CN111402283A - 基于灰度方差导数的火星图像边缘特征自适应提取方法 - Google Patents
基于灰度方差导数的火星图像边缘特征自适应提取方法 Download PDFInfo
- Publication number
- CN111402283A CN111402283A CN202010131258.0A CN202010131258A CN111402283A CN 111402283 A CN111402283 A CN 111402283A CN 202010131258 A CN202010131258 A CN 202010131258A CN 111402283 A CN111402283 A CN 111402283A
- Authority
- CN
- China
- Prior art keywords
- gray
- mars
- image
- value
- edge
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 34
- 230000003287 optical effect Effects 0.000 claims abstract description 19
- 238000010586 diagram Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000004804 winding 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
Abstract
本发明公开了基于灰度方差导数的火星图像边缘特征自适应提取方法:S1、根据光学导航敏感器拍摄到的火星图像,得到其灰度图像后,利用火星图像的灰度分布图,假设火星灰度图像的目标提取待定阈值为k,定义灰度分布图中灰度值小于等于k的所有像素块构成的集合为背景区域,灰度值大于k的所有像素块构成的集合为目标区域,将目标区域灰度值的方差表示成关于目标提取待定阈值k的函数;对火星灰度分布图目标区域灰度值的方差做关于灰度值的一阶差分处理,求取差分值最大处的灰度值作为该火星灰度图像的目标提取待定阈值;S2、利用目标提取灰度阈值,得到火星边缘信息,对火星边缘信息进行圆拟合,得到火星边缘特征。
Description
技术领域
本发明具体涉及基于灰度方差导数的火星图像边缘特征自适应提取方法,属于火星探测光学自主导航技术领域。
背景技术
我国将于2020年发射火星探测器,一次实现“绕”、“落”、“巡”的常规三步走流程。随着探测器飞往火星,器地距离增加,相比于近地卫星,直接带来的影响就是通信延迟增大,星地难以实现实时的星地大回路控制。因此在火星捕获制动阶段,引入光学自主导航系统作为导航备份,以保证制动捕获的成功实施。
光学自主导航系统中,主要是通过含有导航目标的深空图像提取导航信息,其中关键的一步就是确定导航图像的灰度阈值,以区分图像中的目标和背景区域,提取出导航目标,为后续导航信息解算做准备。
图像阈值选取方面,主流的方法主要有最大熵法、最大类间方差(Otsu)法、最小交叉熵(相对熵)法、最大相关法、最小误差法等。其中Otsu法应用最为广泛,但该方法侧重同区域灰度的均匀性,适用于图像中目标区域和背景区域面积相差不大的情况,因此在自主导航初始阶段,图像阈值选取的准确性较差,从而光学自主导航精度较低。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供了基于灰度方差导数的火星图像边缘特征自适应提取方法,为火星探测提供高精度的光学自主导航量测信息。
本发明的技术解决方案是:基于灰度方差导数的火星图像边缘特征自适应提取方法,用于火星探测近火捕获制动前的光学自主导航过程,该方法包含以下步骤:
S1、根据光学导航敏感器拍摄到的火星图像,得到其灰度图像后,利用火星图像的灰度分布图,假设火星灰度图像的目标提取待定阈值为k,定义灰度分布图中灰度值小于等于k的所有像素块构成的集合为背景区域,灰度值大于k的所有像素块构成的集合为目标区域,将目标区域灰度值的方差表示成关于目标提取待定阈值k的函数;对火星灰度分布图目标区域灰度值的方差做关于灰度值的一阶差分处理,求取差分值最大处的灰度值作为该火星灰度图像的目标提取待定阈值;
S2、利用步骤S1中得到的目标提取灰度阈值,得到火星边缘信息,对火星边缘信息进行圆拟合,得到火星边缘特征,即火星的视线矢量和圆半径,为火星探测器光学自主导航系统提供导航量测信息。
所述步骤(S2)根据步骤(S1)中得到目标提取待定阈值,将高于该阈值的灰度值的所有像素块构成的集合确定为目标区域,对该目标区域进行二值化处理即可得到火星边缘信息。
所述整幅图像平均灰度值μT的计算公式为:
所述边缘信息为目标区域边缘点的坐标(xj,yj),j∈(1,2,…,M)的集合,M为边缘点的总数。
