CN109816683A - 一种航海雷达图像中海浪信息反演的预处理方法 - Google Patents
一种航海雷达图像中海浪信息反演的预处理方法 Download PDFInfo
- Publication number
- CN109816683A CN109816683A CN201910087571.6A CN201910087571A CN109816683A CN 109816683 A CN109816683 A CN 109816683A CN 201910087571 A CN201910087571 A CN 201910087571A CN 109816683 A CN109816683 A CN 109816683A
- Authority
- CN
- China
- Prior art keywords
- marine radar
- channel interference
- noise
- information
- interference noise
- 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
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种航海雷达图像中海浪信息反演的预处理方法,包括步骤有:将航海雷达图像从极坐标系统变换至平面坐标系统;采用拉普拉斯算子卷积,保留同频干扰噪声位置的高亮灰度值,降低海杂波信息的灰度值;采用灰度分割阈值,快速分割同频干扰噪声;采用线性内插法,对同频干扰噪声进行降噪处理;采用Otsu算法和面积阈值法,快速提取需要平滑处理的显示为高亮斑点的目标信息;采用线性内插法,对结果图像进行平滑处理,并最终将处理后的结果变换至极坐标系,并输出预处理结果。本发明通过航海雷达图像海浪信息反演的预处理方法,提高了海浪信息反演预处理的速度及效率。
Description
技术领域
本发明涉及一种航海雷达图像信息处理方法,尤其是一种航海雷达图像中海浪信息反演的预处理方法。
背景技术
航海雷达原始图像中的海浪影像是进行海面风场、溢油、海冰、赤潮/浒苔等信息反演的基础。但是航海雷达原始图像中,包含同频干扰、斑点噪声、假目标噪声、船舶、岛屿等其他信息,如何在保留海浪信息的同时,对这些信息进行预处理,是航海雷达海浪影像应用的首要工作。
Zhu[1]、Liu[2]和Xu[3]等人在应用航海雷达进行海面溢油监测之前,仅对航海雷达的同频干扰噪声进行了预处理,且算法效率都较低。沈丽兰[4]采用小波变换对海面溢油雷达图像进行预处理,速度较慢。季顺迎等人[5]采用中值滤波,对海冰雷达监测图像进行预处理,效率也很低。
[1]Zhu,X.,Li,Y.,Feng,H.,Liu,B.,Xu,J.,2015.Oil spill detection methodusing X-band marine radar imagery[J].Journal of Applied Remote Sensing.9(1),095985.
[2]Liu,P.,Li,Y.,Xu,J.,Zhu,X.,2017.Adaptive enhancement of X-bandmarine radar imagery to detect oil spill segments[J].Sensors.17(10),2349.
[3]Xu,J.,Liu,P.,Wang,H.,Lian,J.,Li,B.,2018.Marine radar oil spillmonitoring technology based on Dual-threshold and C–V level set methods[J].Indian Society of Remote Sensing.46(12),1949-1961.
[4]沈丽兰.冰区溢油雷达监测技术研究[D].大连海事大学,2010.
[5]季顺迎,陈晓东,刘煜,唐茂宁,刘宗勋,王宇新.基于油气平台的海冰雷达监测图像处理及冰速测量[J].海洋学报(中文版),2013,35(03):119-127.
