CN110599479A - 一种监测区域变化检测方法、装置及存储介质 - Google Patents
一种监测区域变化检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110599479A CN110599479A CN201910874797.0A CN201910874797A CN110599479A CN 110599479 A CN110599479 A CN 110599479A CN 201910874797 A CN201910874797 A CN 201910874797A CN 110599479 A CN110599479 A CN 110599479A
- Authority
- CN
- China
- Prior art keywords
- output
- image
- pixel
- monitoring
- target pixel
- 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
Links
Classifications
-
- 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
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种监测区域变化检测方法、装置及存储介质,该方法包括:获取监测区域的初始状态图像以及监测图像,所述监测图像为在所述初始状态图像采集时间之后采集的监测区域的图像;根据所述初始状态图像和监测图像确定所述监测区域的每个像素的变化强度,并根据所述每个像素的变化强度生成所述监测区域的变化强度图;对所述变化强度图进行二值化输出;根据二值化输出的变化强度图确定多个输出区域,并计算每个输出区域所占的像素个数;判断每个输出区域所占的像素个数是否超过预设的阈值;若否,则将像素个数不过预设阈值的输出区域删除,并根据剩余的输出区域的像素总数以及所述变化强度图的像素总数计算所述监测区域的变化程度。
Description
技术领域
本申请涉及图像处理领域,具体而言,涉及一种监测区域变化检测方法、装置及存储介质。
背景技术
目前,常规的变化检测方法主要有图像差值法、图像比值法、图像回归法以及主成分分析法四种方法,但这些方法基本都以检测出变化居多,存在着对变化的定量分析较弱的问题。
发明内容
本申请实施例的目的在于提供一种监测区域变化检测方法、装置及存储介质,用以解决目前常规的变化检测方法存在的对变化的定量分析较弱的问题。
第一方面,本发明实施例提供一种监测区域变化检测方法,所述方法包括:获取监测区域的初始状态图像以及监测图像,所述监测图像为在所述初始状态图像采集时间之后采集的监测区域的图像;根据所述初始状态图像和监测图像确定所述监测区域的每个像素的变化强度,并根据所述每个像素的变化强度生成所述监测区域的变化强度图;对所述变化强度图进行二值化输出;根据二值化输出的变化强度图确定多个输出区域,并计算每个输出区域所占的像素个数;判断每个输出区域所占的像素个数是否超过预设的阈值;若否,则将像素个数不超过预设阈值的输出区域删除,并根据剩余的输出区域的像素总数以及所述变化强度图的像素总数计算所述监测区域的变化程度。
在上述设计的方案中,通过监测区域的初始状态图像和监测图像来确定监测区域的变化强度图,并对变化强度图进行二值化输出,在二值化输出之后在二值化输出图像中确定多个输出区域并根据每个输出区域的像素个数来判断其是否满足预设阈值,在将不满足预设阈值的输出区域删除后,统计剩余输出区域的像素个数和变化强度图的像素总数来计算该监测区域的变化程度,通过上述方式可得到监测区域的变化程度,进而可重点监视监测区域变化程度较大的区域,解决了目前常规的变化检测方法存在的对变化的定量分析较弱的问题,使得对监测区域变化的检测更加准确。
在第一方面的可选实施方式中,所述根据二值化输出的变化强度图确定多个输出区域,包括:在所述二值化输出的图像中选择一个目标像素,所述目标像素为灰度值大于二值化输出阈值的像素;计算所述目标像素邻域中每个像素的灰度值;判断目标像素邻域中是否存在至少一个像素满足:灰度值大于二值化输出阈值;若存在至少一个像素满足灰度值大于二值化输出阈值,则将目标像素邻域中灰度值大于二值化输出阈值的像素作为目标像素,并返回执行计算所述目标像素邻域中每个像素的灰度值的步骤;若不存在至少一个像素满足灰度值大于二值化输出阈值,则将所述目标像素以及目标像素周围大于二值化输出阈值的像素作为输出区域;并判断所述二值化输出的图像中是否还存在目标像素;若不存在,则输出确定的输出区域;若存在,则返回执行在所述二值化输出的图像中选择一个目标像素的步骤。
由于二值化输出的变化强度图中噪声较多,严重影响后续自动提取的精度与速度,通过上述实施方式对二值化输出的变化强度图进行去除噪声处理,使得后续自动提取的速度更快,精度更好,得到的变化检测的可信度更高。
在第一方面的可选实施方式中,所述根据所述初始状态图像和监测图像确定每个像素的变化强度,包括:根据所述初始状态图像中每个波段的光谱矢量和监测图像中每个波段的光谱矢量计算每个波段的光谱变化矢量;根据每个波段的光谱变化矢量计算每个像素的变化强度。
在可选的实施方式中,所述每个波段的光谱变化矢量I变计算公式为:
I变=σ|I初(x,y)-I对(x,y)|
其中,σ为权值,0<σ≤1;I初(x,y)表示为初始状态图像中每个波段的光谱矢量;I对(x,y)表示为监测图像中每个波段的光谱矢量;
所述每个像素的变化强度I计算公式为:
其中,N为波段的数量,τ为每个波段的权重。