所述采用最小二乘法对火星边缘信息进行圆拟合,得到火星图像边缘特征参数的具体实现为:
(2.1)、将火星边缘表示成为圆的表达式:
(x-x0)2+(y-y0)2=R2
其中,x0,y0为待拟合圆的圆心坐标,R为半径;
(2.2)、将步骤(2.1)中圆的表达式改为:
(2.3)、令参数:
a=-2x0
b=-2y0
将边缘点(xj,yj)到待拟合圆的边缘的距离平方作为目标函数:
(2.3)、采用最小二乘算法,求解目标函数平方和的最小值所对应参数值a,b,c,从而得到待拟合圆的参数。目标函数取最小值时所对应参数值a,b,c分别为:
其中:
B=(M∑xjyj-∑xj∑yj)
所述步骤(4)中对该目标区域进行二值化处理得到火星边缘信息之后增加剔除误检测边缘的步骤,再对剔除后的边缘信息,进行圆拟合,得到火星图像边缘特征参数,如火星中心视线矢量和视半径,并用于光学导航系统中。
基于随机采样的原理,采用RANSAC算法,通过不断随机采样,然后剔除误检测边缘数据,提高剩余边缘信息的准确率。
本发明与现有技术相比的有益效果是:
(1)、本发明提供的边缘特征自适应提取方法,该方法以灰度值的方差为基础,不受图像中目标和背景区域面积大小的影响,图像阈值选取精度更高,从而边缘提取更准确;
(2)、本发明仅通过火星图像的灰度信息即可提取图像阈值,计算量小,提取精度高;
(3)、本发明采用了基于灰度值方差的图像边缘自适应提取方法,该方法以灰度值的方差为基础,有效保证了算法的适应性,不受图像噪声的影响;
(4)、本发明适用于火星捕获制动阶段的光学自主导航系统,提高了光学自主导航系统的导航精度。
附图说明
图1为本发明实施例火星图像边缘自适应提取算法流程图。
具体实施方式
以下结合附图和具体实施例对本发明进行详细说明。
本发明根据深空探测巡航段拍摄到的火星图像,此时图像具有背景区域大、像元主要集中于低灰度值区域的特点,设计了一种基于方差变化率的阈值选取准则函数,并基于此得到了一种基于灰度方差导数的火星图像阈值自适应选取算法。该方法具有计算量小,图像分割精确的优点,通过该算法得到的图像阈值能够实现更高的边缘提取精度及自主导航精度。该方法包含以下步骤:
S1、根据光学导航敏感器拍摄到的火星图像,得到其灰度图像后,利用火星图像的灰度分布图,假设火星灰度图像的目标提取待定阈值为k,定义灰度分布图中灰度值小于等于k的所有像素块构成的集合为背景区域,灰度值大于k的所有像素块构成的集合为目标区域,将目标区域灰度值的方差表示成关于目标提取待定阈值k的函数;对火星灰度分布图目标区域灰度值的方差做关于灰度值的一阶差分处理,求取差分值最大处的灰度值作为该火星灰度图像的目标提取待定阈值;
S2、利用步骤S1中得到的目标提取灰度阈值,得到火星边缘信息,对火星边缘信息进行圆拟合,得到火星边缘特征,即火星的视线矢量和圆半径,为火星探测器光学自主导航系统提供导航量测信息。
所述的步骤S1中包含:
设一张灰度图像按灰度值可划分为1,2…L,共L个灰度值,其中每个灰度值的像素块个数分别为n1,n2…nL个,满足关系
n1+n2+…+nL=N (1)
其中,N为灰度图像的总像素块数。那么,任一像素块的灰度值为i的概率为
假设该灰度图像中区分目标区域和背景区域的图像阈值为k,定义灰度图像中灰度值小于等于k的所有像素块构成的集合为目标区域(即:C0区域),灰度值大于k的所有像素块构成的集合为目标区域(即:C1区域),且有如下定义:
ω0μ0+ω1μ1=μT (4)
为根据图像灰度值的统计特性确定阈值,有如下定义
经化简,上式可表示成待定阈值k的函数,如下:
该算法的准则函数表示为:
所述的步骤S2中包含:
圆的函数表达式为(x-x0)2+(y-y0)2=R2 (9)
其中x0,y0为待拟合圆的圆心坐标,R为半径。
式(9)可写成如下形式
令
a=-2x0
b=-2y0
显然,只要求出参数a,b,c,就可以得到圆心坐标x0,y0和半径R。
图像的边缘信息可以看成是(xj,yj)的集合,样本集为(xj,yj),j∈(1,2…M),其中M为边缘点的总数。样本中任一点到圆心的距离dj的平方表示为:
边缘点(xj,yj)到待拟合圆的边缘的距离平方可表示为
令Q(a,b,c)为δj的平方和
式(15)即为最小二乘算法的目标函数。通过求解Q(a,b,c)的极小值,即可得到a,b,c的值,从而得到待拟合圆的参数。对式(15)求偏导可以得到
令
将式(17)代入式(16)得到
由式(18)式可以解得
本说明书中未进行详细描述部分属于本领域技术人员公知常识。
Claims (10)
1.基于灰度方差导数的火星图像边缘特征自适应提取方法,其特征在于,用于火星探测近火捕获制动前的光学自主导航过程,该方法包含以下步骤:
S1、根据光学导航敏感器拍摄到的火星图像,得到其灰度图像后,利用火星图像的灰度分布图,假设火星灰度图像的目标提取待定阈值为k,定义灰度分布图中灰度值小于等于k的所有像素块构成的集合为背景区域,灰度值大于k的所有像素块构成的集合为目标区域,将目标区域灰度值的方差表示成关于目标提取待定阈值k的函数;对火星灰度分布图目标区域灰度值的方差做关于灰度值的一阶差分处理,求取差分值最大处的灰度值作为该火星灰度图像的目标提取待定阈值;
