CN111462221A - 待侦测物体阴影面积提取方法、装置、设备及存储介质 - Google Patents

待侦测物体阴影面积提取方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111462221A
CN111462221A CN202010262684.8A CN202010262684A CN111462221A CN 111462221 A CN111462221 A CN 111462221A CN 202010262684 A CN202010262684 A CN 202010262684A CN 111462221 A CN111462221 A CN 111462221A
Authority
CN
China
Prior art keywords
image
color space
preset
detected
shadow area
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
Application number
CN202010262684.8A
Other languages
English (en)
Inventor
邹冲
朱超杰
侯鑫
汪飙
吴海山
殷磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WeBank Co Ltd
Original Assignee
WeBank Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202010262684.8A priority Critical patent/CN111462221A/zh
Publication of CN111462221A publication Critical patent/CN111462221A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • 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
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种待侦测物体阴影面积提取方法、装置、设备和存储介质，所述方法包括：接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；若是，则对目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，预设第二颜色空间的第二光照阈值波动范围小于预设第一颜色空间的第一光照阈值波动范围；根据目标转换图像确定待侦测物体阴影的阴影面积。本申请解决待侦测物体阴影提取效果不稳定的技术问题。

Description

待侦测物体阴影面积提取方法、装置、设备及存储介质
技术领域
本申请涉及金融科技(Fintech)的人工智能技术领域，尤其涉及一种待侦测物体阴影面积提取方法、装置、设备及存储介质。
背景技术
随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对待侦测物体阴影面积的提取也有更高的要求。
即当今时代是原油的时代，实时了解各国原油储备数据，直接关系国家安全，目前原油储备估计或者预估通常是通过卫星对各国原油港口进行监控，以得到遥感影像，以计算港口中每个大型待侦测物体如大型油罐的容量，计算港口中每个大型油罐的容量的过程中，阴影面积提取是最重要的一环节，目前大型油罐阴影面积经常采用在RGB(三基色，红绿蓝，Red，Green，Blue)颜色空间中进行颜色阈值分割的方式提取，这样导致待侦测物体阴影提取效果不稳定。
发明内容
本申请的主要目的在于提供一种待侦测物体阴影面积提取方法、装置、设备和存储介质，旨在解决现有技术中目前待侦测物体阴影面积提取经常采用在RGB颜色空间中进行颜色阈值分割，这样导致待侦测物体阴影提取效果不稳定的技术问题。
为实现上述目的，本申请提供一种待侦测物体阴影面积提取方法，所述待侦测物体阴影面积提取方法包括：
接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；
确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；
若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；
根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。
可选地，所述颜色空间转换处理至少包括第一颜色空间转换处理和第二颜色空间转换处理；
所述当所述目标颜色空间是预设第一颜色空间时，对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像的步骤，包括：
当所述目标颜色空间是预设第一颜色空间时，获取预存的预设第一颜色空间与预设第二颜色空间之间的第一颜色空间转换规则，对所述目标颜色空间进行预设第二颜色空间的第一颜色空间转换处理，得到第一转换图像；
根据预存的第二颜色空间转换规则，对所述第一转换图像进行第二颜色空间转换处理，得到目标转换图像，其中，所述第二颜色空间转换规则是对预设待训练图像数据进行预设次数的训练后得到的。
可选地，所述接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像的步骤，包括：
接收遥感影像，获取所述遥感影像中待侦测物体的外接矩形框图像，以获取所述外接矩形框图像的位置信息；
根据所述外接矩形框图像的位置信息，以所述外接矩形框图像为中心，从所述遥感影像中裁减得到包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像，将包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像设为所述外拓图像。
可选地，所述根据所述目标转换图像确定所述待侦测物体阴影的阴影面积的步骤，包括：
通过预设的基于最小方差阈值计算规则确定所述目标转换图像的第一阈值，通过预设的基于灰度值的平均值计算规则确定所述目标转换图像的第二阈值；
根据所述第一阈值与所述第二阈值，确定所述目标转换图像的二值图；
根据所述二值图确定所述待侦测物体的待侦测物体阴影面积。
可选地，所述根据所述二值图确定所述待侦测物体的待侦测物体阴影面积的步骤，包括：
对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积。
可选地，所述对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积的步骤，包括：
根据所述待侦测物体的外拓图像确定所述待侦测物体的外拓矩形框；
