CN112153383A - 一种图像编码方法及装置 - Google Patents
一种图像编码方法及装置 Download PDFInfo
- Publication number
- CN112153383A CN112153383A CN202010628789.0A CN202010628789A CN112153383A CN 112153383 A CN112153383 A CN 112153383A CN 202010628789 A CN202010628789 A CN 202010628789A CN 112153383 A CN112153383 A CN 112153383A
- Authority
- CN
- China
- Prior art keywords
- image
- radar
- target image
- radar situation
- suspected
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims description 28
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 abstract description 3
- 239000003086 colorant Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本公开提供一种图像编码方法及装置,涉及图像处理领域,能够解决现有技术中对雷达态势图进行编码时,存在一定的码流冗余的问题。具体技术方案为:首先获取目标图像,然后判断目标图像是否为雷达态势图像;若目标图像为雷达态势图像,将目标图像分割为背景区域和雷达扫描变化区域;最后分别对背景区域和雷达扫描变化区域进行编码。本公开用于雷达态势图像编码。
Description
技术领域
本公开涉及图像处理领域,尤其涉及一种图像编码方法及装置。
背景技术
视频编解码传输中,雷达态势图是一种比较特殊的图像,如图1所示, 雷达态势图色彩较为单一,多为一种或两种颜色,背景区域基本不变,只有 雷达扫描区域变化。
现有的压缩编码算法多是对色彩颜色丰富、无明显特征的图像进行编码 压缩,对于诸如雷达态势图的图像,若按照常规压缩编码算法对其进行处理, 编码后的码流非最优码流,存在一定的码流冗余。
发明内容
本公开实施例提供一种图像编码方法及装置,能够解决现有技术中对雷 达态势图进行编码时,存在一定的码流冗余的问题。所述技术方案如下:
根据本公开实施例的第一方面,提供一种图像编码方法,该方法包括:
获取目标图像;
判断所述目标图像是否为雷达态势图像;
若所述目标图像为雷达态势图像,将所述目标图像分割为背景区域和雷 达扫描变化区域;
分别对所述背景区域和所述雷达扫描变化区域进行编码。
本公开实施例提供的图像编码方法,首先获取目标图像,然后判断目标 图像是否为雷达态势图像;若目标图像为雷达态势图像,将目标图像分割为 背景区域和雷达扫描变化区域;最后分别对背景区域和雷达扫描变化区域进 行编码。本公开根据雷达态势图像的图像特征,提取目标图像的相应特征, 若提取的图像特征与雷达态势图像的图像特征匹配,则确定该目标图像为雷 达态势图,将雷达态势图分割为背景区域和雷达扫描变化区域,之后分别对 两种区域进行编码,相对比现有技术,本公开能够降低码流。
在一个实施例中,确定目标图像为雷达态势图像具体包括:
获取所述目标图像的颜色种类个数;
当所述颜色种类个数满足预设阈值范围时,确定所述目标图像为疑似雷 达态势图像;
获取所述疑似雷达态势图像的结构特征;
当所述结构特征为预设结构时,确定所述疑似雷达态势图像为雷达态势 图像。
本公开实施例通过获取目标图像的颜色种类个数,将目标图像确定为疑 似雷达态势图像,然后获取该疑似雷达态势图像的结构特征,进一步将该疑 似雷达态势图像确定为雷达态势图像。本公开方法操作简单,方便可靠,实 现了对目标图像的确认。
在一个实施例中,获取目标图像的颜色种类个数包括:
将所述目标图像由RGB颜色空间转换为HSV颜色空间;
获得HSV颜色空间的色调分量分布直方图;
检测所述色调分量分布直方图的至少一个峰值点,将满足预设条件的所 述峰值点的个数,确定为所述目标图像的颜色种类个数。
