CN112835001B - 一种海面目标雷达点迹凝聚方法及电子设备、存储介质 - Google Patents
一种海面目标雷达点迹凝聚方法及电子设备、存储介质 Download PDFInfo
- Publication number
- CN112835001B CN112835001B CN202011602425.1A CN202011602425A CN112835001B CN 112835001 B CN112835001 B CN 112835001B CN 202011602425 A CN202011602425 A CN 202011602425A CN 112835001 B CN112835001 B CN 112835001B
- Authority
- CN
- China
- Prior art keywords
- pixel point
- point
- tracked
- binary image
- target
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种海面目标雷达点迹凝聚方法及电子设备、存储介质,该方法包括:获取待跟踪二值图像;根据待跟踪二值图像得到起始轮廓点;根据起始轮廓点得到第一个目标像素点;基于当前的所述目标像素点,按照设定顺序在所述预设掩模区域查找下一个目标像素点;判断下一个所述目标像素点是否为起始轮廓点;根据待跟踪二值图像的标记状态对待跟踪二值图像进行点迹凝聚处理,得到待跟踪二值图像的点迹凝聚结果。本发明因为预设掩模区域的大小为(2m+1)×(2n+1),在预设掩模区域内,第一像素点和第二像素点满足互邻条件,且预设掩模区域内任意两个像素点满足互连条件,由此可以解决传统轮廓跟踪算法不能提取像素点非连通目标轮廓的缺陷。
Description
技术领域
本发明属于轮廓跟踪技术领域,具体涉及一种海面目标雷达点迹凝聚方法及电子设备、存储介质。
背景技术
传统海面目标雷达处理算法层出不穷,但受外界环境如海浪等因素的影响,杂波分布呈现多样性与不确定性,接收端录入的点迹中不仅包括目标的信息,还有各类杂波的干扰。早期雷达由于其分辨率较低,雷达目标仅由一个或少数几个点组成,目标点迹凝聚处理相对简单。随着检测精度的提高,回波数据中检测到的目标不再是仅由一个或少数几个点组成的点目标,而是由多个原始点迹数据组成围绕目标真实位置的点迹簇,同时目标发生分裂和扩展的情况也越来越多。在目标跟踪过程中,为了保证航迹文件信息的准确性与可靠性,高精度的点迹凝聚算法至关重要。传统点迹凝聚算法通过方位向滑窗来确定目标在方位向的信息,最后根据连通性来进行方位向的点迹凝聚,同时不断更新目标各信息。但是,该算法使用滑窗检测器使得目标中每个像素点被重复遍历多次,当数据量过大时会消耗大量的时间。现阶段如何更好地利用现代计算机处理技术,用快速而有效的点迹凝聚算法对包含有目标信息的原始雷达回波数据进行处理,是雷达研究人员一直致力于研究的问题。
在数字图像处理中,轮廓跟踪是最基本的技术之一,计算机只有通过目标轮廓实现目标的检测,才能进一步分析目标特点,对其进行后续处理。轮廓跟踪广泛应用于特征分析、图像编码和信息检索等领域,同样也可以应用在雷达图像处理中。雷达探测到的不同海域中的船只岛屿等目标,可以在雷达图像上通过链码法和标记法等常用轮廓表达方法提取目标轮廓,将轮廓上各点的坐标取平均就可以确定目标的质心位置,实现对目标的描述和表达,为目标提供先验知识。在雷达图像处理中,对于像素点连通目标的轮廓,传统轮廓跟踪方法如8链码能达到很好的效果,通过轮廓跟踪算法实现目标的检测,继而对其进行点迹凝聚处理。但随着雷达测量仪器的精密化,高分辨雷达接收端获得的目标数据量大大增加,目标发生分裂和扩展的情况时,雷达图像中组成目标的像素点是非连通的,传统轮廓跟踪算法会对该目标提取出两个或多个轮廓,将一个目标检测成多个目标,造成目标误判。此时无论是系统的处理速度,还是处理后得到的目标信息精度,传统方法远不能满足雷达系统的要求。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种海面目标雷达点迹凝聚方法及电子设备、存储介质。本发明要解决的技术问题通过以下技术方案实现:
一种海面目标雷达点迹凝聚方法,包括:
步骤1、获取待跟踪二值图像,所述待跟踪二值图像对应的预设掩模区域的大小为(2m+1)×(2n+1),在所述预设掩模区域内,第一像素点和第二像素点满足互邻条件,且所述预设掩模区域内所述第二像素点与至少一个第三像素点满足互连条件,其中所述第一像素点和所述第三像素点为任意像素点,所述第二像素点为当前的目标像素点;