在第一方面的可选实施方式中,在所述根据所述每个像素的变化强度生成所述监测区域的变化强度图之后,所述方法还包括:利用最大类间方差法根据所述变化强度图确定二值化输出的阈值;所述对所述变化强度图进行二值化输出,包括:根据确定的阈值对所述变化强度图进行二值化输出。
在第一方面的可选实施方式中,所述监测图像包括多张监测图像,在所述获取监测区域的初始状态图像以及监测图像之后,所述方法还包括:计算每张监测图像的信息熵;判断每张监测图像的信息熵是否超过预设的阈值;若不超过,则将不超过预设阈值的监测图像删除;若超过,则对超过预设阈值的监测图像和初始状态图像进行直方图匹配和几何配准。
在上述实施方式中,对信息熵没有超过阈值的监测图像进行删除,使得信息不丰富的监测图像进行了初步筛选,防止后续对一些不必要的监测图像的处理,节约了资源和成本;并对满足信息熵要求的监测图像和初始状态图像进行预处理,使得后续对监测区域变化检测更加准确。
第二方面,本发明实施例提供一种监测区域变化检测装置,所述装置包括:获取模块,用于获取监测区域的初始状态图像以及监测图像,所述监测图像为在所述初始状态图像采集时间之后采集的监测区域的图像;确定模块,用于根据所述初始状态图像和监测图像确定每个像素的变化强度,并根据所述每个像素的变化强度生成所述监测区域的变化强度图;输出模块,用于对所述变化强度图进行二值化输出;计算模块,用于根据二值化输出的变化强度图确定多个输出区域,并计算每个输出区域所占的像素个数;判断模块,用于判断每个输出区域所占的像素个数是否超过预设的阈值;所述计算模块,还用于在所述判断模块判断每个输出区域所占的像素个数不超过预设的阈值之后,将像素个数不超过预设阈值的输出区域删除,并根据剩余的输出区域的像素总数以及所述变化强度图的像素总数计算所述监测区域的变化程度。
在上述设计的装置中,通过监测区域的初始状态图像和监测图像来确定监测区域的变化强度图,并对变化强度图进行二值化输出,在二值化输出之后在二值化输出图像中确定多个输出区域并根据每个输出区域的像素个数来判断其是否满足预设阈值,在将不满足预设阈值的输出区域删除后,统计剩余输出区域的像素个数和变化强度图的像素总数来计算该监测区域的变化程度,通过上述方式可得到监测区域的变化程度,进而可重点监视监测区域变化程度较大的区域,解决了目前常规的变化检测方法存在的对变化的定量分析较弱的问题,使得对监测区域变化的检测更加准确。
在第二方面的可选实施方式中,所述计算模块,具体用于在所述二值化输出的图像中选择一个目标像素,所述目标像素为灰度值大于二值化输出阈值的像素;计算所述目标像素邻域中每个像素的灰度值;判断目标像素邻域中是否存在至少一个像素满足:灰度值大于二值化输出阈值;若存在至少一个像素满足灰度值大于二值化输出阈值,则将目标像素邻域中灰度值大于二值化输出阈值的像素作为目标像素,并返回执行计算所述目标像素邻域中每个像素的灰度值的步骤;若不存在至少一个像素满足灰度值大于二值化输出阈值,则将所述目标像素以及目标像素周围大于二值化输出阈值的像素作为输出区域;并判断所述二值化输出的图像中是否还存在目标像素;若不存在,则输出确定的输出区域;若存在,则返回执行在所述二值化输出的图像中选择一个目标像素的步骤。
在第二方面的可选实施方式中,所述确定模块,具体用于根据所述初始状态图像中每个波段的光谱矢量和监测图像中每个波段的光谱矢量计算每个波段的光谱变化矢量;根据每个波段的光谱变化矢量计算每个像素的变化强度。
在第二方面的可选实施方式中,所述确定模块,还用于在根据所述每个像素的变化强度生成所述监测区域的变化强度图之后,利用最大类间方差法根据所述变化强度图确定二值化输出的阈值;所述输出模块,具体用于根据确定的阈值对所述变化强度图进行二值化输出。
在第二方面的可选实施方式中,所述监测图像包括多张监测图像,所述计算模块,还用于在所述获取模块获取监测区域的初始状态图像以及监测图像之后,计算每张监测图像的信息熵;所述判断模块,还用于判断每张监测图像的信息熵是否超过预设的阈值;若不超过,则删除模块将不超过预设阈值的监测图像删除;若超过,则处理模块对超过预设阈值的监测图像和初始状态图像进行直方图匹配和几何配准。
第三方面,本发明实施例提供一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现前述实施方式中任一项所述方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现前述实施方式中任一项所述方法的步骤。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请第一实施例提供的监测区域变化检测方法第一流程图;
图2为本申请第一实施例提供的监测区域变化检测方法第二流程图;
图3为本申请第一实施例提供的监测区域变化检测方法第三流程图;
图4为本申请第一实施例提供的监测区域变化检测方法第四流程图;
图5为本申请第一实施例提供的监测区域变化检测方法第五流程图;
图6为本申请第二实施例提供的监测区域变化检测装置结构示意图;
图7为本申请第三实施例提供的电子设备结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
第一实施例
如图1所示,本申请实施例提供一种监测区域变化检测方法,该方法可应用于服务器,该方法具体包括以下步骤:
步骤S100:获取监测区域的初始状态图像以及监测图像,该监测图像为在初始状态图像采集时间之后采集的监测区域的图像。
步骤S102:根据初始状态图像和监测图像确定监测区域的每个像素的变化强度,并根据每个像素的变化强度生成监测区域的变化强度图。
步骤S104:对变化强度图进行二值化输出,根据二值化输出的变化强度图确定多个输出区域,计算二值化输出的图像中每个输出区域所占的像素个数。