本公开实施例通过以上步骤,即可获得目标图像的颜色种类个数,当颜 色种类个数满足预设阈值范围时,可以进一步确定目标图像为疑似雷达态势 图像。
在一个实施例中,获取所述疑似雷达态势图像的结构特征,当所述结构 特征为预设结构时,确定为雷达态势图像,具体为:
通过Hough圆形检测对所述疑似雷达态势图像进行圆形检测,若判断所 述疑似雷达态势图像存在满足预设结构的圆形图像时,确定所述疑似雷达态 势图像为雷达态势图像。
本公开实施例通过对疑似雷达态势图像进行Hough圆形检测,根据检测 结果即可确定是否为雷达态势图像。
在一个实施例中,将所述目标图像分割为背景区域和雷达扫描变化区域 包括:
将所述目标图像中通过Hough圆形检测的所述圆形图像确定为雷达扫描 变化区域;
将所述目标图像中除雷达扫描变化区域外的区域确定为背景区域。
本公开实施例通过以上步骤,可以将目标图像分割为背景区域和雷达扫 描变化区域,进一步实现对两个区域的分别编码,减少码流。
根据本公开实施例的第二方面,提供一种图像编码装置,包括获取模块、 判断模块、分割模块和编码模块;
所述获取模块,用于获取目标图像;
所述判断模块,用于判断所述目标图像是否为雷达态势图像;
所述分割模块,用于当所述目标图像为雷达态势图像时,将所述目标图 像分割为背景区域和雷达扫描变化区域;
所述编码模块,用于分别对所述背景区域和所述雷达扫描变化区域进行 编码。
本公开实施例提供的图像编码装置,包括获取模块、判断模块、分割模 块和编码模块。本公开通过确定目标图像为雷达态势图像;然后将目标图像 分割为背景区域和雷达扫描变化区域;最后分别对背景区域和雷达扫描变化 区域进行编码。本公开根据雷达态势图像的图像特征,提取目标图像的相应 特征,若提取的图像特征与雷达态势图像的图像特征匹配,则确定该目标图 像为雷达态势图,将雷达态势图分割为背景区域和雷达扫描变化区域,之后 分别对两种区域进行编码,相对比现有技术,本公开能够降低码流。
在一个实施例中,判断模块包括第一获取单元、第一确定单元、第二获 取单元、第二确定单元;
所述第一获取单元,用于获取所述目标图像的颜色种类个数;
所述第一确定单元,用于当所述颜色种类个数满足预设阈值范围时,确 定所述目标图像为疑似雷达态势图像;
所述第二获取单元,用于获取所述疑似雷达态势图像的结构特征;
所述第二确定单元,用于当所述结构特征为预设结构时,确定所述疑似 雷达态势图像为雷达态势图像。
本公开实施例通过第一获取单元和第一确定单元获取目标图像的颜色种 类个数,将目标图像确定为疑似雷达态势图像,然后通过第二获取单元和第 二确定单元获取该疑似雷达态势图像的结构特征,进一步将该疑似雷达态势 图像确定为雷达态势图像。本公开装置结构简单,实现了对目标图像的确认。
在一个实施例中,第一获取单元具体用于将所述目标图像由RGB颜色 空间转换为HSV颜色空间;
获得HSV颜色空间的色调分量分布直方图;
检测所述色调分量分布直方图的至少一个峰值点,将满足预设条件的峰 值点的个数,确定为所述目标图像的颜色种类个数。
本公开实施例通过第一获取单元,即可获得目标图像的颜色种类个数, 当颜色种类个数满足预设阈值范围时,可以进一步确定目标图像为疑似雷达 态势图像。
在一个实施例中,第二获取单元具体用于通过Hough圆形检测对所述疑 似雷达态势图像进行圆形检测;
所述第二确定单元具体用于当所述疑似雷达态势图像存在满足预设结构 的圆形图像时,确定所述疑似雷达态势图像为雷达态势图像。
本公开实施例通过对疑似雷达态势图像进行Hough圆形检测,根据检测 结果即可确定是否为雷达态势图像。
在一个实施例中,分割模块具体用于将所述目标图像中通过Hough圆形 检测的所述圆形图像确定为雷达扫描变化区域,将所述目标图像中除雷达扫 描变化区域外的区域确定为背景区域。
本公开实施例通过设置分割模块,可以将目标图像分割为背景区域和雷 达扫描变化区域,进一步实现对两个区域的分别编码,减少码流。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性 的,并不能限制本公开。
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,示出了符合本公 开的实施例,并与说明书一起用于解释本公开的原理。
图1是示例性的雷达态势图;其中,图1(a)中雷达态势图为两种颜色; 图1(b)中雷达态势图为一种颜色;