步骤2、根据所述待跟踪二值图像得到起始轮廓点,所述起始轮廓点的值为1;
步骤3、根据所述起始轮廓点得到第一个目标像素点,第一个所述目标像素点的值为1,并将第一个所述目标像素点标记为已处理状态;
步骤4、基于当前的所述目标像素点,按照设定顺序在所述预设掩模区域查找下一个目标像素点,其中当前的所述目标像素点和下一个所述目标像素点的值均为1;
步骤5、判断步骤4得到的下一个所述目标像素点是否为起始轮廓点,若是,则将所述起始轮廓点标记为已处理状态,并执行步骤6,若否,则将所述下一个所述目标像素点标记为已处理状态,并执行步骤4,直至查找到所述起始轮廓点;
步骤6、根据所述待跟踪二值图像的标记状态对所述待跟踪二值图像进行点迹凝聚处理,得到所述待跟踪二值图像的点迹凝聚结果。
在本发明的一个实施例中,所述互邻条件为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,所述第一像素点与所述第二像素点互邻,所述第一像素点的坐标位置为(X,Y),所述第二像素点的坐标位置为(Xp,Yp)。
在本发明的一个实施例中,所述互连条件为:对于所述第二像素点和所述第三像素点,在所述预设掩模区域内存在一像素序列[P=P0,P1,…,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,且所述像素序列中的每个像素点的值相同,其中P代表第二像素点,Q代表第三像素点。
在本发明的一个实施例中,根据所述待跟踪二值图像得到起始轮廓点,包括:
按照预设顺序依次扫描所述待跟踪二值图像,得到第一个值为1且未处理的起始像素点。
在本发明的一个实施例中,所述预设顺序为从上至下、从左至右。
在本发明的一个实施例中,根据所述起始轮廓点得到第一个目标像素点,包括:
基于所述起始轮廓点,在所述预设掩模区域按照0到[(2m+1)×(2n+1)-2]的顺序查找得到第一个所述目标像素点。
在本发明的一个实施例中,基于当前的所述目标像素点,按照设定顺序在所述预设掩模区域查找下一个目标像素点,包括:
基于当前的所述目标像素点,在所述预设掩模区域按照0到[(2m+1)×(2n+1)-2]的顺序查找得到下一个所述目标像素点。
在本发明的一个实施例中,根据所述待跟踪二值图像的标记状态对所述待跟踪二值图像进行点迹凝聚处理,得到所述待跟踪二值图像的点迹凝聚结果,包括:
判断所述待跟踪二值图像中的所有像素点是否均已标记为已处理状态,若是,则对所述待跟踪二值图像进行点迹凝聚处理,得到所述待跟踪二值图像的点迹凝聚结果,若否,则执行步骤2,直至所述待跟踪二值图像中的所有像素点均标记为已处理状态。
本发明的一个实施例还提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时,实现上述任一项实施例所述的海面目标雷达点迹凝聚方法步骤。
本发明的一个实施例还提供一种存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项实施例所述海面目标雷达点迹凝聚方法。
本发明的有益效果:
本发明基于预设掩模提供了一种点迹凝聚方法,因为预设掩模区域的大小为(2m+1)×(2n+1),在预设掩模区域内,第一像素点和第二像素点满足互邻条件,且预设掩模区域内任意两个像素点满足互连条件,由此可以解决传统轮廓跟踪算法不能提取像素点非连通目标轮廓的缺陷,同时降低系统的运算量,提高系统运算效率。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是现有技术提供的一种4链码的示意图;
图2是现有技术提供的一种8链码的示意图;
图3是现有技术提供的一种8链码轮廓跟踪方向的示意图;
图4是现有技术提供的一种轮廓跟踪算法示意图
图5是本发明实施例提供的一种海面目标雷达点迹凝聚方法的流程示意图;
图6是现有技术提供的一种(1,1)-掩模的示意图;
图7是本发明实施例提供的一种(3,3)-掩模的示意图;
图8是本发明实施例提供的一种雷达原始回波图象的示意图;
图9是本发明实施例提供的一种恒虚警预处理结果的示意图;
图10是本发明实施例提供的一种膨胀腐蚀结果的示意图;
图11是本发明实施例提供的一种8链码轮廓跟踪结果的示意图;
图12是本发明实施例提供的一种8链码点迹凝聚结果的示意图;
图13是本发明实施例提供的一种基于(3,3)-掩模轮廓跟踪结果的示意图;
图14是本发明实施例提供的一种基于(3,3)-掩模点迹凝聚结果的示意图;
图15是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
