CN111260676A - 一种船载雷达图像海上目标空间数据的共享方法 - Google Patents
一种船载雷达图像海上目标空间数据的共享方法 Download PDFInfo
- Publication number
- CN111260676A CN111260676A CN202010036366.XA CN202010036366A CN111260676A CN 111260676 A CN111260676 A CN 111260676A CN 202010036366 A CN202010036366 A CN 202010036366A CN 111260676 A CN111260676 A CN 111260676A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- coordinate system
- marine
- shipborne radar
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种船载雷达图像海上目标空间数据的共享方法。本发明方法,包括:S1、提取船载雷达图像中的海上目标;将原始船载雷达图像从极坐标系转换至笛卡尔坐标系;在转换坐标系后的图像中设定捕获区;采用灰度阈值法与连续像元面积阈值法,提取图像中的海上目标。S2、提取船载雷达图像中的海上目标的轮廓;将提取的海上目标图像从笛卡尔坐标系转换至极坐标系;根据船首向,对识别的目标进行图像旋转,提取目标轮廓的平面直角坐标数据。S3、海上目标轮廓边界点空间数据输出。计算目标轮廓边界点的平面直角坐标数据;逐步将目标轮廓每个边界点的平面直角坐标系统,通过投影变换,变换至以经纬度为单位的地理坐标,输出目标轮廓的地理坐标数据。
Description
技术领域
本发明涉及海洋数据共享应用领域,具体而言,尤其涉及一种船载雷达图像海上目标空间数据的共享方法。
背景技术
德国、英国、加拿大、俄罗斯和中国的公司不断尝试船载雷达图像与电子海图数据的共享应用。例如,1994年加拿大近海ECDIS-3000系统实现了电子海图与船载雷达的图像叠加,保证了大雾天气下的安全航行。由于技术水平低、硬件设施差、电子海图信息量大、雷达信号处理量大等因素,当时的数据融合效率较低。后来,挪威的Hamilton公司和英国的Transas公司在这一领域不断取得突破,提高了电子海图与船载雷达图像数据融合的效率。目前,一些产品可以实现舰载雷达与电子海图的快速信息集成,如美国的dKartnavigator。然而,由于商业竞争,他们的技术还没有公开。此外,Transas和Sperry还开发了成熟的雷达信号处理卡,可直接安装在通用PC的PCI插槽中,当雷达信号处理卡与雷达收发天线单元连接时,可直接处理雷达视频信号,记录和跟踪运动目标,控制收发器等。这样,雷达视频信号就可以通过二次开发转化为图像并保存下来。但是上述保存的船载雷达视频图像数据并不能共享应用。
发明内容
根据上述提出的技术问题,而提供一种船载雷达图像海上目标空间数据的共享方法。本发明将船载雷达原始图像中的目标空间数据导出,共享应用到地理信息系统相关平台。
本发明采用的技术手段如下:
一种船载雷达图像海上目标空间数据的共享方法,包括如下步骤:
S1、提取船载雷达图像中的海上目标;
S2、提取船载雷达图像中的海上目标的轮廓;
S3、海上目标轮廓边界点空间数据输出。
进一步地,所述步骤S1具体为:
S11、坐标系转换,将原始船载雷达图像从极坐标系转换至笛卡尔坐标系;
S12、在转换坐标系后的图像中设定捕获区;
S13、采用灰度阈值法与连续像元面积阈值法,提取图像中的海上目标。
进一步地,所述步骤S2具体为:
S21、坐标系转换,将提取的海上目标图像从笛卡尔坐标系转换至极坐标系;
S22、根据船首向,对识别的目标进行图像旋转,提取目标轮廓的平面直角坐标数据。
进一步地,所述步骤S3具体为:
S31、通过投影变换,将本船的GPS地理坐标数据变换成平面直角坐标数据;
S32、根据目标轮廓边界点的极坐标数据(R,θ)与本船的平面直角坐标数据(X本船,Y本船),计算得到目标轮廓边界点的平面直角坐标数据(X,Y);其计算公式如下:
S33、通过投影变换,逐步将目标轮廓每个边界点的平面直角坐标变换至以经纬度为单位的地理坐标,输出目标轮廓的地理坐标数据。
进一步地,所述步骤S13具体为:
S131、先采用灰度阈值法,对图像进行二值化,初步提取海上目标;
S132、再采用连续像元面积阈值法,提取图像中准确的海上目标。
较现有技术相比,本发明具有以下优点:
1、本发明提供的船载雷达图像中的海上目标,通过在船载雷达数据采集的原始笛卡尔坐标系下,实现了图像中高亮海上目标的快速提取。
2、本发明提供的船载雷达图像中的海上目标轮廓的经纬度信息,根据船舶GPS信息、船首向信息,通过空间位置计算与投影变换,提取了船载雷达图像中的海上目标轮廓的经纬度信息,可以使其快速融入电子海图或者其他地理信息平台。
基于上述理由本发明可在海洋数据共享应用等领域广泛推广。
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,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
图2为本发明极坐标系下的船载雷达图像。
图3为本发明极坐标系与笛卡尔坐标系的转换图。
图4为本发明笛卡尔坐标系的船载雷达图像。
图5为本发明捕获区设定图。
图6为本发明采用灰度阈值法后的图像二值化示意图。
图7为本发明提取的图像中的海上目标示意图。
图8为本发明极坐标系下识别的目标示意图。
图9为本发明识别目标进行船首向方位旋转图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本发明提供了一种船载雷达图像海上目标空间数据的共享方法,包括如下步骤:
S1、提取船载雷达图像中的海上目标;
进一步地作为本发明优选的实施方式,所述步骤S1具体为:
S11、坐标系转换,将原始船载雷达图像从极坐标系转换至笛卡尔坐标系;如图2所示,为在极坐标系下船载雷达图像;如图3所示,为极坐标系与笛卡尔坐标系的转换图;如图4所示,为坐标系转换后,在笛卡尔坐标系下的船载雷达图像;
S12、如图5所示,在转换坐标系后的图像中设定捕获区;
S13、采用灰度阈值法与连续像元面积阈值法,提取图像中的海上目标。
进一步地作为本发明优选的实施方式,所述步骤S13具体为:
S131、先采用灰度阈值法,对图像进行二值化,如图6所示,本实施例在Matlab图像处理软件中设置BW=im2bw(img,120/255),初步提取海上目标;
S132、再采用连续像元面积阈值法,提取图像中准确的海上目标。本实施例在Matlab图像处理软件中设置BW=ismember(L,find([S.Area]>20)),如图7所示,为提取的图像中的海上目标。
S2、提取船载雷达图像中的海上目标的轮廓;
进一步地作为本发明优选的实施方式,所述步骤S2具体为:
S21、坐标系转换,将提取的海上目标图像从笛卡尔坐标系转换至极坐标系;如图8所示,为在极坐标系下识别的目标;
S22、如图9所示,根据船首向,对识别的目标进行图像旋转,提取目标轮廓的平面直角坐标数据。
S3、海上目标轮廓边界点空间数据输出。
进一步地作为本发明优选的实施方式,所述步骤S3具体为:
S31、通过投影变换,将本船的GPS地理坐标数据变换成平面直角坐标数据;
S32、根据目标轮廓边界点的极坐标数据(R,θ)与本船的平面直角坐标数据(X本船,Y本船),计算得到目标轮廓边界点的平面直角坐标数据(X,Y);其计算公式如下:
S33、通过投影变换,逐步将目标轮廓每个边界点的平面直角坐标变换至以经纬度为单位的地理坐标,输出目标轮廓的地理坐标数据。如表1所示:
表1海上目标边界点的地理坐标采样
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。
Claims (5)
1.一种船载雷达图像海上目标空间数据的共享方法,其特征在于,包括如下步骤:
S1、提取船载雷达图像中的海上目标;
S2、提取船载雷达图像中的海上目标的轮廓;
S3、海上目标轮廓边界点空间数据输出。
2.根据权利要求1所述的船载雷达图像海上目标空间数据的共享方法,其特征在于,所述步骤S1具体为:
S11、坐标系转换,将原始船载雷达图像从极坐标系转换至笛卡尔坐标系;
S12、在转换坐标系后的图像中设定捕获区;
S13、采用灰度阈值法与连续像元面积阈值法,提取图像中的海上目标。
3.根据权利要求1所述的船载雷达图像海上目标空间数据的共享方法,其特征在于,所述步骤S2具体为:
S21、坐标系转换,将提取的海上目标图像从笛卡尔坐标系转换至极坐标系;
S22、根据船首向,对识别的目标进行图像旋转,提取目标轮廓的平面直角坐标数据。
5.根据权利要求2所述的船载雷达图像海上目标空间数据的共享方法,其特征在于,所述步骤S13具体为:
S131、先采用灰度阈值法,对图像进行二值化,初步提取海上目标;
S132、再采用连续像元面积阈值法,提取图像中准确的海上目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010036366.XA CN111260676B (zh) | 2020-01-10 | 2020-01-10 | 一种船载雷达图像海上目标空间数据的共享方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010036366.XA CN111260676B (zh) | 2020-01-10 | 2020-01-10 | 一种船载雷达图像海上目标空间数据的共享方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111260676A true CN111260676A (zh) | 2020-06-09 |
CN111260676B CN111260676B (zh) | 2023-10-17 |
Family
ID=70952420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010036366.XA Active CN111260676B (zh) | 2020-01-10 | 2020-01-10 | 一种船载雷达图像海上目标空间数据的共享方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260676B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686106A (zh) * | 2020-12-21 | 2021-04-20 | 武汉理工大学 | 一种视频图像转海事雷达图像的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070146197A1 (en) * | 2005-12-23 | 2007-06-28 | Barco Orthogon Gmbh | Radar scan converter and method for transforming |
CN104535066A (zh) * | 2014-12-19 | 2015-04-22 | 大连海事大学 | 一种船载红外视频图像中的海上目标与电子海图的叠加方法及系统 |
CN107194953A (zh) * | 2017-05-18 | 2017-09-22 | 中国科学院长春光学精密机械与物理研究所 | 一种动态背景下运动目标的检测方法及装置 |
CN109932701A (zh) * | 2019-04-02 | 2019-06-25 | 哈尔滨工程大学 | 一种模拟船用雷达的目标船回波2d成像方法 |
-
2020