图2是本公开实施例提供的一种图像编码方法的流程图;
图3是本公开实施例提供的一种图像编码方法中色调分量分布直方图;
图4是本公开实施例提供的一种图像编码方法中色调分量分布直方图中 有效峰值点示意图;
图5是本公开实施例提供的一种图像编码方法中灰度图像的边缘区域示 意图;其中图5(a)是灰度图像;图5(b)是图像边缘区域二值图;
图6是本公开实施例提供的一种图像编码方法中Hough圆形检测图;其 中图6(a)是检测出的满足条件的圆形区域;图6(b)是检测出的圆形区域 在灰度图像上的位置;
图7是本公开实施例提供的一种图像编码方法的流程图;
图8是本公开实施例提供的一种图像编码装置的结构图;
图9是本公开实施例提供的一种图像编码装置的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的 描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的 要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所 有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一 些方面相一致的装置和方法的例子。
本公开实施例提供一种图像编码方法,如图2所示,该图像编码方法包 括以下步骤:
步骤201、获取目标图像;
具体的,目标图像为待编码处理的图像,可以是一般图像,也可以是雷 达态势图像。
步骤202、判断目标图像是否为雷达态势图像;
具体的,雷达态势图像是一种比较特殊的图像,颜色单一,多为一种或 两种颜色,且变化区域特征明显,背景基本不变。
在一个实施例中,步骤202判断目标图像是否为雷达态势图像具体包括:
获取目标图像的颜色种类个数;
当颜色种类个数满足预设阈值范围时,确定目标图像为疑似雷达态势图 像;
在本公开实施例中,通过获取目标图像的颜色种类个数,初步判断目标 图像是否疑似雷达态势图像。示例的,当目标图像的颜色种类个数在3-5之 间时,判定目标图像为疑似雷达态势图像。
在一个实施例中,获取目标图像的颜色种类个数具体为:
将目标图像由RGB颜色空间转换为HSV颜色空间;
获得HSV颜色空间的色调分量分布直方图;
检测色调分量分布直方图的至少一个峰值点,将满足预设条件的峰值点 的个数,确定为目标图像的颜色种类个数。
本公开实施例采用颜色直方图可以统计图像中的颜色种类个数,设定当 图像中颜色种类个数在一定数值范围内时,可认定目标图像为可疑雷达态势 图。
具体的,RGB颜色空间以R(Red:红)、G(Green:绿)、B(Blue:蓝)三种基本 色为基础,进行不同程度的叠加,产生丰富而广泛的颜色,所以俗称三基色 模式。RGB颜色空间是用一个单位长度的立方体来表示颜色的,黑蓝绿青红 紫黄白8种常见颜色分别位居立方体的8个顶点,通常将黑色置于三维直角 坐标系的原点,红绿蓝分别置于3根坐标轴土,整个立方体放在第1卦限内。 如下图所示。而其中的青色与红色、紫色与绿色、黄色与蓝色是互补色。各 参数的取值范围是:R:0-255;G:0-255;B:0-255。
HSV颜色空间是根据颜色的直观特性创建的一种颜色空间,也称六角椎 体模型,这个模型中颜色的参数分别是色调H、饱和度S、明度V,HSV颜 色空间可以较为直观的显示图像中的颜色不同。本公开将目标图像由RGB 颜色空间转换为HSV颜色空间,有利于对背景区域和雷达扫描变化区域进行 分割。
具体的,将目标图像由RGB颜色空间转换为HSV颜色空间,
具体的转换公式为:
max=max(r,g,b);
min=min(r,g,b)
V=max
其中H为色调,S为饱和度,V为纯度。
另外,获得HSV颜色空间的色调分量分布直方图具体为:
将色调分量的灰度值区间等分为预设份数;
分别统计色调分量中各灰度值区间的像素个数,即可得到色调分量分布 直方图。
具体的,由于色调H分量表示的是图像中的色调信息,因此统计颜色种 类个数时只需对H分量的灰度进行直方图统计即可。本公开实施例中,示例 的,将H分量的灰度值区间等分为128份,再分别统计H分量重各灰度值区 间的像素个数,由此得到H分量重对应128区间的像素个数,即H分量分布 直方图,如图3所示。
本公开实施例中,示例的,设置检测分布直方图中的有效峰值点如下所 示:
ValidPeak(i)=histx(i) if histy(i)>10000and
ValidPeak(i)-ValidPeak(i-1)≥0.1 其中,i∈[0,128]。
通过检测H分量分布直方图的设定条件峰值点的个数,可以得到图像中 颜色种类个数,如图4所示,H分量分布直方图中,出现多个峰,通过设置参 数条件,得到满足设定条件的4个峰,则得到图像中的颜色种类个数为4个。
获取疑似雷达态势图像的结构特征;
当结构特征为预设结构时,确定疑似雷达态势图像为雷达态势图像。
在一个实施例中,获取疑似雷达态势图像的结构特征,当结构特征为预 设结构时,确定为雷达态势图像,具体为:
通过Hough圆形检测对疑似雷达态势图像进行圆形检测,若判断疑似雷 达态势图像存在满足预设结构的圆形图像时,确定疑似雷达态势图像为雷达 态势图像。
具体的,Hough变换是图像处理中从图像中识别几何形状的基本算法之 一。基本原理在于利用点与线的对偶性,将图像空间的线条变为参数空间的 聚集点,从而检测给定图像是否存在给定性质的曲线。如检测直线,根据直 线方程y0=kx0+b,可将原图像空间平面Y-X上的点(x0,y0)映射至参数空间 K-B的点(k0,b0)。若要检测圆,根据圆形方程(x0-a)2+(y0-b)2=r2,将原 图像空间Y-X平面上的圆转换到a-b-r参数空间。
对于雷达态势图,由于其有较为明显的特征,即中间扫描区域是为一个 圆形,因此,本公开实施例通过Hough圆形检测来对上一步的疑似雷达态势 图进行圆形检测,若判断其中存在满足设定条件的圆形图像,则认为该图像 为雷达态势图。
本公开实施例中,通过Hough圆形检测对疑似雷达态势图像进行圆形检 测,具体为:
将疑似雷达态势图像由RGB颜色空间灰度化为灰度图像;
具体的,将RGB颜色空间灰度化为灰度图像,计算公式如下所示:
IMGgray=R*0.299+G*0.587+B*0.114。
检测灰度图像的边缘坐标点,并保存其坐标位置;
本公开实施例中,根据Sobel边缘检测算法,检测灰度图像中的边缘区 域,如图5所示。
将坐标位置变换为对应的参数空间坐标;
具体的,将坐标位置变换为对应的参数空间坐标的方法同Hough变换检 测直线一样,将二值图像中的边缘点换一种方式表示,进行坐标变换,将Y-X 平面上的点对应转换到a-b坐标系。
设置角度theta的变化范围和步长,半径r的变化范围和步长,本公开实施 例根据雷达态势图特点,设置theta∈[0,2π],角度步长theta_step=0.1; r∈[450,550],半径步长r_step=1,利用如下公式进行坐标变换:
x=a+r×cos(theta)
y=b+r×sin(theta)
其中(x,y)为边缘图像中的某个点坐标,a和b为其对应的参数空间坐 标,若a>0&&a≤IMG_height,b>0&&b≤IMG_width,则对该位置进 行叠加。
识别参数空间坐标对应的图形是否为圆形。
本公开实施例中,转换坐标系后,若Y-X平面上一个圆形边界上有很多 点,对应到a-b坐标系中就会有很多个圆。由于原图像中这些点都在同一个 圆形上,那么转换后a,b必定也满足a-b坐标系下的所有圆形的方程式。直 观表现为这许多点对应的圆都会相交于一个点,那么这个交点就可能是圆心 (a,b)。
统计局部交点处圆的个数,取每一个局部最大值,就可以获得原图像中 对应的圆形的圆心坐标(a,b)。一旦在某一个r下面检测到圆,那么r的值也就 随之确定。
输入图像经直方图统计与Hough圆形检测后,若为雷达态势图,则其圆 形检测结果为存在设定大小的圆形形状,由此可判定输入图像为雷达态势图, 如图6所示,若不存在设定大小的圆形,则图像不为雷达态势图。
步骤203、若目标图像为雷达态势图像,将目标图像分割为背景区域和 雷达扫描变化区域。
在一个实施例中,将目标图像分割为背景区域和雷达扫描变化区域包括:
将目标图像中通过Hough圆形检测的圆形图像确定为雷达扫描变化区 域;
将目标图像中除雷达扫描变化区域外的区域确定为背景区域。
本公开实施例通过Hough圆形检测检测出圆形的雷达扫描变化区域,因 此,目标图像中剩余的部分为背景区域。以此,将目标图像分割为背景区域 和雷达扫描变化区域。
步骤204、分别对背景区域和雷达扫描变化区域进行编码。
具体的,通过分别检测背景区域和雷达扫描变化区域前后两帧间相应位 置的灰度差,得出变化与非变化区域,编码中只针对变化区域进行编码,从 而节省码流。