链码广泛应用于计算机图像中,通过得到物体的边界,实现对物体的描述和表达。在图像处理中,对于由灰度图转换而成的二值图像,链码常用来对图像中的目标进行描述。常用的链码为4链码和8链码,通常8链码的使用相对较多。4链码和8链码的示意图如图1和图2所示。
轮廓跟踪算法原理为:根据轮廓跟踪准则依次寻找下一个轮廓点,直到回到轮廓跟踪的起始点。如图3所示,黑色圆为上次跟踪到的轮廓点,灰色圆为当前已找到的轮廓点,相对于黑色圆,灰色圆有8种方向,称其为轮廓跟踪方向。针对8个灰色圆的轮廓跟踪方向,在本次轮廓跟踪过程中首先要查找的像素点不同,其方向如图3所示。
为了更好地对算法进行说明,请参见图4,图4展示了8链码轮廓跟踪算法的基本过程。黑色圆为目标轮廓点,a与b是目前已经找到的两个轮廓点,方向由a到b,为了找到b的下一个轮廓点,下一步搜素的像素点是b0,然后是b1,接下来是b2,即按照顺时针方向在8邻域像素点中查找下一个轮廓点,当轮廓点c找到,跟踪方向更新为b到c,在搜索c的下一个轮廓点的过程中,由于b1,b2已被搜索过,不再对其进行重复遍历,因此第一个搜索的是c1像素点,搜索完c1之后,在链码值为2的方向上找到c的下一个轮廓点d。按照该算法依次查找下一个轮廓点,直到回到轮廓跟踪的起始点。
8链码轮廓跟踪算法通过提取目标轮廓实现对图像中像素点连通目标的表达与检测。通对海面图像的分析可知,海面上的船只、浮标等孤立目标形状规则呈椭圆形,且像素点分布密集。因此轮廓跟踪算法可以很好地实现对海面的船只目标检测。
但是,8链码轮廓跟踪算法只能提取像素点连通目标的轮廓,如果图像中目标外围像素点呈一条连续的轮廓线,算法就能很好的工作。如果组成目标的像素点是非连通的,即围绕目标的轮廓线是断开的,传统轮廓跟踪方法会对该目标提取出两个或多个轮廓,将一个目标检测成多个目标,造成目标误判。一般情况下,雷达图像中的目标不是逐像素直接连接的,像素点之间可能会出现空隙,此时传统轮廓跟踪方法已不再适用。
请参见图5,图5是本发明实施例提供的一种海面目标雷达点迹凝聚方法的流程示意图,基于上述原因,本实施例提供了一种海面目标雷达点迹凝聚方法,该海面目标雷达点迹凝聚方法包括步骤1-步骤6,其中:
步骤1、获取待跟踪二值图像,待跟踪二值图像对应的预设掩模区域的大小为(2m+1)×(2n+1),在预设掩模区域内,第一像素点和第二像素点满足互邻条件,且预设掩模区域内第二像素点与至少一个第三像素点满足互连条件,其中第一像素点和第三像素点为任意像素点,第二像素点为当前的目标像素点,当前的目标像素点即为寻找到的当前已知位置的像素点,当前的目标像素点用于寻找下一个目标像素点。
具体地,待跟踪二值图像为所探测的海面的雷达图像进行二值化处理后得到的二值图像。由于目标像素点之间的距离通常可以反映各像素之间的相关程度,因此在提取目标轮廓进行目标检测时考虑距离信息是很有必要的。因此,为了使非连通的像素点也能够得到准确的跟踪,本实施例在8链码轮廓跟踪算法的基础上提供了一种预设掩模,在该预设掩模内当前已知位置的像素点(Xp,Yp)与任意像素点(X,Y)满足互邻条件,即对于已知位置的像素点(Xp,Yp),存在一个任意像素点(X,Y)与其互邻,互邻条件为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,此时任意像素点(X,Y)称为像素点(Xp,Yp)的(m,n)-近邻,像素点(Xp,Yp)与任意像素点(X,Y)互为(m,n)-互邻。
因此,当本实施例已经得到一个第二像素点时,与其互邻的第一像素点需要满足的互邻条件即为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,将第一像素点的坐标位置为(X,Y),第二像素点的坐标位置为(Xp,Yp),此时第一像素点与所述第二像素点互邻。
而对于任意两个像素点P和Q,在预设掩模区域内存在一像素序列[P=P0,P1,…,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,此时该像素序列称为从像素点P到像素点Q的(m,n)-通路。因此对于待跟踪二值图像上任意给定的两个像素点P和Q,如果存在至少一个(m,n)-通路,且其上所有的像素点的值相同(即像素序列上所有的像素点的值均为0或均为1),则称像素点P与像素点Q之间为(m,n)-互连,即像素点P与像素点Q满足互连条件。
因此对于第二像素点而言,为了使其具有一条互连的通路,则在预设掩模区域内应至少有一个第三像素点与其满足互连条件,即对于第二像素点和第三像素点,在预设掩模区域内存在一像素序列[P=P0,P1,…,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,且该像素序列中的每个像素点的值相同,此时P则代表第二像素点,Q则代表第三像素点,P=P0表示像素点P即为P0,Pk=Q表示像素点Q即为Pk。