确定所述二值图中与所述外拓矩形框相交的相交图像，对所述相交图像进行去除处理，得到第一处理图像；
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积。
可选地，所述获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积的步骤，包括：
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到第二处理图像；
获取第二预设阴影面积阈值，从所述第二处理图像中提取面积大于所述二预设阴影面积阈值的图像，得到第三处理图像，从所述第三处理图像中提取与所述外接矩形框图像的外接矩形框相交的图像，得到每个待侦测物体的待侦测物体阴影面积。
本申请还提供一种待侦测物体阴影面积提取装置，所述待侦测物体阴影面积提取装置包括：
接收模块，用于接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；
判断模块，用于确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；
转换模块，用于若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；
确定模块，用于根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。
可选地，所述颜色空间转换处理至少包括第一颜色空间转换处理和第二颜色空间转换处理；
所述转换模块包括：
获取单元，用于当所述目标颜色空间是预设第一颜色空间时，获取预存的预设第一颜色空间与预设第二颜色空间之间的第一颜色空间转换规则，对所述目标颜色空间进行预设第二颜色空间的第一颜色空间转换处理，得到第一转换图像；
转换处理单元，用于根据预存的第二颜色空间转换规则，对所述第一转换图像进行第二颜色空间转换处理，得到目标转换图像，其中，所述第二颜色空间转换规则是对预设待训练图像数据进行预设次数的训练后得到的。
可选地，所述接收模块包括：
接收单元，用于接收遥感影像，获取所述遥感影像中待侦测物体的外接矩形框图像，以获取所述外接矩形框图像的位置信息；
拓展单元，用于根据所述外接矩形框图像的位置信息，以所述外接矩形框图像为中心，从所述遥感影像中裁减得到包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像，将包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像设为所述外拓图像。
可选地，所述确定模块包括：
第一确定单元，用于通过预设的基于最小方差阈值计算规则确定所述目标转换图像的第一阈值，通过预设的基于灰度值的平均值计算规则确定所述目标转换图像的第二阈值；
第二确定单元，用于根据所述第一阈值与所述第二阈值，确定所述目标转换图像的二值图；
第三确定单元，用于根据所述二值图确定所述待侦测物体的待侦测物体阴影面积。
可选地，所述第三确定单元包括：
去除子单元，用于对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积。
可选地，所述去除子单元用于实现：
根据所述待侦测物体的外拓图像确定所述待侦测物体的外拓矩形框；
确定所述二值图中与所述外拓矩形框相交的相交图像，对所述相交图像进行去除处理，得到第一处理图像；
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积。
可选地，所述去除子单元还用于实现：
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到第二处理图像；
获取第二预设阴影面积阈值，从所述第二处理图像中提取面积大于所述二预设阴影面积阈值的图像，得到第三处理图像，从所述第三处理图像中提取与所述外接矩形框图像的外接矩形框相交的图像，得到每个待侦测物体的待侦测物体阴影面积。
本申请还提供一种待侦测物体阴影面积提取设备，所述待侦测物体阴影面积提取设备为实体设备，所述待侦测物体阴影面积提取设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述待侦测物体阴影面积提取方法的程序，所述待侦测物体阴影面积提取方法的程序被处理器执行时可实现如上述的待侦测物体阴影面积提取方法的步骤。
本申请还提供一种存储介质，所述存储介质上存储有实现上述待侦测物体阴影面积提取方法的程序，所述待侦测物体阴影面积提取方法的程序被处理器执行时实现如上述的待侦测物体阴影面积提取方法的步骤。
本申请通过接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。在本申请中，在接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像后，确定表达所述外拓图像的目标颜色空间，对受光照影响大的目标颜色空间进行颜色转换处理，以得到受光照影响小的目标转换图像，进而再根据所述目标转换图像确定所述待侦测物体阴影的阴影面积，避免基于受光照影响大的颜色空间表达所述待侦测物体，进行阴影面积的提取，造成提取效果不稳定。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请待侦测物体阴影面积提取方法第一实施例的流程示意图；
图2为本申请待侦测物体阴影面积提取方法第一实施例中当所述目标颜色空间是预设第一颜色空间时，对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像的步骤的细化流程示意图；
图3为本申请实施例方案涉及的硬件运行环境的设备结构示意图；
图4为本申请待侦测物体阴影面积提取方法中的第一场景示意图；
图5为本申请待侦测物体阴影面积提取方法中的第二场景示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供一种待侦测物体阴影面积提取方法，在本申请待侦测物体阴影面积提取方法的第一实施例中，参照图1，所述待侦测物体阴影面积提取方法包括：
步骤S10，接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；
步骤S20，确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；
步骤S30，若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；
步骤S40，根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。
具体步骤如下：
步骤S10，接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；