本公开实施例提供的图像编码方法,首先获取目标图像,然后判断目标 图像是否为雷达态势图像;若目标图像为雷达态势图像,将目标图像分割为 背景区域和雷达扫描变化区域;最后分别对背景区域和雷达扫描变化区域进 行编码。本公开根据雷达态势图像的图像特征,提取目标图像的相应特征, 若提取的图像特征与雷达态势图像的图像特征匹配,则确定该目标图像为雷 达态势图,将雷达态势图分割为背景区域和雷达扫描变化区域,之后分别对 两种区域进行编码,相对比现有技术,本公开能够降低码流。
基于上述图2对应的实施例提供的图像编码方法,本公开另一实施例提 供一种图像编码方法,参照图7所示,本实施例提供的图像编码方法包括以 下步骤:
步骤301、获取目标图像;
步骤302、将目标图像由RGB颜色空间转换为HSV颜色空间;
具体的转换公式为:
max=max(r,g,b);
min=min(r,g,b);
V=max
其中H为色调,S为饱和度,V为纯度。
步骤303、获得HSV颜色空间的色调分量分布直方图;
步骤304、检测色调分量分布直方图的至少一个峰值点,将满足预设条 件的峰值点的个数,确定为目标图像的颜色种类个数;
步骤305、当颜色种类个数满足预设阈值范围时,确定目标图像为疑似 雷达态势图像;
步骤306、通过Hough圆形检测对疑似雷达态势图像进行圆形检测,若 判断疑似雷达态势图像存在满足预设结构的圆形图像时,确定疑似雷达态势 图像为雷达态势图像;
具体的,将疑似雷达态势图像由RGB颜色空间灰度化为灰度图像;
计算公式如下所示:
IMGgray=R*0.299+G*0.587+B*0.114。
检测灰度图像的边缘坐标点,并保存其坐标位置;
将坐标位置变换为对应的参数空间坐标;
识别参数空间坐标对应的图形是否为圆形;
步骤307、若目标图像为雷达态势图像,将目标图像分割为背景区域和 雷达扫描变化区域;
步骤308、分别对背景区域和雷达扫描变化区域进行编码。
本公开实施例提供的图像编码方法,首先获取目标图像,然后判断目标 图像是否为雷达态势图像;若目标图像为雷达态势图像,将目标图像分割为 背景区域和雷达扫描变化区域;最后分别对背景区域和雷达扫描变化区域进 行编码。本公开根据雷达态势图像的图像特征,提取目标图像的相应特征, 若提取的图像特征与雷达态势图像的图像特征匹配,则确定该目标图像为雷 达态势图,将雷达态势图分割为背景区域和雷达扫描变化区域,之后分别对 两种区域进行编码,相对比现有技术,本公开能够降低码流。
基于上述图2和图7对应的实施例中所描述的图像编码方法,下述为本 公开装置实施例,可以用于执行本公开方法实施例。
本公开实施例提供一种图像编码装置,如图8所示,该图像编码装置40 包括:获取模块401、判断模块402、分割模块403和编码模块404;
获取模块401,用于获取目标图像;
确定模块402,用于判断目标图像是否为雷达态势图像;
分割模块403,用于当目标图像为雷达态势图像时,将目标图像分割为 背景区域和雷达扫描变化区域;
编码模块404,用于分别对背景区域和雷达扫描变化区域进行编码。
本公开实施例提供的图像编码装置,包括获取模块401、判断模块402、 分割模块403和编码模块404。获取模块401获取目标图像;判断模块402 判断目标图像是否为雷达态势图像;分割模块403用于当目标图像为雷达态 势图像时,将目标图像分割为背景区域和雷达扫描变化区域;编码模块404 分别对背景区域和雷达扫描变化区域进行编码。本公开根据雷达态势图像的 图像特征,提取目标图像的相应特征,若提取的图像特征与雷达态势图像的 图像特征匹配,则确定该目标图像为雷达态势图,将雷达态势图分割为背景 区域和雷达扫描变化区域,之后分别对两种区域进行编码,相对比现有技术, 本公开能够降低码流。
在一个实施例中,如图9所示,判断模块402包括第一获取单元4021、 第一确定单元4022、第二获取单元4023、第二确定单元4024。
第一获取单元4021,用于获取目标图像的颜色种类个数;
第一确定单元4022,用于当颜色种类个数满足预设阈值范围时,确定目 标图像为疑似雷达态势图像;
第二获取单元4023,用于获取疑似雷达态势图像的结构特征;
第二确定单元4024,用于当结构特征为预设结构时,确定疑似雷达态势 图像为雷达态势图像。