步骤S106:判断每个输出区域所占的像素个数是否超过预设的阈值,若否,则转到步骤S108。
步骤S108:将像素个数不超过预设阈值的输出区域删除,并根据剩余的输出区域的像素总数以及变化强度图的像素总数计算监测区域的变化程度。
在步骤S100中,初始状态图像可为最初拍摄到该监测区域时该监测区域当前情况的多光谱遥感图像;监测图像表示为在初始状态图像拍摄之后,间隔一段时间后拍摄的该监测区域的多光谱遥感图像,例如,相隔一个月、两个月等拍摄的图像。该监测区域监测图像可为多张监测图像,该多张监测图像之间可间隔一段时间,也可以为连续的一段时间,这里需要说明的是,当为多张监测图像时,可将每张监测图像与初始图像执行步骤S102~步骤S108来获得每张监测图像的变化程度。初始状态图像和监测图像的拍摄都可通过探测器来进行拍摄,在探测器拍摄到之后将其传输给服务器进行图像存储和处理。另外,监测区域的初始状态图像和监测区域的监测图像可通过预设的图斑在图像中进行搜索来找到图像中对应的监测区域并对其进行切图处理后获得,其中一张初始状态图像或监测图像中可能包含有多个监测区域。
在步骤S100获得初始状态图像和监测图像之后,可以针对初始状态图像和监测图像进行变化检测,继续执行步骤S102中的根据初始状态图像和监测图像确定监测区域的每个像素的变化强度,并根据每个像素的变化强度生成监测区域的变化强度图。其中,变化强度图表示为该监测区域各个像素的变化强度分布。
在步骤S102得到表示该监测区域各个像素的变化强度分布之后,执行步骤S104对变化强度图进行二值化输出,根据二值化输出的变化强度图确定多个输出区域,计算二值化输出的图像中每个输出区域所占的像素个数。
在这里需要说明的是,在对变化强度图进行二值化输出后,得到二值化输出的变化强度图,在二值化输出的变化强度图中会具有白色输出部分和黑色输出部分,该白色输出部分又分为了多个输出区域,每个输出区域表示为多个邻接目标像素的集合,而目标像素表示为灰度值大于二值化输出阈值的像素,也就是呈现白色的像素。
在步骤S104计算二值化输出的图像中每个输出区域所占的像素个数之后,执行步骤S106判断每个输出区域所占的像素个数是否超过预设的阈值;也就是说输出区域内的像素总数是否超过预设的阈值,例如50个像素。
若步骤S106判断出输出区域内的像素总数不超过预设的阈值,则执行步骤S108将像素总数不超过预设阈值的输出区域删除,也就是说本来输出区域在二值化输出的图像中是呈现白色,将其删除也就是说让其呈现黑色。并继续执行步骤S108中的计算剩余的输出区域的像素总数,也就是说统计删除后剩余的呈现白色的输出区域的像素总数,以及该变化强度图中的像素总个数,并利用呈现白色的输出区域的像素总数和该变化强度图中的像素总个数来计算该监测区域的变化程度。具体的,可以将呈现白色的输出区域的像素总数除以该变化强度图中的像素总个数来得到该监测区域的变化百分比。
在上述设计的方案中,通过监测区域的初始状态图像和监测图像来确定监测区域的变化强度图,并对变化强度图进行二值化输出,在二值化输出之后在二值化输出图像中确定多个输出区域并根据每个输出区域的像素个数来判断其是否满足预设阈值,在将不满足预设阈值的输出区域删除后,统计剩余输出区域的像素个数和变化强度图的像素总数来计算该监测区域的变化程度,通过上述方式可得到监测区域的变化程度,进而可重点监视监测区域变化程度较大的区域,解决了目前常规的变化检测方法存在的对变化的定量分析较弱的问题,使得对监测区域变化的检测更加准确。
在本申请方案中,该监测区域可为大棚房,针对已经明确为大棚房的区域,为了检测大棚房区域是否按照规定及时拆除,需要对其进行持续监测,对于没有变化的大棚房区域需要进行持续的催促整改,采用上述方法可以减少人工目视判读的工作量,并且检测结果的可信度较高。
在本实施例的可选实施方式中,步骤S104中的根据二值化输出的变化强度图确定多个输出区域,如图2所示,具体可为以下步骤:
步骤S1040:在二值化输出的图像中选择一个目标像素,该目标像素为灰度值大于二值化输出阈值的像素。
步骤S1042:计算目标像素邻域中每个像素的灰度值。
步骤S1044:判断目标像素邻域中是否存在至少一个像素满足灰度值大于二值化输出阈值,若是,则转到步骤S1046;若否,则转到步骤S1048。
步骤S1046:将目标像素邻域中灰度值大于二值化输出阈值的像素作为目标像素,并返回执行步骤S1042。
步骤S1048:将目标像素以及目标像素周围大于二值化输出阈值的像素作为输出区域;并判断二值化输出的图像中是否还存在目标像素;若不存在,则输出确定的输出区域;若存在,则返回执行步骤S1040。
在步骤S1040中在二值化输出的图像中选择一个目标像素表示为在二值化输出的图像中随机选择一个满足灰度值大于二值化输出阈值的像素,也就是白色像素,将其作为目标像素。具体的,可以从该二值化输出图像的最左上角开始搜索白色像素,若搜索到,则将其作为初始目标像素。
在步骤S1040选择目标像素之后,执行步骤S1042计算该目标像素邻域中每个像素的灰度值,具体的,可以计算该目标像素4邻域或8邻域中每个像素的灰度值。
在步骤S1042计算该目标像素邻域中每个像素的灰度值之后,执行步骤S1044判断目标像素邻域中是否存在至少一个像素的灰度值大于二值化输出阈值,也就是说判断该目标像素4邻域或8邻域中是否存在至少一个像素的灰度值大于二值化输出阈值。