在当今时代，实时了解他国的各项数据储备如待侦测物体数据储备，直接关系到国计民生，而实时了解各国原油储备数据，更是直接关系国家安全，也即，在本实施中，以待侦测物体是油罐尤其是大型油罐为例进行具体说明(但不限于油罐)，目前原油储备估计或者预估通常是通过卫星对各国原油港口进行监控，以得到遥感影像的，因而，以遥感影像为港口遥感影像为例进行具体说明，以基于港口遥感影像计算港口中每个大型油罐的容量的，计算港口中每个大型油罐的容量的过程中，阴影面积提取是最重要的一环节，也即计算港口中每个大型油罐的容量一般可以分为三步：油罐检测与定位、油罐阴影面积提取、计算油罐容积，其中油罐阴影面积提取是非常重要的一个环节，目前油罐阴影面积经常采用在RGB(三基色，红绿蓝，Red，Green，Blue)颜色空间中进行颜色阈值分割的方式进行提取，在RGB颜色空间中进行颜色阈值分割的方式导致油罐阴影提取受之前采集影像时的光照影响大，提取效果不稳定，也即，当采用RGB颜色空间表达油罐阴影面积时，不同光照下提取的油罐影像在之后提取阴影面积时所计算得到的阈值变化过大，如在日出时，所计算得到的A阈值，与在日落时，所计算得到的B阈值差别过大或者波动过大，这会造成提取的阴影面积的大小不稳定，进而影响提取效果。
在本实施例中，接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像。具体地，接收遥感影像，获取所述遥感影像中每个待侦测物体的外拓图像。
由于需要提取待侦测物体的阴影面积，因而，需要首先提取包括所述阴影面积的图像，因而需要向外进行拓展，得到所述待侦测物体的包括待侦测物体阴影的外拓图像。
具体地，所述接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像的步骤，包括：
具体地，所述接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像的步骤，包括：
步骤S11，接收遥感影像，获取所述遥感影像中待侦测物体的外接矩形框图像，以获取所述外接矩形框图像的位置信息；
接收卫星发送的遥感影像，基于所述遥感影像确定每个待侦测物体的外接矩形框图像，以获取每个所述外接矩形框图像的位置信息，具体地，通过预设的Rotated-Faster-R-CNN模型(是已经训练好的能够准确地定位遥感影像中油罐的外接矩形框图像位置信息的模型)，对所述遥感影像进行分析，确定每个待侦测物体的外接矩形框图像，以获取每个所述外接矩形框图像的位置信息，需要说明的是，每个所述外接矩形框图像的位置信息可以用(c_x，c_y，w，h)表示，其中(c_x，c_y)表示每个外接矩形框图像的中心坐标点，(w)表示每个外接矩形框的宽，(h)表示每个外接矩形框的高。
步骤S12，根据所述外接矩形框图像的位置信息，以所述外接矩形框图像为中心，从所述遥感影像中裁减得到包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像，将包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像设为所述外拓图像。
根据所述外接矩形框图像的位置信息，以所述外接矩形框图像为中心，从所述遥感影像中裁减得到包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像：具体地，根据每个外接矩形框图像的位置信息，对每张遥感影像里每个待侦测物体进行图像的外拓，每张遥感影像里有多个待侦测物体，因而，在对某一待侦测物体进行向外拓时(以所述外接矩形框图像为中心，从所述遥感影像中裁减得到包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像)，可能会包括其他待侦测物体的图像或者阴影图像，将包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像设为所述外拓图像。如图5所示，(a)图是未外拓之前的外接矩形框图像，(b)图是外拓之后的外拓图像。
在本实施例中，是以所述外接矩形框图像为中心，从所述遥感影像中裁减得到包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像，该预设倍数可以为1-2，特别地，该预设拓展比例可以为1.8，设置预设拓展比例的目的在于得到包括所述待侦测物体阴影的图像(即避免阴影不完全)，同时不过多处理多余的图像，以避免增加处理负担，在得到外拓图像后，具体地，则外拓矩形框宽度width＝(1+rates)*w，外拓矩形框高度height＝(1+rates)*h，新的矩形框可以表示为(new_x，new_y，new_w，new_h)，rates表示预设倍数与1的差值，具体如图4所示。
需要说明的是，为了只处理外拓图像，在得到外拓图像后，对所述外拓图像进行裁剪以便将所述外拓图像输入至预设语义分割网络模型中。
对所述拓展图像进行裁剪，得到所述待侦测物体的包括待侦测物体阴影的外拓图像。
在得到拓展图像后，对所述拓展图像进行裁剪，得到所述待侦测物体的包括待侦测物体阴影的外拓图像。
步骤S20，确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；
在本实施例中，确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间，该目标颜色空间可以指的是当前表达该外拓图像的当前颜色空间，另外，该目标颜色空间还可以是外拓图像的最新颜色空间或者是已设置的用于表达外拓图像的设置颜色空间，该预设第一颜色空间可以是RGB颜色空间，或者是其他光照阈值波动范围大的颜色空间。
步骤S30，若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；
若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围，需要说明的是，光照阈值波动范围指的是：在先采集影像时的光照，对后续提取阴影面积时所需要的阈值的影响，在先采集影像时的光照，对后续提取阴影面积时所需要的阈值的影响大，则光照阈值波动范围大，在先采集影像时的光照，对后续提取阴影面积时所需要的阈值的影响小，则光照阈值波动范围小。
在本实施例中，若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，该预设第二颜色空间可以是HSV(色调Hue,饱和度Saturation，明度Value)颜色空间或者LAB(由三个要素组成，一个要素是亮度L或者Light，A和B是两个颜色通道)颜色空间。
所述颜色空间转换处理至少包括第一颜色空间转换处理和第二颜色空间转换处理；
参照图2，所述当所述目标颜色空间是预设第一颜色空间时，对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像的步骤，包括：