因此,在(m,n)-连通性条件下,待跟踪二值图像中像素点非连通目标可以通过一个可变大小的(2m+1)×(2n+1)的预设掩模使用轮廓跟踪算法提取其轮廓进行目标识别。对于预设掩模中的数字,方向(雷达图像的方位向)按升序排列,距离(像素点之间的距离)按降序排列,其属于现有技术,在此不再赘述。每个数字表示一个矢量码,用来作为查找下一个轮廓点的查找顺序,数字的集合可以用Dirmn表示。使用该预设掩模时,按顺时针方向提取目标外轮廓时,内轮廓则刚好相反。图6和图7分别是传统3*3掩模和本实施例在m=3、n=3时的(m,n)-掩模(即预设掩模)的示意图,掩模中间的标记x表示当前已检测到的轮廓像素点的位置。
步骤2、根据待跟踪二值图像得到起始轮廓点,起始轮廓点的值为1。
具体地,起始轮廓点为在待跟踪二值图像中查找到的第一个值为1的像素点。
示例性地,步骤2可以具体包括:按照预设顺序依次扫描待跟踪二值图像,得到第一个值为1且未处理的起始像素点。
进一步地,预设顺序例如可以为从上至下、从左至右,需要说明的是,本实施例还可以按照其他顺序查找起始轮廓点,对此本实施例不做具体限定。
步骤3、根据起始轮廓点得到第一个目标像素点,第一个目标像素点的值为1,并将第一个目标像素点标记为已处理状态。
示例性地,步骤3可以具体包括:基于起始轮廓点,按照设定顺序在预设掩模区域按照0到[(2m+1)×(2n+1)-2]的顺序查找得到第一个所述目标像素点。
具体地,通过步骤2得到的起始轮廓点即为步骤3的当前的目标像素点,则以起始轮廓点为中心,通过大小为(2m+1)×(2n+1)的预设掩模使用轮廓跟踪算法按照0到[(2m+1)×(2n+1)-2]的顺序查找得到第一个目标像素点,即从掩模上数字为0的位置开始查询,直到查找到第一个值为1的像素点,该像素点即为第一个目标像素点,并将该像素点标记为已处理状态。另外,在查找的过程中,若查找到的像素点值为0时,则说明其不是轮廓点,但仍要将已经查找过且不是轮廓点的像素点进行标记,标记为已处理状态。
步骤4、基于当前的目标像素点,按照设定顺序在预设掩模区域查找下一个目标像素点,其中当前的目标像素点和下一个目标像素点的值均为1。
示例性地,步骤4可以具体包括:基于当前的目标像素点,按照设定顺序在预设掩模区域按照0到[(2m+1)×(2n+1)-2]的顺序查找得到下一个所述目标像素点。
具体地,步骤4的当前的目标像素点可以为通过起始轮廓点寻找到的第一个目标像素点,也可以为在寻找到第一个目标像素点之后,寻找到的其他像素点。本实施例以当前的目标像素点为中心,通过大小为(2m+1)×(2n+1)的预设掩模使用轮廓跟踪算法按照0到[(2m+1)×(2n+1)-2]的顺序查找得到下一个目标像素点,即从掩模上数字为0的位置开始查询,直到查找到下一个值为1的像素点,该像素点即为下一个目标像素点,并将该像素点标记为已处理状态。另外,在查找的过程中,若查找到的像素点值为0时,则说明其不是轮廓点,但仍要将已经查找过且不是轮廓点的像素点进行标记,标记为已处理状态。
需要说明的是,对于每个预设掩模中的像素点x(当前已检测到的轮廓像素点的位置),其可以根据具体情况对应选择m和n的大小,也就是说每个像素点x对应的预设掩模大小可以相同,也可以不同,只要满足互邻条件和互连条件即可。
步骤5、判断步骤4得到的下一个目标像素点是否为起始轮廓点,若是,则将起始轮廓点标记为已处理状态,并执行步骤6,若否,则将下一个目标像素点标记为已处理状态,并执行步骤4,直至查找到起始轮廓点。
具体地,本实施例通过判断步骤4所得到的下一个目标像素点(下一个目标像素点即为当前已知的目标像素点)是否为起始轮廓点,若是的话,将起始轮廓点标记为已处理状态,说明该目标的轮廓已寻找完毕,之后便可以执行步骤6,若否的话,则说明目标的轮廓还未完全得到,则可以以步骤4所得到的下一个目标像素点,按照步骤4的方式继续寻找其他目标像素点,直至所找到的目标像素点为起始轮廓点时,将起始轮廓点标记为已处理状态,并继续执行步骤6。
步骤6、根据待跟踪二值图像的标记状态对待跟踪二值图像进行点迹凝聚处理,得到待跟踪二值图像的点迹凝聚结果。
示例性地,步骤6可以具体包括:判断待跟踪二值图像中的所有像素点是否均已标记为已处理状态,若是,则对待跟踪二值图像进行点迹凝聚处理,得到待跟踪二值图像的点迹凝聚结果,若否,则执行步骤2,直至所述待跟踪二值图像中的所有像素点均标记为已处理状态。