在一个实施例中,第一获取单元4021具体用于将目标图像由RGB颜色 空间转换为HSV颜色空间;
获得HSV颜色空间的色调分量分布直方图;
检测色调分量分布直方图的至少一个峰值点,将满足预设条件的峰值点 的个数,确定为目标图像的颜色种类个数。
在一个实施例中,第二获取单元4023具体用于通过Hough圆形检测对 疑似雷达态势图像进行圆形检测;
第二确定单元4024具体用于当疑似雷达态势图像存在满足预设结构的 圆形图像时,确定疑似雷达态势图像为雷达态势图像。
在一个实施例中,分割模块403具体用于将目标图像中通过Hough圆形 检测的圆形图像确定为雷达扫描变化区域,将目标图像中除雷达扫描变化区 域外的区域确定为背景区域。
基于上述图2对应的实施例中所描述的图像编码方法,本公开实施例还 提供一种计算机可读存储介质,例如,非临时性计算机可读存储介质可以是 只读存储器(英文:ReadOnly Memory,ROM)、随机存取存储器(英文: Random Access Memory,RAM)、CD-ROM、磁带、软盘和光数据存储装 置等。该存储介质上存储有计算机指令,用于执行上述图2对应的实施例中 所描述的图像编码方法,此处不再赘述。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本 公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性 变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公 开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被 视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确 结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所 附的权利要求来限制。
Claims (10)
1.一种图像编码方法,其特征在于,所述方法包括:
获取目标图像;
判断所述目标图像是否为雷达态势图像;
若所述目标图像为雷达态势图像,将所述目标图像分割为背景区域和雷达扫描变化区域;
分别对所述背景区域和所述雷达扫描变化区域进行编码。
2.根据权利要求1所述的图像编码方法,其特征在于,所述判断所述目标图像是否为雷达态势图像具体包括:
获取所述目标图像的颜色种类个数;
当所述颜色种类个数满足预设阈值范围时,确定所述目标图像为疑似雷达态势图像;
获取所述疑似雷达态势图像的结构特征;
当所述结构特征为预设结构时,确定所述疑似雷达态势图像为雷达态势图像。
3.根据权利要求2所述的图像编码方法,其特征在于,所述获取所述目标图像的颜色种类个数包括:
将所述目标图像由RGB颜色空间转换为HSV颜色空间;
获得HSV颜色空间的色调分量分布直方图;
检测所述色调分量分布直方图的至少一个峰值点,将满足预设条件的峰值点的个数,确定为所述目标图像的颜色种类个数。
4.根据权利要求2所述的图像编码方法,其特征在于,所述获取所述疑似雷达态势图像的结构特征,当所述结构特征为预设结构时,确定为雷达态势图像,具体为:
通过Hough圆形检测对所述疑似雷达态势图像进行圆形检测,若判断所述疑似雷达态势图像存在满足预设结构的圆形图像时,确定所述疑似雷达态势图像为雷达态势图像。
5.根据权利要求4所述的图像编码方法,其特征在于,所述将所述目标图像分割为背景区域和雷达扫描变化区域包括:
将所述目标图像中通过Hough圆形检测的所述圆形图像确定为雷达扫描变化区域;
将所述目标图像中除雷达扫描变化区域外的区域确定为背景区域。
6.一种图像编码装置,其特征在于,包括获取模块、判断模块、分割模块和编码模块;
所述获取模块,用于获取目标图像;
所述判断模块,用于判断所述目标图像是否为雷达态势图像;
所述分割模块,用于当所述目标图像为雷达态势图像时,将所述目标图像分割为背景区域和雷达扫描变化区域;
所述编码模块,用于分别对所述背景区域和所述雷达扫描变化区域进行编码。
7.根据权利要求6所述的图像编码装置,其特征在于,所述判断模块包括第一获取单元、第一确定单元、第二获取单元、第二确定单元;
所述第一获取单元,用于获取所述目标图像的颜色种类个数;