步骤S31，当所述目标颜色空间是预设第一颜色空间时，获取预存的预设第一颜色空间与预设第二颜色空间之间的第一颜色空间转换规则，对所述目标颜色空间进行预设第二颜色空间的第一颜色空间转换处理，得到第一转换图像；
在本实施例中，当所述目标颜色空间是预设第一颜色空间时，首先获取预存的预设第一颜色空间与预设第二颜色空间之间的第一颜色空间转换规则，对所述目标颜色空间进行预设第二颜色空间的第一颜色空间转换处理，得到第一转换图像，具体地，若预设第一颜色空间为RGB颜色空间，预设第二颜色空间为HSV颜色空间时，则第一颜色空间转换规则可以是：R1＝R/255，G1＝G/255，B1＝B/255，Cmax＝max(R1，G1，B1)，Cmin＝min(R1，G1，B1)，Q＝Cmax-Cmin，若Q＝0，则很显然HSV颜色空间中的H＝0°，若Cmax＝R1，则HSV颜色空间中的H＝60°{(G1-B1)/Q*mod6}，若Cmax＝G1，则HSV颜色空间中的H＝60°{(B1-R1)/Q+(2)}，若Cmax＝B1，则HSV颜色空间中的H＝60°{(R1-G1)/Q+(4)}，若Cmax＝0，则HSV颜色空间中的S＝0，若Cmax不为0，则HSV颜色空间中的S＝Q/Cmax，而HSV颜色空间中的V＝Cmax。
具体地，若预设第一颜色空间为RGB颜色空间，预设第二颜色空间为LAB颜色空间时，则第一颜色空间转换规则可以是：需要说明的是，RGB无法直接转成LAB，RGB需要先转换成XYZ，然后才能转换成LAB，因此，公式分为两部分：(1)RGB转XYZ，假设
Figure BDA0002439071260000111
为像素三个通道，取值范围均为(0,255)，转换公式如下：R＝gamma(r/255.0)，G＝gamma(g/255.0)，B＝gamma(b/255.0)，其中，若x大于0.04045，则gamma(x)＝{(x+0.055)/1.055}，若x小于等于0.04045，则gamma(x)＝{(x)/12.92}，需要说明的是，公式
Figure BDA0002439071260000112
Figure BDA0002439071260000113
M为
Figure BDA0002439071260000114
样式的矩阵；则上述公式F等同于如下公式：
X＝var_R*0.4124+var_G*0.3576+var_B*0.1805
Y＝var_R*0.2126+var_G*0.7152+var_B*0.0722
Z＝var_R*0.0193+var_G*0.1192+var_B*0.9505。
在执行第一部分后，执行第二部分即(2)XYZ转LAB，具体公式如下：
L*＝116f(Y/Yn)-16
A*＝500{f(X/Xn)-f(Y/Yn)}
B*＝200{f(Y/Yn)-f(Z/Zn)}
Figure BDA0002439071260000115
上面两个公式中，L*，A*，B*是最终的LAB色彩空间三个通道的值，X，Y，Z是RGB转XYZ后计算出来的值，Xn，Yn，Zn一般默认是95.047，100.0，108.883，也即，在本实施例中，通过上述转换规则准确得到第一转换图像。需要说明的是，在本实施例中，LAB颜色空间与HSV颜色空间也可以按照预设的规则彼此进行转换，在此不做具体限定。
步骤S32，根据预存的第二颜色空间转换规则，对所述第一转换图像进行第二颜色空间转换处理，得到目标转换图像，其中，所述第二颜色空间转换规则是对预设待训练图像数据进行预设次数的训练后得到的。
在得到第一转换图像后，根据预存的第二颜色空间转换规则，对所述第一转换图像进行第二颜色空间转换处理，得到目标转换图像，其中，所述第二颜色空间转换规则是对预设待训练图像数据进行预设次数的训练后得到的。也即，在本实施例中，进行颜色空间的两次转换，第一次颜色空间的转换是确定得到受到光照影响小的目标颜色空间，第二次颜色空间转换是确定最佳的颜色空间显示参数或者最佳的颜色空间显示规则等。在本实施例中，具体地，预存的第二颜色空间转换规则可以是C＝-(L-B)/(V+1)，当第一转换图像的某一像素点(用LAB颜色空间方式表达)进行C＝-(L-B)/(V+1)的颜色空间转换处理时，得到目标转换像素点，进而根据目标像素点得到目标转换图像。
步骤S40，根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。
在本实施例中，根据所述目标转换图像确定所述待侦测物体阴影的阴影面积，具体地，将所述目标转换图像非阴影区域去除，得到待侦测物体阴影的阴影面积。
本申请通过接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。在本申请中，在接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像后，确定表达所述外拓图像的目标颜色空间，对受光照影响大的目标颜色空间进行颜色转换处理，以得到受光照影响小的目标转换图像，进而再根据所述目标转换图像确定所述待侦测物体阴影的阴影面积，避免基于受光照影响大的颜色空间表达所述待侦测物体，进行阴影面积的提取，造成提取效果不稳定。
进一步地，参照图2，基于本申请中第一实施例，在本申请的另一实施例中，所述根据所述目标转换图像确定所述待侦测物体阴影的阴影面积的步骤，包括：
步骤S41，通过预设的基于最小方差阈值计算规则确定所述目标转换图像的第一阈值，通过预设的基于灰度值的平均值计算规则确定所述目标转换图像的第二阈值；
在本实施例中，对目标转换图像进行预设二值化处理，在二值化处理过程中，调用skimage(一种图像处理库)中threshold_minimum函数(预设的基于最小方差阈值计算规则)，确定所述目标转换图像的第一阈值t1，并基于skimage(一种图像处理库)中threshold_mean函数(预设的基于灰度值的平均值计算规则)，确定所述目标转换图像的第二阈值t2，或者在本实施例中，也可以通过预设的大津阈值法确定第一阈值与第二阈值，需要说明的是，在本实施例中，用阈值(基于灰度值的平均值计算或者是基于最小方差阈值计算的)将图像中的数据分为两类，一类中图像的像素点的灰度均小于这个阈值，另一类中的图像的像素点的灰度均大于或者等于该阈值。
步骤S42，根据所述第一阈值与所述第二阈值，确定所述目标转换图像的二值图；
在本实施例中，根据第一阈值与第二阈值生成最终的二值图(白色与黑色的像素点构成)，二值图的像素点满足C>(0.6*t1+0.4*t2)。
步骤S43，根据所述二值图确定所述待侦测物体的待侦测物体阴影面积。
在本实施例中，在得到二值图后，根据所述二值图确定所述待侦测物体的待侦测物体阴影面积。其中，所述二值图还中包括噪声阴影面积。
所述根据所述二值图确定所述待侦测物体的待侦测物体阴影面积的步骤，包括：
对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积。