具体地,通过判断待跟踪二值图像中的所有像素点是否均已标记为已处理状态,可以确定待跟踪二值图像是否还有目标的轮廓没被处理,若待跟踪二值图像中的所有像素点均已标记为已处理状态,则说明待跟踪二值图像中的所有目标的轮廓均已得到,此时则可以对待跟踪二值图像的进行点迹凝聚处理以得到点迹凝聚结果,其幅度取原始回波目标点迹(待跟踪二值图像中的目标)对应的幅值的最大值;若待跟踪二值图像中还有像素点未被标记,则说明待跟踪二值图像上还可能存在其他未得到轮廓的目标,此时则需按照步骤2至步骤5的顺序重新处理,直至所有目标均得到其对应的轮廓,最终输出点迹凝聚结果为止。
本实施例的实测数据来自Navico Halo脉冲压缩雷达采样得到的海面雷达回波图像,为了呈现较好的轮廓跟踪效果,选取只有5个船只目标的海面区域,用不同的掩模对图像做轮廓跟踪处理并统计目标轮廓点数,对比两种算法性能。
请参见图8,图8为截取的海面雷达原始回波图像,可以看到,海面中的船只目标灰度高且形状呈椭圆形,深色背景区域灰度低且面积较大。由于目标所受干扰严重,呈现出若隐若现的状态。请参见图9,图9为恒虚警预处理后结果,经恒虚警预处理后得到距离维与方位维构成的二值图像,可以看到,图像中的部分噪声、海杂波等干扰仍未被滤除。部分船只目标在距离向分裂明显,同时方位向也有分裂点迹产生。请参见图10,图10是为减少点迹分裂使用矩形结构元素对图像先膨胀后腐蚀结果。根据点迹分裂特点选取不同的结构元素进行多次实验,结果表明,4×3矩形结构元素效果最好。可以看到目标的点迹分裂得到了改善,同时目标的形状没有发生大的变化,图像中的部分噪点被滤除,目标点清晰易识别。下面分别使用8链码、(3,3)-掩模两种轮廓跟踪算法对图10进行处理。
通过对图11、图12、图13、图14进行分析,轮廓跟踪算法可以在分布有噪声的图像中检测出船只目标,可以看到,图11、图12的8链码能够得到目标的完整轮廓,同时提取出的目标轮廓更精确。图13、图14的(3,3)-掩模(属于本实施例的预设掩模)得到的是目标的粗轮廓,类似于对8链码得到的目标轮廓点进行采样,从而减少数据量,实现数据压缩。下面分别对上述两种轮廓跟踪算法得到的海面雷达回波图像中的5个船只目标轮廓点数进行统计分析,如表1所示。
表1 8链码和(3,3)-掩模目标轮廓点数统计
目标点 | 1 | 2 | 3 | 4 | 5 | 总个数 |
8链码 | 58 | 51 | 38 | 43 | 47 | 237 |
(3,3)-掩模 | 22 | 21 | 16 | 20 | 98 | 177 |
由上表可得,2种不同的掩模得到的5个目标轮廓点数不同。对于同一目标点,8链码轮廓点数多,(3,3)-掩模轮廓点数少。(m,n)-掩模是基于8链码对轮廓跟踪算法的扩展,8链码可以看作是(m,n)-掩模的特殊使用情况(m=1,n=1)。因此,通过表2对8链码和(3,3)-掩模得到的轮廓点数进行对比分析。
表2 8链码和(3,3)-掩模轮廓点对比分析
目标点 | 1 | 2 | 3 | 4 | 5 | 减少个数 |
减少点数 | 36 | 30 | 22 | 24 | 27 | 139 |
减少比例 | 62.1% | 58.8% | 57.9% | 55.8% | 57.4% | 58.6% |
由上表可得,海面雷达回波图像中5个船只目标的轮廓点数分别减少了62.1%、58.8%、57.9%、55.8%和57.4%,总个数减少了58.6%,轮廓点数减少了一半多极大地压缩了轮廓点数据量。因此,在轮廓跟踪算法中,如果对数据量有要求,基于(m,n)-掩模的轮廓跟踪算法效果更好。
本实施例对两种点迹凝聚算法均进行了研究,分别是基于8链码轮廓跟踪的点迹凝聚算法和基于(m,n)-掩模轮廓跟踪的点迹凝聚算法(即本实施例所提供的点迹凝聚方法)。(m,n)-掩模轮廓跟踪的点迹凝聚算法是基于一种新的考虑距离的(m,n)-连通性。该算法在轮廓跟踪过程中,对于连通目标,其提取的轮廓为粗轮廓,类似于对8链码轮廓点的采样,实验结果表明,对于同一连通目标,(3,3)-掩模获得的目标轮廓点数相比于8链码减少了58.6%,极大地压缩了轮廓点数据量;对于非连通目标,可以很好地提取其轮廓,解决了8链码算法不能提取像素点非连通目标轮廓的缺陷,拓展了轮廓跟踪算法在雷达点迹凝聚领域的应用。
实施例二
请参见图15,图15是本发明实施例提供的一种电子设备的结构示意图。该电子设备1100,包括:处理器1101、通信接口1102、存储器1103和通信总线1104,其中,处理器1101,通信接口1102,存储器1103通过通信总线1104完成相互间的通信;
存储器1103,用于存储计算机程序;
处理器1101,用于执行计算机程序时,实现上述方法步骤。
处理器1101执行计算机程序时实现如下步骤:
步骤1、获取待跟踪二值图像,所述待跟踪二值图像对应的预设掩模区域的大小为(2m+1)×(2n+1),在所述预设掩模区域内,第一像素点和第二像素点满足互邻条件,且所述预设掩模区域内所述第二像素点与至少一个第三像素点满足互连条件,其中所述第一像素点和所述第三像素点为任意像素点,所述第二像素点为当前的目标像素点;
步骤2、根据所述待跟踪二值图像得到起始轮廓点,所述起始轮廓点的值为1;
步骤3、根据所述起始轮廓点得到第一个目标像素点,第一个所述目标像素点的值为1,并将第一个所述目标像素点标记为已处理状态;
步骤4、基于当前的所述目标像素点,按照设定顺序在所述预设掩模区域查找下一个目标像素点,其中当前的所述目标像素点和下一个所述目标像素点的值均为1;
步骤5、判断步骤4得到的下一个所述目标像素点是否为起始轮廓点,若是,则将所述起始轮廓点标记为已处理状态,并执行步骤6,若否,则将所述下一个所述目标像素点标记为已处理状态,并执行步骤4,直至查找到所述起始轮廓点;
步骤6、根据所述待跟踪二值图像的标记状态对所述待跟踪二值图像进行点迹凝聚处理,得到所述待跟踪二值图像的点迹凝聚结果。
本发明实施例提供的电子设备,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
实施例三
本发明的又一个实施例提供了一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现以下步骤:
步骤1、获取待跟踪二值图像,所述待跟踪二值图像对应的预设掩模区域的大小为(2m+1)×(2n+1),在所述预设掩模区域内,第一像素点和第二像素点满足互邻条件,且所述预设掩模区域内所述第二像素点与至少一个第三像素点满足互连条件,其中所述第一像素点和所述第三像素点为任意像素点,所述第二像素点为当前的目标像素点;
步骤2、根据所述待跟踪二值图像得到起始轮廓点,所述起始轮廓点的值为1;
步骤3、根据所述起始轮廓点得到第一个目标像素点,第一个所述目标像素点的值为1,并将第一个所述目标像素点标记为已处理状态;
步骤4、基于当前的所述目标像素点,按照设定顺序在所述预设掩模区域查找下一个目标像素点,其中当前的所述目标像素点和下一个所述目标像素点的值均为1;
步骤5、判断步骤4得到的下一个所述目标像素点是否为起始轮廓点,若是,则将所述起始轮廓点标记为已处理状态,并执行步骤6,若否,则将所述下一个所述目标像素点标记为已处理状态,并执行步骤4,直至查找到所述起始轮廓点;
步骤6、根据所述待跟踪二值图像的标记状态对所述待跟踪二值图像进行点迹凝聚处理,得到所述待跟踪二值图像的点迹凝聚结果。
本发明实施例提供的计算机可读存储介质,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
本领域技术人员应明白,本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式,这里将它们都统称为“模块”或“系统”。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信系统。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种海面目标雷达点迹凝聚方法,其特征在于,包括:
步骤1、获取待跟踪二值图像,所述待跟踪二值图像对应的预设掩模区域的大小为(2m+1)×(2n+1),在所述预设掩模区域内,第一像素点和第二像素点满足互邻条件,且所述预设掩模区域内所述第二像素点与至少一个第三像素点满足互连条件,其中所述第一像素点和所述第三像素点为任意像素点,所述第二像素点为当前的目标像素点;
步骤2、根据所述待跟踪二值图像得到起始轮廓点,所述起始轮廓点的值为1;
步骤3、根据所述起始轮廓点得到第一个目标像素点,第一个所述目标像素点的值为1,并将第一个所述目标像素点标记为已处理状态;
步骤4、基于当前的所述目标像素点,按照设定顺序在所述预设掩模区域查找下一个目标像素点,其中当前的所述目标像素点和下一个所述目标像素点的值均为1;
步骤5、判断步骤4得到的下一个所述目标像素点是否为起始轮廓点,若是,则将所述起始轮廓点标记为已处理状态,并执行步骤6,若否,则将所述下一个所述目标像素点标记为已处理状态,并执行步骤4,直至查找到所述起始轮廓点;
步骤6、根据所述待跟踪二值图像的标记状态对所述待跟踪二值图像进行点迹凝聚处理,得到所述待跟踪二值图像的点迹凝聚结果。
2.根据权利要求1所述的海面目标雷达点迹凝聚方法,其特征在于,所述互邻条件为:Xp-m≤X≤Xp+m,Yp-n≤Y≤Yp+n,所述第一像素点与所述第二像素点互邻,所述第一像素点的坐标位置为(X,Y),所述第二像素点的坐标位置为(Xp,Yp)。