若步骤S1044判断目标像素邻域中存在至少一个像素满足灰度值大于二值化输出阈值,那么则执行步骤S1046将目标像素邻域中灰度值大于二值化输出阈值的像素作为目标像素,步骤S1046表示为将目标像素邻域中只要满足灰度值大于二值化输出阈值的像素都作为目标像素,例如,假设初始目标像素邻域中有3个像素的灰度值大于二值化输出阈值,那么则将这3个像素都作为目标像素,并返回执行步骤S1042计算目标像素邻域中每个像素的灰度值,也就是说,继续分别计算这3个像素邻域的像素的灰度值并继续执行步骤S1044的判断步骤。
若步骤S1044判断目标像素邻域中不存在至少一个像素满足灰度值大于二值化输出阈值,也就是说,该目标像素邻域中的没有一个像素的灰度值大于二值化输出阈值,那么此时则执行步骤S1048将目标像素以及目标像素周围大于二值化输出阈值的像素作为输出区域,假设在选择初始目标像素后,计算该初始目标像素邻域中没有一个像素的灰度值大于二值化输出阈值,那么则将该初始目标像素就作为一个输出区域;再例如,前述说到初始目标像素邻域中有3个像素的灰度值大于二值化输出阈值,那么则将这3个像素都作为目标像素,并继续分别计算这3个像素邻域的像素的灰度值,假设,这3个像素邻域中的像素没有一个像素的灰度值大于二值化输出阈值,那么则将初始目标像素以及这3个像素作为一个输出区域。按照上述所说,确定一个输出区域之后,判断该二值化输出的图像中是否还存在有目标像素,若不存在,则表示该二值化输出的图像搜索完毕,则将确定的输出区域进行输出;若存在,则继续执行步骤S1040。
上述步骤S1040~步骤S1048可简单的理解为:寻找某目标像素;计算此目标像素周围4邻域像素或8邻域像素的值,假如其值也为目标像素则将此像素作为目标像素继续搜索其周围像素值的情况;当再也没有邻接像素为目标像素时,此输出区域搜索结束,继续寻找下一个没有被标记的小斑像素,直到图像搜索结束。
在上述实施方式中,由于二值化输出的变化强度图中噪声较多,严重影响后续自动提取的精度与速度,通过上述步骤S1040~步骤S1048对二值化输出的变化强度图进行去除噪声处理,使得后续自动提取的速度更快,精度更好,得到的变化检测的可信度更高。
在本实施例的可选实施方式中,前述已经说明监测图像可为多张监测图像,在步骤S100获取监测区域的初始状态图像和监测图像之后,如图3所示,该方法还包括:
步骤S1010:计算每张监测图像的信息熵。
步骤S1012:判断每张监测图像的信息熵是否超过预设的阈值,若不超过,则转到步骤S1014;若超过,则转到步骤S1016。
步骤S1014:将不超过预设阈值的监测图像删除。
步骤S1016:对超过预设阈值的监测图像和初始状态图像进行直方图匹配和几何配准。
在步骤S1010中,熵是从信息论角度反映影像信息丰富程度的一种度量方式,信息熵的大小反映了图像携带的信息量的多少。通常情况下,影像的信息熵越大,其信息量就越丰富,质量也就越好。其中,一张监测图像上每个像元的信息熵数学表达式为:
其中,pi为第i级灰度值出现的概率。
通过将每个像元的信息熵相加即可得到一张监测图像的信息熵。
在步骤S1010计算得到每张监测图像的信息熵之后,执行步骤S1012判断每张监测图像的信息熵是否超过预设的阈值,若不超过,则说明该监测图像中的信息量不够丰富,那么则将其进行删除,不进行后续的变化检测。
在上述实施方式中,对信息熵没有超过阈值的监测图像进行删除,使得信息不丰富的监测图像进行了初步筛选,防止后续对一些不必要的监测图像的处理,节约了资源和成本。
若步骤S1012判断监测图像的信息熵超过预设的阈值,那么则说明该监测图像的信息量很丰富,则对其进行后续的直方图匹配和几何配准。
其中,直方图匹配和几何配准是针对初始状态图像和监测图像的预处理过程,直方图匹配是利用直方图均衡化原理,建立监测图像和初始状态图像之间的关系,选择性地控制监测图像的直方图,使得监测图像的直方图变成规定形状,生成直方图匹配后的图像。
在生成直方图匹配后的图像后,对该图像进行边角匹配搜索,对该图像的四个边角进行匹配搜索。例如,用32×32图像大小,搜索范围5×5的4个边角用直接相关的方法匹配影像。找到四个边角匹配程度最佳的方案,(四个边角可能存在两个误差较大的角FF0C应该剔除掉,取两三个边角参与计算)。获取修正值(x,y),即监测区域的初始状态图与监测图像的对应地理坐标位置要实现严格几何配准,初始图中的该块图像需要移动(x,y)个坐标才能够匹配到变化图的该块影像上。
在本实施例的可选实施方式中,步骤S102中的根据所述初始状态图像和监测图像确定每个像素的变化强度,如图4所示,具体可包括如下步骤:
步骤S1020:根据所述初始状态图像中每个波段的光谱矢量和监测图像中每个波段的光谱矢量计算每个波段的光谱变化矢量。
步骤S1022:根据每个波段的光谱变化矢量计算每个像素的变化强度。
在步骤S1020中,由于初始状态图像和监测图像都是具有多光谱的遥感图像,因此,需要对其每个波段的光谱矢量进行变化检测。具体的,每个波段的光谱变化矢量的具体计算方式为:
I变=σ|I初(x,y)-I对(x,y)|
其中,σ为权值,0<σ≤1;I初(x,y)表示为初始状态图像中每个波段的光谱矢量;I对(x,y)表示为监测图像中每个波段的光谱矢量;I变为每个波段的光谱变化矢量。另外为了保证输出检测效果最佳,在初始状态图像为不同的I初时会取不同的σ,设置σ的主要目的是为了消除传感器某个波段线性响应度衰减和直方图匹配导致局部区域过于明亮的问题。
在步骤S1020计算得到每个波段的光谱变化矢量之后,执行步骤S1022根据每个波段的光谱变化矢量计算每个像素的变化强度,为获取每个像素的变化强度,需要把各个波段的变化值加权统计,由于每个波段的变化量所占权重不同,导致对最终变化强度值的影响也不同。
计算每个像素的变化强度I具体可为:
其中,N为波段的数量,τ为每个波段的权重。
进而根据计算得到的每个像素的变化强度可生成该监测区域的变化强度图。