发明内容
针对航海雷达航浪信息提取预处理效率较低的现实问题,本发明提出的航海雷达图像中海浪信息反演的预处理方法,采用拉普拉斯算子、灰度阈值法与线性内插,消除同频干扰,采用Otsu、面积阈值法、线性内插平滑高亮斑点信息,得到了较好的预处理效果,且计算效率更高。
本发明的技术方案是这样实现的:
一种航海雷达图像中海浪信息反演的预处理方法,包括以下步骤:
S1,将航海雷达图像从极坐标系统变换至平面坐标系统;
S2,采用拉普拉斯算子卷积,保留同频干扰噪声位置的高亮灰度值,降低海杂波信息的灰度值;
S3,采用灰度分割阈值,快速分割同频干扰噪声;
S4,采用线性内插法,对同频干扰噪声进行降噪处理,计算公式如下:
其中,m是噪声点左边最近的非噪声点与噪声之间的距离,n是右边对应的距离;
S5,采用Otsu算法和面积阈值法,快速提取需要平滑处理的显示为高亮斑点的目标信息;
S6,采用步骤S4中相同的线性内插法,对步骤S5中的结果图像进行平滑处理;
S7,将处理后的结果变换至极坐标系,并输出预处理结果。
进一步的,步骤S2中所述同频干扰噪声主要为同一海域邻近航海雷达产生的电磁信息。
进一步的,步骤S2中所述海杂波信息主要为航海雷达照射海面产生的后向散射回波的信息。
本发明的有益效果在于:通过航海雷达图像海浪信息反演的预处理方法,提高了海浪信息反演预处理的速度及效率。
附图说明
图1为本发明所述方法工作流程图;
图2为本发明所述方法中所述航海雷达原始图像;
图3为本发明所述方法中所述坐标系统变换图像;
图4为本发明所述方法中所述拉普拉斯算子的一种形式;
图5为本发明所述方法中所述拉普拉斯算子卷积图像;
图6为本发明所述方法中所述灰度值阈值(250)分割图像;
图7为本发明所述方法中所述线性内插消除同频干扰图像;
图8为本发明所述方法中所述Otsu与面积阈值法(50)提取的需要平滑的目标信息图像;
图9为本发明所述方法中所述线性内插平滑结果图像;
图10为本发明所述方法中所述预处理结果图像。
具体实施方式
下面结合附图详述本发明具体实施方式:
如图1所示,一种航海雷达图像中海浪信息反演的预处理方法,包括以下步骤:
S1,将航海雷达图像从极坐标系统变换至平面坐标系统;
S2,采用拉普拉斯算子卷积,保留同频干扰噪声位置的高亮灰度值,降低海杂波信息的灰度值;
S3,采用灰度分割阈值,快速分割同频干扰噪声;
S4,采用线性内插法,对同频干扰噪声进行降噪处理,计算公式如下:
其中,m是噪声点左边最近的非噪声点与噪声之间的距离,n是右边对应的距离;
S5,采用Otsu算法和面积阈值法,快速提取需要平滑处理的显示为高亮斑点的目标信息;
S6,采用步骤S4中相同的线性内插法,对步骤S5中的结果图像进行平滑处理;
S7,将处理后的结果变换至极坐标系,并输出预处理结果。
进一步的,步骤S2中所述同频干扰噪声主要为同一海域邻近航海雷达产生的电磁信息,所述海杂波信息主要为航海雷达照射海面产生的后向散射回波的信息。
参照图2-9,上述实施方式中,航海雷达原始图像的坐标系统是以方位角和距离进行位置信息描述的极坐标系统,含有含杂波、噪声、船舶目标、岛屿目标等信息,如图2所示。为了便于对图像进行预处理,首先将航海雷达原始图像变换至以方位角为横轴,以距离为纵轴的平面直角坐标系统,如图3所示。采用拉普拉斯算子中的一种表现形式(如图4所示),对图3进行卷积运算,结果如图5所示。由于同频干扰被拉普拉斯算子进行了亮度强化,所以用灰度阈值250,对图像进行二值化分割,提取同频干扰如图6所示。采用步骤4中的距离加权线性内插法对图6的同频干扰噪声进行降噪得到图7。采用Otsu算法对图像7进行二值化,再采用像素面积阈值50,提取需要平滑的目标信息,如图8所示。再次采用步骤4中的距离加权线性内插法对图8的目标进行平滑得到结果如图9所示。最后将预处理的结果,投影回以方位角和距离描述位置的极坐标系统中,如图10所示。
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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种航海雷达图像中海浪信息反演的预处理方法,其特征在于,包括以下步骤:
S1,将航海雷达图像从极坐标系统变换至平面坐标系统;
S2,采用拉普拉斯算子卷积,保留同频干扰噪声位置的高亮灰度值,降低海杂波信息的灰度值;
S3,采用灰度分割阈值,快速分割同频干扰噪声;
S4,采用线性内插法,对同频干扰噪声进行降噪处理,计算公式如下:
其中,m是噪声点左边最近的非噪声点与噪声之间的距离,n是右边对应的距离;
S5,采用Otsu算法和面积阈值法,快速提取需要平滑处理的显示为高亮斑点的目标信息;
S6,采用步骤S4中相同的线性内插法,对步骤S5中的结果图像进行平滑处理;
S7,将处理后的结果变换至极坐标系,并输出预处理结果。
2.根据权利要求1所述的预处理方法,其特征在于:步骤S2中所述同频干扰噪声主要为同一海域邻近航海雷达产生的电磁信息。
3.根据权利要求1所述的预处理方法,其特征在于:步骤S2中所述海杂波信息主要为航海雷达照射海面产生的后向散射回波的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910087571.6A CN109816683B (zh) | 2019-01-29 | 2019-01-29 | 一种航海雷达图像中海浪信息反演的预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910087571.6A CN109816683B (zh) | 2019-01-29 | 2019-01-29 | 一种航海雷达图像中海浪信息反演的预处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816683A true CN109816683A (zh) | 2019-05-28 |
CN109816683B CN109816683B (zh) | 2022-09-30 |
Family
ID=66605712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910087571.6A Active CN109816683B (zh) | 2019-01-29 | 2019-01-29 | 一种航海雷达图像中海浪信息反演的预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816683B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667494A (zh) * | 2020-06-05 | 2020-09-15 | 广东海洋大学 | 一种船载雷达原始图像的高亮目标快速分割方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163322A (zh) * | 2011-03-16 | 2011-08-24 | 哈尔滨工程大学 | 基于拉普拉斯算子的雷达图像中同频干扰的抑制方法 |