S2、利用步骤S1中得到的目标提取灰度阈值,得到火星边缘信息,对火星边缘信息进行圆拟合,得到火星边缘特征,即火星的视线矢量和圆半径,为火星探测器光学自主导航系统提供导航量测信息。
2.根据权利要求1所述的基于灰度方差导数的火星图像边缘特征自适应提取方法,其特征在于所述步骤(2)根据步骤(1)中得到目标提取待定阈值,将高于该阈值的灰度值的所有像素块构成的集合确定为目标区域,对该目标区域进行二值化处理即可得到火星边缘信息。
6.根据权利要求1所述的基于灰度方差导数的火星图像边缘特征自适应提取方法,其特征在于所述边缘信息为目标区域边缘点的坐标(xj,yj),j∈(1,2,…,M)的集合,M为边缘点的总数。
9.根据权利要求1所述的基于灰度方差导数的火星图像边缘特征自适应提取方法,其特征在于,所述步骤(4)中对该目标区域进行二值化处理得到火星边缘信息之后增加剔除误检测边缘的步骤,再对剔除后的边缘信息,进行圆拟合,得到火星图像边缘特征参数,如火星中心视线矢量和视半径,并用于光学导航系统中。
10.根据权利要求9所述的基于灰度方差导数的火星图像边缘特征自适应提取方法,其特征在于,基于随机采样的原理,采用RANSAC算法,通过不断随机采样,然后剔除误检测边缘数据,提高剩余边缘信息的准确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010131258.0A CN111402283B (zh) | 2020-02-25 | 2020-02-25 | 基于灰度方差导数的火星图像边缘特征自适应提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010131258.0A CN111402283B (zh) | 2020-02-25 | 2020-02-25 | 基于灰度方差导数的火星图像边缘特征自适应提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402283A true CN111402283A (zh) | 2020-07-10 |
CN111402283B CN111402283B (zh) | 2023-11-10 |
Family
ID=71430444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010131258.0A Active CN111402283B (zh) | 2020-02-25 | 2020-02-25 | 基于灰度方差导数的火星图像边缘特征自适应提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111402283B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915527A (zh) * | 2020-08-05 | 2020-11-10 | 成都圭目机器人有限公司 | 基于多模板的自适应光照补偿方法 |
Citations (7)
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 |
CN102944239A (zh) * | 2012-10-24 | 2013-02-27 | 北京控制工程研究所 | 一种用于深空探测自主导航的目标天体图像晨昏线判断方法 |
CN102999886A (zh) * | 2012-10-31 | 2013-03-27 | 长春光机数显技术有限责任公司 | 图像边缘检测器及标尺光栅栅线精度检测系统 |
CN104567879A (zh) * | 2015-01-27 | 2015-04-29 | 北京控制工程研究所 | 一种组合视场导航敏感器地心方向提取方法 |
CN108510513A (zh) * | 2018-03-13 | 2018-09-07 | 中山大学 | 一种基于pca和分段rht的pcb图像圆检测方法 |
CN108961307A (zh) * | 2018-05-17 | 2018-12-07 | 南京航空航天大学 | 基于核相关滤波跟踪的圆形目标尺度自适应跟踪方法 |
CN109685786A (zh) * | 2018-12-20 | 2019-04-26 | 龙口味美思环保科技有限公司 | 一种禽蛋表面裂纹的无损检测及自动分级方法 |
-
2020
- 2020-02-25 CN CN202010131258.0A patent/CN111402283B/zh active Active
Patent Citations (7)