在本实施例的可选实施方式中,在步骤S102根据所述每个像素的变化强度生成所述监测区域的变化强度图之后,如图5所示,该方法还包括:
步骤S103:利用最大类间方差法根据变化强度图确定二值化输出的阈值。
最大类间方差法(OTSU法)是由日本学者大津于1979年提出的,又叫做大津法。它是针对图像的灰度特性,将图像分为前景与背景两部分,当前景或者是背景错分为另外一部分时,则会导致类间方差变小,相反当两部分的类间方差值越大时,则说明这时构成图像的两部分差异最大。例如,对于图像M,记F为前景与背景的分割阈值,前景像元数占图像总像元数比例为u0,像元平均灰度为v0;背景像元数占图像总像元数比例为u1,像元平均为v1。则图像的总平均灰度为vF=u0×v0+u1×v1。从最小灰度值到最大灰度值遍历F,当F使得类间方差值θ2=u0×(v0-vF)2+u1×(v0-vF)2最大时,F即为分割的最佳阈值。
此时,步骤S104中对所述变化强度图进行二值化输出,包括:根据确定的阈值对所述变化强度图进行二值化输出。
第二实施例
图6出示了本申请提供的一种监测区域变化检测装置的示意性结构框图,应理解,该装置与上述图1至图5方法实施例对应,能够执行第一实施例中的方法涉及的步骤,该装置具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operating system,OS)中的软件功能模块。具体地,该装置包括:获取模块200,用于获取监测区域的初始状态图像以及监测图像,监测图像为在初始状态图像采集时间之后采集的监测区域的图像;确定模块202,用于根据初始状态图像和监测图像确定每个像素的变化强度,并根据每个像素的变化强度生成所述监测区域的变化强度图;输出模块204,用于对变化强度图进行二值化输出;计算模块206,用于根据二值化输出的变化强度图确定多个输出区域,并计算每个输出区域所占的像素个数;判断模块208,用于判断每个输出区域所占的像素个数是否超过预设的阈值;计算模块206,还用于在判断模块判断每个输出区域所占的像素个数不超过预设的阈值之后,将像素个数不超过预设阈值的输出区域删除,并根据剩余的输出区域的像素总数以及变化强度图的像素总数计算监测区域的变化程度。
在上述设计的装置中,通过监测区域的初始状态图像和监测图像来确定监测区域的变化强度图,并对变化强度图进行二值化输出,在二值化输出之后在二值化输出图像中确定多个输出区域并根据每个输出区域的像素个数来判断其是否满足预设阈值,在将不满足预设阈值的输出区域删除后,统计剩余输出区域的像素个数和变化强度图的像素总数来计算该监测区域的变化程度,通过上述方式可得到监测区域的变化程度,进而可重点监视监测区域变化程度较大的区域,解决了目前常规的变化检测方法存在的对变化的定量分析较弱的问题,使得对监测区域变化的检测更加准确。
在第二实施例的可选实施方式中,计算模块206,具体用于在二值化输出的图像中选择一个目标像素,目标像素为灰度值大于二值化输出阈值的像素;计算目标像素邻域中每个像素的灰度值;判断目标像素邻域中是否存在至少一个像素满足:灰度值大于二值化输出阈值;若存在至少一个像素满足灰度值大于二值化输出阈值,则将目标像素邻域中灰度值大于二值化输出阈值的像素作为目标像素,并返回执行计算所述目标像素邻域中每个像素的灰度值的步骤;若不存在至少一个像素满足灰度值大于二值化输出阈值,则将所述目标像素以及目标像素周围大于二值化输出阈值的像素作为输出区域;并判断所述二值化输出的图像中是否还存在目标像素;若不存在,则输出确定的输出区域;若存在,则返回执行在所述二值化输出的图像中选择一个目标像素的步骤。
在第二实施例的可选实施方式中,确定模块202,具体用于根据初始状态图像中每个波段的光谱矢量和监测图像中每个波段的光谱矢量计算每个波段的光谱变化矢量;根据每个波段的光谱变化矢量计算每个像素的变化强度。
在第二实施例的可选实施方式中,确定模块202,还用于在根据所述每个像素的变化强度生成监测区域的变化强度图之后,利用最大类间方差法根据变化强度图确定二值化输出的阈值;输出模块204,具体用于根据确定的阈值对变化强度图进行二值化输出。
在第二实施例的可选实施方式中,监测图像包括多张监测图像,计算模块206,还用于在获取模块200获取监测区域的初始状态图像以及监测图像之后,计算每张监测图像的信息熵;判断模块208,还用于判断每张监测图像的信息熵是否超过预设的阈值;若不超过,则删除模块210将不超过预设阈值的监测图像删除;若超过,则处理模块212对超过预设阈值的监测图像和初始状态图像进行直方图匹配和几何配准。
第三实施例
如图7所示,本申请提供一种电子设备3,包括:处理器301和存储器302,处理器301和存储器302通过通信总线303和/或其他形式的连接机构(未标出)互连并相互通讯,存储器302存储有处理器301可执行的计算机程序,当计算设备运行时,处理器301执行该计算机程序,以执行时执行第一实施例、第一实施例的任一可选的实现方式中的方法。
本申请提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行第一实施例、第一实施例的任一可选的实现方式中的方法。
其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-OnlyMemory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
本申请提供一种计算机程序产品,该计算机程序产品在计算机上运行时,使得计算机执行第一实施例、第一实施例的任一可选的实现方式中的所述方法。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,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,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