在本实施例中，对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积，即是在本实施例中，将不是油罐阴影的其他阴影面积进行去除处理，准确得到所述待侦测物体的待侦测物体阴影面积。
本实施例通过预设的基于最小方差阈值计算规则确定所述目标转换图像的第一阈值，通过预设的基于灰度值的平均值计算规则确定所述目标转换图像的第二阈值；根据所述第一阈值与所述第二阈值，确定所述目标转换图像的二值图；根据所述二值图确定所述待侦测物体的待侦测物体阴影面积。在本实施例中，准确得到二值图，进而为准确得到待侦测物体阴影面积奠定基础。
进一步地，基于本申请中第一实施例和第二实施例，所述对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积的步骤，包括：
步骤D1，根据所述待侦测物体的外拓图像确定所述待侦测物体的外拓矩形框；
根据所述待侦测物体的外拓图像确定所述待侦测物体的外拓矩形框，其中，外拓矩形框图像指的是外拓图像的边界图像。
步骤D2，确定所述二值图中与所述外拓矩形框相交的相交图像，对所述相交图像进行去除处理，得到第一处理图像；
确定所述二值图中与所述外拓矩形框相交的相交图像(如图4中的最外边的矩形框)，对所述相交图像进行去除处理，得到第一处理图像，需要说明的是，第一处理图像中可能具有与外拓矩形框图像不相交的其他噪声阴影面积。
步骤D3，获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积。
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像。
所述获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到每个待侦测物体的待侦测物体阴影面积的步骤，包括：
步骤E1，获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到第二处理图像；
步骤E2，获取第二预设阴影面积阈值，从所述第二处理图像中提取面积大于所述二预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积。
需要说明的是，第一处理图像中还可能具有与外拓图像不相交的其他噪声阴影面积。因而，在得到第一处理图像后，获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到第二处理图像，具体地，通过预设的形态学开闭运算(仅用于小斑点处理)，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，实现去除图像中小噪声阴影或者小斑点(小噪声阴影或者小斑点指的是小于所述第一预设阴影面积阈值)，如具体先根据目标阴影图像中所有阴影轮廓的面积，剔除小于预设指定阈值即第一预设阴影面积阈值(t3)的小斑点(阴影轮廓面积)，最终得到第二处理图像，经过第一次去噪处理后，绝大部分噪声被去除，但是依然存在其他大噪声，因而，在得到第二处理图像后，统计单个的阴影轮廓的面积，提取面积大于指定阈值(t4)即第二预设阴影面积阈值的阴影轮廓的面积，需要说明的是，在本实施例中，分次进行噪声阴影的去除，能够提升噪声阴影去除的效率(避免一次性处理造成的去除卡顿或者避免不可使用形态学开闭运算等)，并得到第三处理图像，确定与所述外拓图像对应内嵌坐标框即外接框(如图4中的小矩形框)，确定所述第三处理图像中与内嵌坐标框相交的阴影图像，将所述与所述第三处理图像中与内嵌坐标框相交的阴影图像设为所述待侦测物体的绝对阴影图像。也即，在本实施例中，需要强调的是，绝对阴影图像是与内嵌坐标框相交的。
本实施例通过根据所述待侦测物体的外拓图像确定所述待侦测物体的外拓矩形框；确定所述二值图中与所述外拓矩形框相交的相交图像，对所述相交图像进行去除处理，得到第一处理图像；获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积。在本实施例中，进行噪声阴影的去除，准确获取待侦测物体阴影面积。
参照图3，图3是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图3所示，该待侦测物体阴影面积提取设备可以包括：处理器1001，例如CPU，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地，该待侦测物体阴影面积提取设备还可以包括矩形用户接口、网络接口、摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard)，可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解，图3中示出的待侦测物体阴影面积提取设备结构并不构成对待侦测物体阴影面积提取设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及待侦测物体阴影面积提取程序。操作系统是管理和控制待侦测物体阴影面积提取设备硬件和软件资源的程序，支持待侦测物体阴影面积提取程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与待侦测物体阴影面积提取系统中其它硬件和软件之间通信。
在图3所示的待侦测物体阴影面积提取设备中，处理器1001用于执行存储器1005中存储的待侦测物体阴影面积提取程序，实现上述任一项所述的待侦测物体阴影面积提取方法的步骤。
本申请待侦测物体阴影面积提取设备具体实施方式与上述待侦测物体阴影面积提取方法各实施例基本相同，在此不再赘述。
本申请还提供一种待侦测物体阴影面积提取装置，所述待侦测物体阴影面积提取装置包括：
接收模块，用于接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；
判断模块，用于确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；
转换模块，用于若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；
确定模块，用于根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。
可选地，所述颜色空间转换处理至少包括第一颜色空间转换处理和第二颜色空间转换处理；
所述转换模块包括：
获取单元，用于当所述目标颜色空间是预设第一颜色空间时，获取预存的预设第一颜色空间与预设第二颜色空间之间的第一颜色空间转换规则，对所述目标颜色空间进行预设第二颜色空间的第一颜色空间转换处理，得到第一转换图像；
转换处理单元，用于根据预存的第二颜色空间转换规则，对所述第一转换图像进行第二颜色空间转换处理，得到目标转换图像，其中，所述第二颜色空间转换规则是对预设待训练图像数据进行预设次数的训练后得到的。