所述第一确定单元,用于当所述颜色种类个数满足预设阈值范围时,确定所述目标图像为疑似雷达态势图像;
所述第二获取单元,用于获取所述疑似雷达态势图像的结构特征;
所述第二确定单元,用于当所述结构特征为预设结构时,确定所述疑似雷达态势图像为雷达态势图像。
8.根据权利要求7所述的图像编码装置,其特征在于,所述第一获取单元具体用于将所述目标图像由RGB颜色空间转换为HSV颜色空间;
获得HSV颜色空间的色调分量分布直方图;
检测所述色调分量分布直方图的至少一个峰值点,将满足预设条件的峰值点的个数,确定为所述目标图像的颜色种类个数。
9.根据权利要求7所述的图像编码装置,其特征在于,所述第二获取单元具体用于通过Hough圆形检测对所述疑似雷达态势图像进行圆形检测;
所述第二确定单元具体用于当所述疑似雷达态势图像存在满足预设结构的圆形图像时,确定所述疑似雷达态势图像为雷达态势图像。
10.根据权利要求9所述的图像编码装置,其特征在于,所述分割模块具体用于将所述目标图像中通过Hough圆形检测的所述圆形图像确定为雷达扫描变化区域,将所述目标图像中除雷达扫描变化区域外的区域确定为背景区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010628789.0A CN112153383A (zh) | 2020-07-01 | 2020-07-01 | 一种图像编码方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010628789.0A CN112153383A (zh) | 2020-07-01 | 2020-07-01 | 一种图像编码方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112153383A true CN112153383A (zh) | 2020-12-29 |
Family
ID=73888970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010628789.0A Pending CN112153383A (zh) | 2020-07-01 | 2020-07-01 | 一种图像编码方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112153383A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003346151A (ja) * | 2002-05-29 | 2003-12-05 | Fuji Photo Film Co Ltd | 画像認識方法および装置並びにプログラム |
CN103024377A (zh) * | 2012-11-27 | 2013-04-03 | 西安电子科技大学 | 基于目标区域提取与方向波的sar图像压缩方法 |
JP2013250122A (ja) * | 2012-05-31 | 2013-12-12 | Mitsubishi Electric Corp | レーダ装置及びレーダ信号処理装置 |
CN104239411A (zh) * | 2014-08-12 | 2014-12-24 | 中国科学技术大学 | 一种基于颜色、位置聚类和角点检测的栅格状雷达的检测方法 |
KR20160119997A (ko) * | 2015-04-07 | 2016-10-17 | 성균관대학교산학협력단 | 물고기 영상의 특징 정보 추출 방법 및 물고기 영상의 특징 정보를 이용한 물고기 식별 방법 |
WO2020122362A1 (ko) * | 2018-12-12 | 2020-06-18 | 엘지전자 주식회사 | 카메라 렌즈 정보를 포함한 360도 비디오를 디스플레이하는 방법 및 그 장치 |
-
2020
- 2020-07-01 CN CN202010628789.0A patent/CN112153383A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003346151A (ja) * | 2002-05-29 | 2003-12-05 | Fuji Photo Film Co Ltd | 画像認識方法および装置並びにプログラム |
