. | An improved fog concentration detection method for waterway based on FADE |
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 |