可选地，所述接收模块包括：
接收单元，用于接收遥感影像，获取所述遥感影像中待侦测物体的外接矩形框图像，以获取所述外接矩形框图像的位置信息；
拓展单元，用于根据所述外接矩形框图像的位置信息，以所述外接矩形框图像为中心，从所述遥感影像中裁减得到包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像，将包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像设为所述外拓图像。
可选地，所述确定模块包括：
第一确定单元，用于通过预设的基于最小方差阈值计算规则确定所述目标转换图像的第一阈值，通过预设的基于灰度值的平均值计算规则确定所述目标转换图像的第二阈值；
第二确定单元，用于根据所述第一阈值与所述第二阈值，确定所述目标转换图像的二值图；
第三确定单元，用于根据所述二值图确定所述待侦测物体的待侦测物体阴影面积。
可选地，所述第三确定单元包括：
去除子单元，用于对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积。
可选地，所述去除子单元用于实现：
根据所述待侦测物体的外拓图像确定所述待侦测物体的外拓矩形框；
确定所述二值图中与所述外拓矩形框相交的相交图像，对所述相交图像进行去除处理，得到第一处理图像；
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积。
可选地，所述去除子单元还用于实现：
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到第二处理图像；
获取第二预设阴影面积阈值，从所述第二处理图像中提取面积大于所述二预设阴影面积阈值的图像，得到第三处理图像，从所述第三处理图像中提取与所述外接矩形框图像的外接矩形框相交的图像，得到每个待侦测物体的待侦测物体阴影面积。
本申请待侦测物体阴影面积提取装置的具体实施方式与上述待侦测物体阴影面积提取方法各实施例基本相同，在此不再赘述。
本申请实施例提供了一种存储介质，且所述存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的待侦测物体阴影面积提取方法的步骤。
本申请存储介质具体实施方式与上述待侦测物体阴影面积提取方法各实施例基本相同，在此不再赘述。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。

Claims (10)

1.一种待侦测物体阴影面积提取方法，其特征在于，所述待侦测物体阴影面积提取方法包括：
接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；
确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；
若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；
根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。
2.如权利要求1所述待侦测物体阴影面积提取方法，其特征在于，所述颜色空间转换处理至少包括第一颜色空间转换处理和第二颜色空间转换处理；
所述当所述目标颜色空间是预设第一颜色空间时，对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像的步骤，包括：
当所述目标颜色空间是预设第一颜色空间时，获取预存的预设第一颜色空间与预设第二颜色空间之间的第一颜色空间转换规则，对所述目标颜色空间进行预设第二颜色空间的第一颜色空间转换处理，得到第一转换图像；
根据预存的第二颜色空间转换规则，对所述第一转换图像进行第二颜色空间转换处理，得到目标转换图像，其中，所述第二颜色空间转换规则是对预设待训练图像数据进行预设次数的训练后得到的。
3.如权利要求1所述待侦测物体阴影面积提取方法，其特征在于，所述接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像的步骤，包括：
接收遥感影像，获取所述遥感影像中待侦测物体的外接矩形框图像，以获取所述外接矩形框图像的位置信息；
根据所述外接矩形框图像的位置信息，以所述外接矩形框图像为中心，从所述遥感影像中裁减得到包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像；
将包括所述外接矩形框图像的，且大小是预设倍数于所述外接矩形框图像的图像设为所述外拓图像。
4.如权利要求1-3任一项所述待侦测物体阴影面积提取方法，其特征在于，所述根据所述目标转换图像确定所述待侦测物体阴影的阴影面积的步骤，包括：
通过预设的基于最小方差阈值计算规则确定所述目标转换图像的第一阈值，通过预设的基于灰度值的平均值计算规则确定所述目标转换图像的第二阈值；
根据所述第一阈值与所述第二阈值，确定所述目标转换图像的二值图；
根据所述二值图确定所述待侦测物体的待侦测物体阴影面积。
5.如权利要求4所述待侦测物体阴影面积提取方法，其特征在于，所述根据所述二值图确定所述待侦测物体的待侦测物体阴影面积的步骤，包括：
对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积。
6.如权利要求5所述待侦测物体阴影面积提取方法，其特征在于，所述对所述二值图进行阴影噪声去除处理，得到所述待侦测物体的待侦测物体阴影面积的步骤，包括：
根据所述待侦测物体的外拓图像确定所述待侦测物体的外拓矩形框；
确定所述二值图中与所述外拓矩形框相交的相交图像，对所述相交图像进行去除处理，得到第一处理图像；
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积。
7.如权利要求6所述待侦测物体阴影面积提取方法，其特征在于，所述获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到所述待侦测物体的待侦测物体阴影面积的步骤，包括：
获取第一预设阴影面积阈值，从所述第一处理图像中提取面积大于所述第一预设阴影面积阈值的图像，得到第二处理图像；
获取第二预设阴影面积阈值，从所述第二处理图像中提取面积大于所述二预设阴影面积阈值的图像，得到第三处理图像，从所述第三处理图像中提取与所述外接矩形框图像的外接矩形框相交的图像，得到每个待侦测物体的待侦测物体阴影面积。
8.一种待侦测物体阴影面积提取装置，其特征在于，所述待侦测物体阴影面积提取装置包括：
接收模块，用于接收遥感影像，获取所述遥感影像中待侦测物体的外拓图像；
判断模块，用于确定表达所述外拓图像的目标颜色空间，判断所述目标颜色空间是否为预设第一颜色空间；