JP2013250122A (ja) * | 2012-05-31 | 2013-12-12 | Mitsubishi Electric Corp | レーダ装置及びレーダ信号処理装置 |
CN103024377A (zh) * | 2012-11-27 | 2013-04-03 | 西安电子科技大学 | 基于目标区域提取与方向波的sar图像压缩方法 |
CN104239411A (zh) * | 2014-08-12 | 2014-12-24 | 中国科学技术大学 | 一种基于颜色、位置聚类和角点检测的栅格状雷达的检测方法 |
KR20160119997A (ko) * | 2015-04-07 | 2016-10-17 | 성균관대학교산학협력단 | 물고기 영상의 특징 정보 추출 방법 및 물고기 영상의 특징 정보를 이용한 물고기 식별 방법 |
WO2020122362A1 (ko) * | 2018-12-12 | 2020-06-18 | 엘지전자 주식회사 | 카메라 렌즈 정보를 포함한 360도 비디오를 디스플레이하는 방법 및 그 장치 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106778676B (zh) | 一种基于人脸识别及图像处理的注意力评估方法 | |
JP3373008B2 (ja) | 画像像域分離装置 | |
US9042656B2 (en) | Image signature extraction device | |
CN103400150B (zh) | 一种基于移动平台进行道路边缘识别的方法及装置 | |
US8200021B2 (en) | Image signature matching device | |
CN112819094A (zh) | 一种基于结构相似度度量的目标检测与识别方法 | |
CN110874844A (zh) | 线段检测方法、装置和设备 | |
US8744177B2 (en) | Image processing method and medium to extract a building region from an image | |
CN110516550A (zh) | 一种基于fpga的车道线实时检测方法 | |
US8861871B2 (en) | Image signature extraction device | |
CN110427979B (zh) | 基于K-Means聚类算法的道路水坑识别方法 | |
CN114863492B (zh) | 一种低质量指纹图像的修复方法及修复装置 | |
CN107507140A (zh) | 基于特征融合的高速公路露天场景车辆阴影干扰抑制方法 | |
CN111666811A (zh) | 一种提取交通场景图像中交通标志牌区域方法及系统 | |
CN117274820B (zh) | 一种测绘地理信息地图数据采集方法及系统 | |
Lin et al. | License plate location method based on edge detection and mathematical morphology | |
US10133956B2 (en) | Image signature extraction device | |
CN108205641B (zh) | 手势图像处理方法及装置 | |
US8744193B2 (en) | Image signature extraction device | |
CN111241911B (zh) | 一种自适应的车道线检测方法 | |
CN112153383A (zh) | 一种图像编码方法及装置 | |
CN111161291A (zh) | 基于目标景深信息的轮廓检测方法 | |
CN111260603B (zh) | 识别风力发电机组叶片尖端的方法及装置 | |
CN109271905B (zh) | 一种基于单帧图像的黑烟车检测方法 | |
CN111950402A (zh) | 雷达态势图的检测方法、装置、设备及存储介质 |
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 |