CN113079323A - 一种基于二维熵的航天遥感载荷自动曝光方法 - Google Patents
一种基于二维熵的航天遥感载荷自动曝光方法 Download PDFInfo
- Publication number
- CN113079323A CN113079323A CN202110346779.2A CN202110346779A CN113079323A CN 113079323 A CN113079323 A CN 113079323A CN 202110346779 A CN202110346779 A CN 202110346779A CN 113079323 A CN113079323 A CN 113079323A
- Authority
- CN
- China
- Prior art keywords
- image
- exposure
- remote sensing
- sensing load
- formula
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种基于二维熵的航天遥感载荷自动曝光方法,涉及航天遥感载荷成像技术领域,解决现有技术采用先验模型的方法在实际成像中无法实现理想的成像效果问题,本发明基于最大加权方差的二维熵矩阵分割阈值,能够自适应区分图像的饱和(过曝光与欠曝光)区域与非饱和(曝光合适)区域;引入了三次样条插值的方法进行最优曝光时间的选取,在保证图像亮度、边缘、信息量、信噪比等特征的前提下精确的选取最佳曝光时间,最大化利用遥感载荷的动态范围,获取高质量的原始图像。本发明对提高航天遥感载荷的在轨自主工作能力,提升遥感载荷系统的在轨应用效能具有一定工程实践意义。
Description
技术领域
本发明涉及航天遥感载荷成像技术领域,具体涉及一种基于二维熵的航天遥感载荷自动曝光方法。
背景技术
航天光学遥感技术指利用光学遥感载荷从近地轨道对地面目标进行观测。随着空间遥感技术的快速发展,人们对卫星的响应能力以及成像质量要求也越来越高。
目前常规的航天遥感载荷系统在执行拍摄任务时,通常由地面系统根据目标拍摄地点的太阳高度角α、地物反射率ρ、天气等因素确定一组成像参数,在卫星过境时通过可用的地面基站上注至卫星系统,当卫星达到目标拍摄地点时,则以该组成像参数设置航天遥感载荷的工作状态,实现对地物目标的探测与采集。这种先验模型建立在理想的条件下,在实际成像过程中往往达不到理想的成像效果。并且不同于常规相机,航天遥感载荷拍摄场景动态范围大、拍摄区域广,所拍摄的遥感图像数据量更大、细节更为丰富,这也对航天遥感载荷的曝光质量提出了更高的要求。
发明内容
本发明为解决现有技术采用先验模型的方法在实际成像中无法实现理想的成像效果问题,提供一种基于二维熵的航天遥感载荷自动曝光方法。
一种基于二维熵的航天遥感载荷自动曝光方法,其步骤如下:
步骤一、在载荷可调的曝光时间范围内以λ为曝光时间步长进行连续曝光,获取多幅图像;
步骤二、基于图像曝光质量评价标准计算各图像的曝光质量;具体为:
对于获取的图像,采用了香农熵定义,图像中像素Iij的二维熵为:
选取二维熵矩阵分割阈值:
设定所述阈值为thk,当Hi,j<thk时定义为饱和区域(ROS)熵矩阵元素HROSi,j;反之当Hi,j>thk时定义为非饱和区域(RONS)熵矩阵元素分别求取饱和区域与非饱和区域的二维熵矩阵方差:
基于公式(2)、(3),定义二维熵矩阵H的总方差为:
式中,pROS与pRONS分别表示当阈值为thk时饱和区域元素比例与非饱和区域元素占整幅图像的比例;将公式(2)和公式(3)代入到公式(4)中可得:
其中,minHi,j和maxHi,j分别表述二维熵矩阵元素的最大值与最小值;对于公式(5)有
thk=[minHi,j,minHi,j+0.0001,minHi,j+0.0002,…maxHi,j]1×k (6)
基于求取的阈值,定义一个区分饱和区域与非饱和区域的二进制掩模:
根据所求得的掩模矩阵Mi,j可知,图像饱和区域对应元素值为1,非饱和区域对应元素值为0;获得图像饱和区域所占比例为:
式中,m、n代表图像尺寸;当公式(9)中S值越小时,图像饱和区域比例越低,图像曝光质量越好;S值越大时,图像饱和区域比例越高,图像曝光质量越差;采用S值作为图像的曝光质量评价标准,以此作为遥感载荷曝光时间调整的判据。
步骤三、采用三次样条插值的方法对曝光质量曲线进行拟合,求取场景下的最佳曝光时间;
步骤四、以最佳曝光时间设置载荷工作状态,获取场景下的最佳曝光图像。
本发明的有益效果:
本发明所述的自动曝光方法,以合理地评价图像的曝光质量、精确地选取最佳曝光时间。该理论模型和算法在保证图像的亮度、边缘、信息量、信噪比等特征上的前提下,将图像中的过曝光、欠曝光区域最小化,对于不同的拍摄场景具有较强的鲁棒性,比现有方法更适合于航天遥感载荷遥感成像,能有效提升航天器载荷智能化水平与综合应用能力。此自动曝光模型适用于面阵航天遥感载荷,也可以推广到其他类型的相机,应用到其他工程领域,解决相机动态范围利用不当等问题,实现高质量原始图像的获取。
附图说明
图1为本发明所述的一种基于二维熵的航天遥感载荷自动曝光方法的原理框图。
具体实施方式