转换模块，用于若所述目标颜色空间是预设第一颜色空间，则对所述目标颜色空间进行预设第二颜色空间的颜色空间转换处理，得到目标转换图像，其中，所述预设第二颜色空间的第二光照阈值波动范围小于所述预设第一颜色空间的第一光照阈值波动范围；
确定模块，用于根据所述目标转换图像确定所述待侦测物体阴影的阴影面积。
9.一种待侦测物体阴影面积提取设备，其特征在于，所述待侦测物体阴影面积提取设备包括：存储器、处理器以及存储在存储器上的用于实现所述待侦测物体阴影面积提取方法的程序，
所述存储器用于存储实现待侦测物体阴影面积提取方法的程序；
所述处理器用于执行实现所述待侦测物体阴影面积提取方法的程序，以实现如权利要求1至7中任一项所述待侦测物体阴影面积提取方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有实现待侦测物体阴影面积提取方法的程序，所述实现待侦测物体阴影面积提取方法的程序被处理器执行以实现如权利要求1至7中任一项所述待侦测物体阴影面积提取方法的步骤。
CN202010262684.8A 2020-04-03 2020-04-03 待侦测物体阴影面积提取方法、装置、设备及存储介质 Pending CN111462221A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010262684.8A CN111462221A (zh) 2020-04-03 2020-04-03 待侦测物体阴影面积提取方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010262684.8A CN111462221A (zh) 2020-04-03 2020-04-03 待侦测物体阴影面积提取方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111462221A true CN111462221A (zh) 2020-07-28

Family

ID=71683619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010262684.8A Pending CN111462221A (zh) 2020-04-03 2020-04-03 待侦测物体阴影面积提取方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111462221A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111966546A (zh) * 2020-08-09 2020-11-20 合肥奕斯伟集成电路有限公司 一种图卡侦测的控制方法及控制装置、显示装置
CN112200858A (zh) * 2020-10-10 2021-01-08 长光卫星技术有限公司 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法
CN116489317A (zh) * 2023-06-08 2023-07-25 北京城建智控科技股份有限公司 基于摄像装置的物体侦测方法、系统以及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1692276A (zh) * 2002-12-27 2005-11-02 汽龙株式会社 灰铸铁的石墨结构的评价方法和评价程序记录介质和评价体系
AU2012100257A4 (en) * 2012-03-08 2012-04-05 Beijing Normal University Method for Radiometric Information Restoration of Mountainous Shadows in Remotely Sensed Images
CN102750701A (zh) * 2012-06-15 2012-10-24 西安电子科技大学 针对Landsat TM和ETM图像的厚云及其阴影检测方法
CN102982512A (zh) * 2012-11-28 2013-03-20 天津大学 一种百度卫星地图图像阴影检测方法
CN105389556A (zh) * 2015-11-10 2016-03-09 中南大学 一种顾及阴影区域的高分辨率遥感影像车辆检测方法
CN106447721A (zh) * 2016-09-12 2017-02-22 北京旷视科技有限公司 图像阴影检测方法和装置
WO2017054455A1 (zh) * 2015-09-30 2017-04-06 深圳大学 一种监控视频中运动目标的阴影检测方法、系统
JP2017084363A (ja) * 2015-10-28 2017-05-18 富士通株式会社 陰影検出装置及び方法
CN107563998A (zh) * 2017-08-30 2018-01-09 上海联影医疗科技有限公司 医学图像中心脏图像处理方法
CN107688782A (zh) * 2017-08-23 2018-02-13 中国科学院软件研究所 基于高分辨率光学遥感图像的油罐检测和储量分析方法
CN107844750A (zh) * 2017-10-19 2018-03-27 华中科技大学 一种水面全景图像目标检测识别方法
CN109005409A (zh) * 2018-07-27 2018-12-14 浙江工业大学 一种基于目标检测与跟踪的智能视频编码方法
CN110428439A (zh) * 2019-07-18 2019-11-08 浙江树人学院（浙江树人大学） 一种基于阴影区域颜色饱和度性质的阴影检测方法
CN110706150A (zh) * 2019-07-12 2020-01-17 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1692276A (zh) * 2002-12-27 2005-11-02 汽龙株式会社 灰铸铁的石墨结构的评价方法和评价程序记录介质和评价体系
AU2012100257A4 (en) * 2012-03-08 2012-04-05 Beijing Normal University Method for Radiometric Information Restoration of Mountainous Shadows in Remotely Sensed Images
CN102750701A (zh) * 2012-06-15 2012-10-24 西安电子科技大学 针对Landsat TM和ETM图像的厚云及其阴影检测方法
CN102982512A (zh) * 2012-11-28 2013-03-20 天津大学 一种百度卫星地图图像阴影检测方法
WO2017054455A1 (zh) * 2015-09-30 2017-04-06 深圳大学 一种监控视频中运动目标的阴影检测方法、系统