再者,在本申请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。
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。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种监测区域变化检测方法,其特征在于,所述方法包括:
获取监测区域的初始状态图像以及监测图像,所述监测图像为在所述初始状态图像的采集时间之后采集的监测区域的图像;
根据所述初始状态图像和监测图像确定所述监测区域的每个像素的变化强度,并根据所述每个像素的变化强度生成所述监测区域的变化强度图;
对所述变化强度图进行二值化输出;
根据二值化输出的变化强度图确定多个输出区域,并计算每个输出区域所占的像素个数;
判断每个输出区域所占的像素个数是否超过预设的阈值;
若否,则将像素个数不超过预设阈值的输出区域删除,并根据剩余的输出区域的像素总数以及所述变化强度图的像素总数计算所述监测区域的变化程度。
2.根据权利要求1所述方法,其特征在于,所述根据二值化输出的变化强度图确定多个输出区域,包括:
在所述二值化输出的图像中选择一个目标像素,所述目标像素为灰度值大于二值化输出阈值的像素;
计算所述目标像素的邻域中每个像素的灰度值;
判断目标像素邻域中是否存在至少一个像素满足:灰度值大于二值化输出阈值;
若存在至少一个像素满足灰度值大于二值化输出阈值,则将目标像素邻域中灰度值大于二值化输出阈值的像素作为目标像素,并返回执行计算所述目标像素邻域中每个像素的灰度值的步骤;
若不存在至少一个像素满足灰度值大于二值化输出阈值,则将所述目标像素以及目标像素周围大于二值化输出阈值的像素作为输出区域;并判断所述二值化输出的图像中是否还存在目标像素;若不存在,则输出确定的输出区域;若存在,则返回执行在所述二值化输出的图像中选择一个目标像素的步骤。
3.根据权利要求1所述方法,其特征在于,所述根据所述初始状态图像和监测图像确定每个像素的变化强度,包括:
根据所述初始状态图像中每个波段的光谱矢量和监测图像中每个波段的光谱矢量计算每个波段的光谱变化矢量;
根据每个波段的光谱变化矢量计算每个像素的变化强度。
4.根据权利要求3所述方法,其特征在于,所述每个波段的光谱变化矢量I变计算公式为:
I变=σ|I初(x,y)-I对(x,y)|
其中,σ为权值,0<σ≤1;I初(x,y)表示为初始状态图像中每个波段的光谱矢量;I对(x,y)表示为监测图像中每个波段的光谱矢量;
所述每个像素的变化强度I计算公式为:
其中,N为波段的数量,τ为每个波段的权重。
5.根据权利要求1所述方法,其特征在于,在所述根据所述每个像素的变化强度生成所述监测区域的变化强度图之后,所述方法还包括:
利用最大类间方差法根据所述变化强度图确定二值化输出的阈值;
所述对所述变化强度图进行二值化输出,包括:
根据确定的阈值对所述变化强度图进行二值化输出。
6.根据权利要求1所述方法,其特征在于,所述监测图像包括多张监测图像,在所述获取监测区域的初始状态图像以及监测图像之后,所述方法还包括:
计算每张监测图像的信息熵;
判断每张监测图像的信息熵是否超过预设的阈值;
若不超过,则将不超过预设阈值的监测图像删除;
若超过,则对超过预设阈值的监测图像和初始状态图像进行直方图匹配和几何配准。
7.一种监测区域变化检测装置,其特征在于,所述装置包括:
获取模块,用于获取监测区域的初始状态图像以及监测图像,所述监测图像为在所述初始状态图像的采集时间之后采集的监测区域的图像;
确定模块,用于根据所述初始状态图像和监测图像确定每个像素的变化强度,并根据所述每个像素的变化强度生成所述监测区域的变化强度图;
输出模块,用于对所述变化强度图进行二值化输出;
计算模块,用于根据二值化输出的变化强度图确定多个输出区域,并计算每个输出区域所占的像素个数;
判断模块,用于判断每个输出区域所占的像素个数是否超过预设的阈值;
所述计算模块,还用于在所述判断模块判断每个输出区域所占的像素个数不超过预设的阈值之后,将像素个数不超过预设阈值的输出区域删除,并根据剩余的输出区域的像素总数以及所述变化强度图的像素总数计算所述监测区域的变化程度。
8.根据权利要求7所述装置,其特征在于,所述计算模块,具体用于在所述二值化输出的图像中选择一个目标像素,所述目标像素为灰度值大于二值化输出阈值的像素;
计算所述目标像素的邻域中每个像素的灰度值;
判断目标像素邻域中是否存在至少一个像素满足:灰度值大于二值化输出阈值;
若存在至少一个像素满足灰度值大于二值化输出阈值,则将目标像素邻域中灰度值大于二值化输出阈值的像素作为目标像素,并返回执行计算所述目标像素邻域中每个像素的灰度值的步骤;
若不存在至少一个像素满足灰度值大于二值化输出阈值,则将所述目标像素以及目标像素周围大于二值化输出阈值的像素作为输出区域;并判断所述二值化输出的图像中是否还存在目标像素;若不存在,则输出确定的输出区域;若存在,则返回执行在所述二值化输出的图像中选择一个目标像素的步骤。