3.根据权利要求2所述的海面目标雷达点迹凝聚方法,其特征在于,所述互连条件为:对于所述第二像素点和所述第三像素点,在所述预设掩模区域内存在一像素序列[P=P0,P1,…,Pk=Q],其中,对于任意i(1≤i≤k),像素点Pi和像素点Pi-1互邻,且所述像素序列中的每个像素点的值相同,其中P代表第二像素点,Q代表第三像素点。
4.根据权利要求1所述的海面目标雷达点迹凝聚方法,其特征在于,根据所述待跟踪二值图像得到起始轮廓点,包括:
按照预设顺序依次扫描所述待跟踪二值图像,得到第一个值为1且未处理的起始像素点。
5.根据权利要求4所述的海面目标雷达点迹凝聚方法,其特征在于,所述预设顺序为从上至下、从左至右。
6.根据权利要求1所述的海面目标雷达点迹凝聚方法,其特征在于,根据所述起始轮廓点得到第一个目标像素点,包括:
基于所述起始轮廓点,在所述预设掩模区域按照0到[(2m+1)×(2n+1)-2]的顺序查找得到第一个所述目标像素点。
7.根据权利要求1所述的海面目标雷达点迹凝聚方法,其特征在于,基于当前的所述目标像素点,按照设定顺序在所述预设掩模区域查找下一个目标像素点,包括:
基于当前的所述目标像素点,在所述预设掩模区域按照0到[(2m+1)×(2n+1)-2]的顺序查找得到下一个所述目标像素点。
8.根据权利要求1所述的海面目标雷达点迹凝聚方法,其特征在于,根据所述待跟踪二值图像的标记状态对所述待跟踪二值图像进行点迹凝聚处理,得到所述待跟踪二值图像的点迹凝聚结果,包括:
判断所述待跟踪二值图像中的所有像素点是否均已标记为已处理状态,若是,则对所述待跟踪二值图像进行点迹凝聚处理,得到所述待跟踪二值图像的点迹凝聚结果,若否,则执行步骤2,直至所述待跟踪二值图像中的所有像素点均标记为已处理状态。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时,实现权利要求1-8任一项所述的方法步骤。
10.一种存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011602425.1A CN112835001B (zh) | 2020-12-29 | 2020-12-29 | 一种海面目标雷达点迹凝聚方法及电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011602425.1A CN112835001B (zh) | 2020-12-29 | 2020-12-29 | 一种海面目标雷达点迹凝聚方法及电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112835001A CN112835001A (zh) | 2021-05-25 |
CN112835001B true CN112835001B (zh) | 2023-08-08 |
Family
ID=75925435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011602425.1A Active CN112835001B (zh) | 2020-12-29 | 2020-12-29 | 一种海面目标雷达点迹凝聚方法及电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112835001B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918807A (zh) * | 2017-02-28 | 2017-07-04 | 西安电子科技大学 | 一种雷达回波数据的目标点迹凝聚方法 |
CN108254727A (zh) * | 2017-12-08 | 2018-07-06 | 西安电子科技大学 | 一种基于轮廓跟踪的雷达点迹凝聚方法 |
CN109143192A (zh) * | 2018-08-15 | 2019-01-04 | 中电科技(合肥)博微信息发展有限责任公司 | 多目标有效起始确认管理方法、系统及计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6937765B2 (en) * | 2003-03-14 | 2005-08-30 | The Regents Of The University Of California | Method for contour extraction for object representation |