JP2017084363A (ja) * 2015-10-28 2017-05-18 富士通株式会社 陰影検出装置及び方法
CN105389556A (zh) * 2015-11-10 2016-03-09 中南大学 一种顾及阴影区域的高分辨率遥感影像车辆检测方法
CN106447721A (zh) * 2016-09-12 2017-02-22 北京旷视科技有限公司 图像阴影检测方法和装置
CN107688782A (zh) * 2017-08-23 2018-02-13 中国科学院软件研究所 基于高分辨率光学遥感图像的油罐检测和储量分析方法
CN107563998A (zh) * 2017-08-30 2018-01-09 上海联影医疗科技有限公司 医学图像中心脏图像处理方法
CN107844750A (zh) * 2017-10-19 2018-03-27 华中科技大学 一种水面全景图像目标检测识别方法
CN109005409A (zh) * 2018-07-27 2018-12-14 浙江工业大学 一种基于目标检测与跟踪的智能视频编码方法
CN110706150A (zh) * 2019-07-12 2020-01-17 北京达佳互联信息技术有限公司 图像处理方法、装置、电子设备及存储介质
CN110428439A (zh) * 2019-07-18 2019-11-08 浙江树人学院（浙江树人大学） 一种基于阴影区域颜色饱和度性质的阴影检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HUAPING XU 等: "Oil tank detection in synthetic aperture radar images based on quasi-circular shadow and highlighting arcs", JOURNAL OF APPLIED REMOTE SENSING, vol. 8, no. 1, pages 1 - 16 *
TONG WANG 等: "Estimating the Volume of Oil Tanks Based on High-Resolution Remote Sensing Images", REMOTE SENSING, pages 1 - 23 *
于圣涛: "基于高分辨率遥感影像的油罐体积求取研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑, vol. 2019, no. 1, pages 3 *
帅滔 等: "面向对象的高分辨遥感影像阴影探测方法", 光子学报, vol. 44, no. 12, pages 160 - 167 *
杨磊: "立木枝桠遮挡的计算机识别方法研究", 中国优秀硕士学位论文全文数据库 信息科技辑, vol. 2008, no. 12, pages 3 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111966546A (zh) * 2020-08-09 2020-11-20 合肥奕斯伟集成电路有限公司 一种图卡侦测的控制方法及控制装置、显示装置
CN111966546B (zh) * 2020-08-09 2022-07-12 合肥奕斯伟集成电路有限公司 一种图卡侦测的控制方法及控制装置、显示装置
CN112200858A (zh) * 2020-10-10 2021-01-08 长光卫星技术有限公司 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法
CN116489317A (zh) * 2023-06-08 2023-07-25 北京城建智控科技股份有限公司 基于摄像装置的物体侦测方法、系统以及存储介质
CN116489317B (zh) * 2023-06-08 2023-09-08 北京城建智控科技股份有限公司 基于摄像装置的物体侦测方法、系统以及存储介质

Similar Documents

Publication Publication Date Title
CN108550101B (zh) 图像处理方法、装置及存储介质
CN111462221A (zh) 待侦测物体阴影面积提取方法、装置、设备及存储介质
CN108875759B (zh) 一种图像处理方法、装置及服务器
CN112767392A (zh) 图像清晰度确定方法、装置、设备及存储介质
CN107659799B (zh) 摄像装置、图像处理方法和存储介质
US11580665B2 (en) Image positioning system and image positioning method based on upsampling
CN111489322A (zh) 给静态图片加天空滤镜的方法及装置
CN111462098A (zh) 待侦测物体阴影面积重叠的检测方法、装置、设备及介质
CN110569774A (zh) 基于图像处理与模式识别的折线图图像自动数字化方法
JP5676610B2 (ja) 画像シーケンスの関心領域に基づくアーティファクト低減のためのシステム及び方法
CN112837251A (zh) 图像处理方法及装置
CN108900895B (zh) 一种对视频流的目标区域的屏蔽方法及其装置
US20240086661A1 (en) Method and apparatus for processing graphic symbol and computer-readable storage medium
CN110310341B (zh) 颜色算法中默认参数的生成方法、装置、设备和存储介质
CN113284063A (zh) 图像处理方法、图像处理装置、电子设备和可读存储介质
JP2003303346A (ja) 目標追跡方法、目標追跡装置、目標追跡プログラム、並びにこのプログラムを記録した記録媒体
CN115311321A (zh) 背景替换方法、装置、电子设备和存储介质
CN117314758A (zh) 图像处理方法、装置、终端设备及计算机可读存储介质
CN115082345A (zh) 图像阴影去除方法、装置、计算机设备和存储介质
CN109242750B (zh) 图片签名方法、图片匹配方法、装置、设备及存储介质
CN113674158A (zh) 图像处理方法、装置、设备及存储介质
CN111476800A (zh) 一种基于形态学操作的文字区域检测方法及装置
CN111476740A (zh) 图像处理方法、装置、存储介质和电子设备
CN110620961A (zh) 视频水印添加方法、装置以及视频编辑终端
CN113128435B (zh) 图像中手部区域分割方法、装置、介质及计算机设备

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