9.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910874797.0A CN110599479A (zh) | 2019-09-16 | 2019-09-16 | 一种监测区域变化检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910874797.0A CN110599479A (zh) | 2019-09-16 | 2019-09-16 | 一种监测区域变化检测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110599479A true CN110599479A (zh) | 2019-12-20 |
Family
ID=68860054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910874797.0A Pending CN110599479A (zh) | 2019-09-16 | 2019-09-16 | 一种监测区域变化检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110599479A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161332A (zh) * | 2019-12-30 | 2020-05-15 | 上海研境医疗科技有限公司 | 同源病理影像配准预处理方法、装置、设备及存储介质 |
CN112102288A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 水体识别和水体变化检测方法、装置、设备及介质 |
CN112200877A (zh) * | 2020-04-02 | 2021-01-08 | 吉安诺惠诚莘科技有限公司 | 一种基于人工智能的汽车充电桩监控系统 |
EP3845283A1 (en) * | 2019-12-31 | 2021-07-07 | Giga-Byte Technology Co., Ltd. | Electronic device and method of automatically triggering hot key using display image |
CN113691721A (zh) * | 2021-07-28 | 2021-11-23 | 浙江大华技术股份有限公司 | 一种缩时摄影视频的合成方法、装置、计算机设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976437A (zh) * | 2010-09-29 | 2011-02-16 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
US20120134533A1 (en) * | 2010-10-15 | 2012-05-31 | Nancy Kerr Del Grande | Temporal thermal imaging method for detecting subsurface objects and voids |
CN103279954A (zh) * | 2013-05-21 | 2013-09-04 | 武汉中测晟图遥感技术有限公司 | 一种基于土地利用数据库的遥感影像变化检测方法 |
CN104834942A (zh) * | 2015-05-22 | 2015-08-12 | 武汉大学 | 基于掩膜分类的遥感影像变化检测方法及系统 |
CN108305244A (zh) * | 2017-12-19 | 2018-07-20 | 北京工业职业技术学院 | 一种作物软硬变化区域的划分方法及系统 |
-
2019
- 2019-09-16 CN CN201910874797.0A patent/CN110599479A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976437A (zh) * | 2010-09-29 | 2011-02-16 | 中国资源卫星应用中心 | 基于自适应阈值分割的高分辨率遥感影像变化检测方法 |
US20120134533A1 (en) * | 2010-10-15 | 2012-05-31 | Nancy Kerr Del Grande | Temporal thermal imaging method for detecting subsurface objects and voids |
CN103279954A (zh) * | 2013-05-21 | 2013-09-04 | 武汉中测晟图遥感技术有限公司 | 一种基于土地利用数据库的遥感影像变化检测方法 |
CN104834942A (zh) * | 2015-05-22 | 2015-08-12 | 武汉大学 | 基于掩膜分类的遥感影像变化检测方法及系统 |
CN108305244A (zh) * | 2017-12-19 | 2018-07-20 | 北京工业职业技术学院 | 一种作物软硬变化区域的划分方法及系统 |
Non-Patent Citations (3)
Title |
---|
李亮等: "面向对象变化向量分析的遥感影像变化检测", 《遥感信息》 * |
温航宇: "基于马尔科夫随机场的图像分割算法及其在变化检测中的应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
赵小敏,陈文波: "《土地利用变化及其生态环境效应研究》", 31 December 2006, 地质出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161332A (zh) * | 2019-12-30 | 2020-05-15 | 上海研境医疗科技有限公司 | 同源病理影像配准预处理方法、装置、设备及存储介质 |