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 |
CN102944239A (zh) * | 2012-10-24 | 2013-02-27 | 北京控制工程研究所 | 一种用于深空探测自主导航的目标天体图像晨昏线判断方法 |
CN102999886A (zh) * | 2012-10-31 | 2013-03-27 | 长春光机数显技术有限责任公司 | 图像边缘检测器及标尺光栅栅线精度检测系统 |
CN104567879A (zh) * | 2015-01-27 | 2015-04-29 | 北京控制工程研究所 | 一种组合视场导航敏感器地心方向提取方法 |
CN108510513A (zh) * | 2018-03-13 | 2018-09-07 | 中山大学 | 一种基于pca和分段rht的pcb图像圆检测方法 |
CN108961307A (zh) * | 2018-05-17 | 2018-12-07 | 南京航空航天大学 | 基于核相关滤波跟踪的圆形目标尺度自适应跟踪方法 |
CN109685786A (zh) * | 2018-12-20 | 2019-04-26 | 龙口味美思环保科技有限公司 | 一种禽蛋表面裂纹的无损检测及自动分级方法 |
Non-Patent Citations (1)
Title |
---|
乔栋: "深空探测转移轨道设计方法研究及在小天体探测中的应用" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915527A (zh) * | 2020-08-05 | 2020-11-10 | 成都圭目机器人有限公司 | 基于多模板的自适应光照补偿方法 |
CN111915527B (zh) * | 2020-08-05 | 2023-04-07 | 成都圭目机器人有限公司 | 基于多模板的自适应光照补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111402283B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510467B (zh) | 基于深度可变形卷积神经网络的sar图像目标识别方法 | |
CN106530347B (zh) | 一种稳定的高性能圆特征检测方法 | |
CN107480649B (zh) | 一种基于全卷积神经网络的指纹汗孔提取方法 | |
CN110110675B (zh) | 一种融合边缘信息的小波域分形红外卷云检测方法 | |
CN111508002A (zh) | 一种小型低飞目标视觉检测跟踪系统及其方法 | |
CN107481374B (zh) | 一种智能终端指纹解锁开门装置 | |
CN111428631B (zh) | 无人机飞控信号可视化识别分选方法 | |
CN116152231A (zh) | 基于图像处理的润滑油内杂质检测方法 | |
CN111047624A (zh) | 图像弱小目标检测方法、装置、设备及存储介质 | |
CN110232694B (zh) | 一种红外偏振热像阈值分割方法 | |
CN111402283B (zh) | 基于灰度方差导数的火星图像边缘特征自适应提取方法 | |
CN104881670B (zh) | 一种用于sar方位角估计的快速目标提取方法 | |
CN115797374B (zh) | 基于图像处理的机场跑道提取方法 | |
CN113450373A (zh) | 一种基于光学实况图像的运载火箭飞行过程特征事件实时判别方法 | |
CN114758139B (zh) | 基坑积水检测方法 | |
CN116188826A (zh) | 一种复杂光照条件下的模板匹配方法及装置 | |
CN112907574B (zh) | 一种飞行器的降落点寻找方法、装置、系统及存储介质 | |
CN114937211A (zh) | 基于不变对象的遥感影像变化检测方法 | |
CN111626325B (zh) | 一种基于特征的图像匹配方法 | |
CN114429593A (zh) | 基于快速导向滤波的红外小目标检测方法及其应用 | |
CN107480712B (zh) | 基于局部不变特征的高分辨率遥感图像变化检测方法 | |
CN111222514A (zh) | 一种基于视觉定位的局部地图优化方法 | |
CN109543608B (zh) | 一种基于高斯混合模型的高光谱海上小目标实时检测方法 | |
KR101567390B1 (ko) | 잡음과 클러터에 강인한 적응적 표적 검출 방법 | |
CN115249254B (zh) | 一种基于ar技术的目标跟踪方法及系统 |
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 |