- 2020-01-10 CN CN202010036366.XA patent/CN111260676B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070146197A1 (en) * | 2005-12-23 | 2007-06-28 | Barco Orthogon Gmbh | Radar scan converter and method for transforming |
CN104535066A (zh) * | 2014-12-19 | 2015-04-22 | 大连海事大学 | 一种船载红外视频图像中的海上目标与电子海图的叠加方法及系统 |
CN107194953A (zh) * | 2017-05-18 | 2017-09-22 | 中国科学院长春光学精密机械与物理研究所 | 一种动态背景下运动目标的检测方法及装置 |
CN109932701A (zh) * | 2019-04-02 | 2019-06-25 | 哈尔滨工程大学 | 一种模拟船用雷达的目标船回波2d成像方法 |
Non-Patent Citations (3)
Title |
---|
周建成: ""无人艇雷达数据处理及其特征提取的研究"", pages 19 - 24 * |
张培珍 等: ""声散射预报中目标断面图像的快速旋转"", vol. 30, no. 4 * |
王旭升: ""无人艇雷达图像目标检测系统的研究"", pages 20 - 25 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112686106A (zh) * | 2020-12-21 | 2021-04-20 | 武汉理工大学 | 一种视频图像转海事雷达图像的方法 |
CN112686106B (zh) * | 2020-12-21 | 2023-12-08 | 武汉理工大学 | 一种视频图像转海事雷达图像的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111260676B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8532402B2 (en) | Image registration | |
CN109598241B (zh) | 基于Faster R-CNN的卫星图像海上舰船识别方法 | |
CN102879786B (zh) | 一种针对水下障碍物的检测定位方法和系统 | |
CN101915910B (zh) | 利用航海雷达识别海上溢油目标的方法及系统 | |
CN107145874A (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
JP7088288B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN107917880B (zh) | 一种基于地基云图的云底高度反演方法 | |
US20150302253A1 (en) | Systems and Method for Identifying Locations of Infrastructure Assets Using Aerial Imagery | |
CN107909002B (zh) | 基于海岸线匹配的红外遥感图像海陆分割方法 | |
CN105469390A (zh) | 一种基于改进Seam Carving的全景海天线提取方法 | |
US20240303852A1 (en) | Methods and systems for detecting vessels | |
CN114898213B (zh) | 基于ais知识辅助的遥感图像旋转舰船目标检测方法 | |
WO2023071992A1 (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
Lee et al. | Efficient generation of artificial training DB for ship detection using satellite SAR images | |
CN116109936B (zh) | 基于光学遥感的目标检测与识别方法 | |
CN111260676B (zh) | 一种船载雷达图像海上目标空间数据的共享方法 | |
CN114814847B (zh) | 一种毫米波雷达电力线探测与三维重建方法 | |
Xu et al. | Hydrographic data inspection and disaster monitoring using shipborne radar small range images with electronic navigation chart | |
US6756934B1 (en) | Target shadow detector for synthetic aperture radar | |
CN114236490A (zh) | 基于水面回波模型的x波段导航雷达溢油探测系统 | |
CN118534460A (zh) | 一种基于星载sar影像的双域联合小舰船目标检测方法 | |
CN112669332A (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
Tang et al. | Radar-optical fusion detection of UAV based on improved YOLOv7-tiny | |
Sun et al. | Bankline detection of GF-3 SAR images based on shearlet | |
CN115830140B (zh) | 一种海上近程光电监控方法、系统、介质、设备及终端 |
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 |