EP3845283A1 (en) * | 2019-12-31 | 2021-07-07 | Giga-Byte Technology Co., Ltd. | Electronic device and method of automatically triggering hot key using display image |
US11471757B2 (en) | 2019-12-31 | 2022-10-18 | Giga-Byte Technology Co., Ltd. | Electronic device and method of automatically triggering hot key using display image |
CN112200877A (zh) * | 2020-04-02 | 2021-01-08 | 吉安诺惠诚莘科技有限公司 | 一种基于人工智能的汽车充电桩监控系统 |
CN112102288A (zh) * | 2020-09-15 | 2020-12-18 | 北京百度网讯科技有限公司 | 水体识别和水体变化检测方法、装置、设备及介质 |
CN112102288B (zh) * | 2020-09-15 | 2023-11-07 | 应急管理部大数据中心 | 水体识别和水体变化检测方法、装置、设备及介质 |
CN113691721A (zh) * | 2021-07-28 | 2021-11-23 | 浙江大华技术股份有限公司 | 一种缩时摄影视频的合成方法、装置、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110599479A (zh) | 一种监测区域变化检测方法、装置及存储介质 | |
US20220269996A1 (en) | Information processing apparatus, information processing method, and storage medium | |
US20090324016A1 (en) | Moving target detecting apparatus, moving target detecting method, and computer readable storage medium having stored therein a program causing a computer to function as the moving target detecting apparatus | |
US10762372B2 (en) | Image processing apparatus and control method therefor | |
JPH07302328A (ja) | 背景差分による動物体領域抽出方法 | |
KR102059906B1 (ko) | 장면에서 안개를 검출하기 위한 방법 및 이미지 캡처링 디바이스 | |
JP4389602B2 (ja) | 物体検出装置、物体検出方法、プログラム | |
CN111598827A (zh) | 外观瑕疵检测方法、电子装置及存储介质 | |
US20200292463A1 (en) | Apparatus for optimizing inspection of exterior of target object and method thereof | |
CN116703909B (zh) | 一种电源适配器生产质量智能检测方法 | |
CN112179294A (zh) | 一种土地校对方法、装置以及系统 | |
CN111797726A (zh) | 一种火焰检测方法、装置、电子设备及存储介质 | |
CN113255580A (zh) | 抛洒物识别、车辆抛洒滴漏识别方法和装置 | |
CN110119675B (zh) | 一种产品识别方法和装置 | |
CN111862239A (zh) | 一种面阵相机图像重叠区域标定方法、装置、设备及存储介质 | |
CN113284066B (zh) | 遥感影像自动云检测方法和装置 | |
JP4140126B2 (ja) | 領域分割および対象物抽出装置 | |
JPH06308256A (ja) | 雲霧検出方法 | |
Zou et al. | Statistical analysis of signal-dependent noise: application in blind localization of image splicing forgery | |
JP5279236B2 (ja) | 目標撮像探知装置 | |
WO2022247684A1 (zh) | 基站馈线检测方法、系统及相关装置 | |
CN114519400A (zh) | 分割结果评估方法、装置、电子设备和可读存储介质 | |
CN111435080B (zh) | 一种水位测量方法、装置及系统 | |
CN114022873A (zh) | 仪表状态检测方法、电子设备及存储介质 | |
RU2661793C1 (ru) | Способ обработки матрицы чисел |
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 |
Application publication date: 20191220 |
|
RJ01 | Rejection of invention patent application after publication |