US20170315225A1 (en) * | 2016-04-28 | 2017-11-02 | Electronics And Telecommunications Research Institute | Apparatus and method for extracting ocean wave information |
-
2019
- 2019-01-29 CN CN201910087571.6A patent/CN109816683B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102163322A (zh) * | 2011-03-16 | 2011-08-24 | 哈尔滨工程大学 | 基于拉普拉斯算子的雷达图像中同频干扰的抑制方法 |
US20170315225A1 (en) * | 2016-04-28 | 2017-11-02 | Electronics And Telecommunications Research Institute | Apparatus and method for extracting ocean wave information |
Non-Patent Citations (2)
Title |
---|
徐进等: "用于海上溢油监测的航海雷达图像降噪技术研究", 《测绘与空间地理信息》 * |
徐进等: "航海雷达溢油监测的同频干扰降噪处理方法研究", 《测绘通报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111667494A (zh) * | 2020-06-05 | 2020-09-15 | 广东海洋大学 | 一种船载雷达原始图像的高亮目标快速分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109816683B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414411B (zh) | 基于视觉显著性的海面船只候选区域检测方法 | |
Galceran et al. | A real-time underwater object detection algorithm for multi-beam forward looking sonar | |
CN109978869A (zh) | 一种基于灰度共生矩阵和Hough变换的海天线检测方法与系统 | |
CN109427055B (zh) | 基于视觉注意机制和信息熵的遥感图像海面舰船检测方法 | |
CN107705313A (zh) | 一种遥感图像舰船目标分割方法 | |
CN109829858B (zh) | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 | |
CN110348442B (zh) | 一种基于支持向量机的船载雷达图像海上油膜识别方法 | |
Corbane et al. | Fully automated procedure for ship detection using optical satellite imagery | |
Long et al. | Underwater forward-looking sonar images target detection via speckle reduction and scene prior | |
CN114764801A (zh) | 基于多视觉显著特征的弱小舰船目标融合检测方法及装置 | |
CN109816683A (zh) | 一种航海雷达图像中海浪信息反演的预处理方法 | |
CN113205494B (zh) | 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统 | |
CN112163606B (zh) | 基于块对比度加权的红外小目标检测的方法 | |
CN113673385A (zh) | 基于红外图像的海面舰船检测方法 | |
Ni et al. | USV obstacle avoidance based on improved watershed and VFH method | |
Wei et al. | A Markov random field approach for sidescan sonar change detection | |
CN107609537A (zh) | 一种基于hsv空间水面图像特征的水岸线检测方法 | |
Lu et al. | An improved target detection method based on sonar image processing | |
CN112816956A (zh) | 一种获取雷达目标信息的方法和装置 | |
CN111667494A (zh) | 一种船载雷达原始图像的高亮目标快速分割方法 | |
Chen et al. | Texture Enhancement Method of Oceanic Internal Waves in SAR Images Based on Non-local Mean Filtering and Multi-scale Retinex | |
Liu et al. | A fast method for obtaining the region of interest of coastal infrared ship | |
CN117237619B (zh) | 基于机器视觉技术的水上救援探测系统及方法 | |
Perry | Applications of Image processing to mine warfare sonar | |
Du et al. | Sidescan sonar image target extraction method based on variable initial signed distance function-based active contour CV model |
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 |