-
2020
- 2020-12-29 CN CN202011602425.1A patent/CN112835001B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918807A (zh) * | 2017-02-28 | 2017-07-04 | 西安电子科技大学 | 一种雷达回波数据的目标点迹凝聚方法 |
CN108254727A (zh) * | 2017-12-08 | 2018-07-06 | 西安电子科技大学 | 一种基于轮廓跟踪的雷达点迹凝聚方法 |
CN109143192A (zh) * | 2018-08-15 | 2019-01-04 | 中电科技(合肥)博微信息发展有限责任公司 | 多目标有效起始确认管理方法、系统及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于图像轮廓分析的雷达视频目标解耦方法;黄琼丹;张蕴奇;;舰船电子对抗(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112835001A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035276B (zh) | 一种图像边缘提取方法、装置及自动驾驶系统 | |
CN107145829B (zh) | 一种融合纹理特征和尺度不变特征的掌静脉识别方法 | |
CN110136160A (zh) | 一种基于圆投影的快速图像匹配方法 | |
CN107909002B (zh) | 基于海岸线匹配的红外遥感图像海陆分割方法 | |
CN112561940B (zh) | 密集多目标参数提取的方法、装置及终端设备 | |
CN108021890B (zh) | 一种基于plsa和bow的高分遥感影像港口检测方法 | |
CN112649793A (zh) | 海面目标雷达点迹凝聚方法、装置、电子设备及存储介质 | |
CN112991279A (zh) | 柔性电路板缺陷圆检测方法、装置、介质和设备 | |
CN106709499A (zh) | 基于Canny算子和Hillbert‑Huang变换的SIFT图像特征点提取方法 | |
CN107564006B (zh) | 一种利用Hough变换的圆形目标检测方法 | |
CN114596551A (zh) | 一种车载前视图像裂缝检测的方法 | |
CN115731257A (zh) | 基于图像的叶片形态信息提取方法 | |
CN109544614B (zh) | 一种基于图像低频信息相似度的匹配图像对识别的方法 | |
Du et al. | Hrrp clutter rejection via one-class classifier with hausdorff distance | |
CN114332172A (zh) | 一种基于协方差矩阵改进的激光点云配准方法 | |
CN112835001B (zh) | 一种海面目标雷达点迹凝聚方法及电子设备、存储介质 | |
CN111767856B (zh) | 基于灰度值统计分布模型的红外小目标检测算法 | |
CN111401377B (zh) | 一种仪表数据读取方法、装置、电子设备及存储介质 | |
Kim et al. | Fast line extraction from digital images using line segments | |
CN109829502B (zh) | 一种面向重复纹理及非刚性形变的像对高效稠密匹配方法 | |
CN114742849B (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN112233042B (zh) | 一种含非合作目标的大场景sar图像快速生成方法 | |
US11645827B2 (en) | Detection method and device for assembly body multi-view change based on feature matching | |
CN112630743A (zh) | 基于轮廓跟踪区域生长的海面目标点迹凝聚方法及系统 | |
Ren et al. | SAR image matching method based on improved SIFT for navigation system |
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 |