结合图1说明本实施方式,一种基于二维熵的航天遥感载荷自动曝光方法,其具体步骤包括图像获取1、二维熵矩阵求取2、最大加权方差求取3、矩阵分割4、曝光质量评价5、曝光曲线拟合6、最佳曝光图像获取7等。本实施方式的自动曝光方法的具体过程为:
首先在载荷的曝光时间范围内以λ为曝光时间步长进行连续曝光获取多幅图像。对于获取的图像,采用了香农熵定义,图像中像素Ii,j的二维熵为:
由公式(1)获得了图像的二维熵矩阵,由于二维熵矩阵表征了原始图像的亮度、边缘与信息量等特征,通过选取一个合适的阈值对二维熵矩阵进行分割,即可对原始图像进行饱和区域(ROS)和非饱和区域(RONS)的划分。本发明采用了如下的办法以求取二维熵矩阵分割阈值。
基于公式(2)、(3),定义二维熵矩阵H的总方差为:
式中,pROS与pRONS分别表示当阈值为thk时饱和区域元素比例与非饱和区域元素占整幅图像的比例。将公式(2)和公式(3)代入到公式(4)中可得:
其中,minHi,j和maxHi,j分别表述二维熵矩阵元素的最大值与最小值。对于公式(5)有
thk=[minHi,j,minHi,j+0.0001,minHi,j+0.0002,…maxHi,j]1×k (6)
基于求取的结果,定义一个区分饱和区域与非饱和区域的二进制掩模:
根据所求得的掩模矩阵Mi,j可知,图像饱和区域对应元素值为1,非饱和区域对应元素值为0。此时,可求得图像饱和区域所占比例为:
式中,m、n代表图像尺寸。显而易见,当公式(9)中S值越小时,图像饱和区域比例越低,图像曝光质量越好;S值越大时,图像饱和区域比例越高,图像曝光质量越差。本发明中采用S值作为图像的曝光质量评价标准,以此作为遥感载荷曝光时间调整的判据。
本实施方式中采用三次样条插值进行曝光质量曲线的拟合,相比牛顿插值等算法,计算量小,易于实现。关于曝光时间和图像曝光质量的三次样条曲线可表示为:
Si(t)=ai(t-ti)3+bi(t-ti)2+ci(t-ti)+di,i=1,2,3,…n-1,n (10)
式中,t为曝光时间,ai、bi、ci、di为待定系数,Si(t)表示曝光时间t对应的曝光质量。与常规三次样条插值方式不同,本发明中样条曲线对应的边界条件为非扭结边界条件,即:
式中,S″′n(tn)表示曲线在tn点的三阶导数。
以拟合出的曝光质量曲线的最低点对应的横坐标作为遥感载荷在场景下的最佳曝光时间进行工作状态设置,获取该场景下的最佳曝光图像。
本实施方式相对于当前存在的自动曝光算法,引入了图像二维熵作为系统的参考,提出了一种新的图像曝光质量评价指标,该指标对图像亮度、边缘、信息量与信噪比具有良好的敏感性;对求取获取图像的曝光质量进行曲线拟合,根据曲线精确地求解出最佳曝光时间,从而实现最佳曝光图像的获取。
以上所述仅为本发明创造的较佳实施例,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所做的任何修改、等同替换、改进等,均应包含在本发明创造的保护范围之内。
Claims (2)
1.一种基于二维熵的航天遥感载荷自动曝光方法,其特征是:该方法由以下步骤实现:
步骤一、在载荷可调的曝光时间范围内以λ为曝光时间步长进行连续曝光,获取多幅图像;
步骤二、基于图像曝光质量评价标准计算各图像的曝光质量;具体为:
对于获取的图像,采用了香农熵定义,图像中像素Ii,j的二维熵为:
选取二维熵矩阵分割阈值:
基于公式(2)、(3),定义二维熵矩阵H的总方差为:
式中,pROS与pRONS分别表示当阈值为thk时饱和区域元素比例与非饱和区域元素占整幅图像的比例;将公式(2)和公式(3)代入到公式(4)中可得:
其中,minHi,j和maxHi,j分别表述二维熵矩阵元素的最大值与最小值;对于公式(5)有
thk=[minHi,j,minHi,j+0.0001,minHi,j+0.0002,…maxHi,j]1×k (6)
基于求取的阈值,定义一个区分饱和区域与非饱和区域的二进制掩模:
根据所求得的掩模矩阵Mi,j可知,图像饱和区域对应元素值为1,非饱和区域对应元素值为0;获得图像饱和区域所占比例为:
式中,m、n代表图像尺寸;当公式(9)中S值越小时,图像饱和区域比例越低,图像曝光质量越好;S值越大时,图像饱和区域比例越高,图像曝光质量越差;采用S值作为图像的曝光质量评价标准,以此作为遥感载荷曝光时间调整的判据;
步骤三、采用三次样条插值的方法对曝光质量曲线进行拟合,求取场景下的最佳曝光时间;
步骤四、以最佳曝光时间设置载荷工作状态,获取场景下的最佳曝光图像。
2.根据权利要求1所述的一种基于二维熵的航天遥感载荷自动曝光方法,其特征在于:步骤三中,采用三次样条插值进行曝光质量曲线的拟合,曝光时间和图像曝光质量的三次样条曲线表示为:
Si(t)=ai(t-ti)3+bi(t-ti)2+ci(t-ti)+di,i=1,2,3,…n-1,n (10)
式中,t为曝光时间,ai、bi、ci、di为待定系数,Si(t)表示曝光时间t对应的曝光质量,样条曲线对应的边界条件为非扭结边界条件,即:
式中,S″′n(tn)表示曲线在tn点的三阶导数;
以拟合出的曝光质量曲线的最低点对应的横坐标作为遥感载荷在场景下的最佳曝光时间进行工作状态设置,获取该场景下的最佳曝光图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110346779.2A CN113079323B (zh) | 2021-03-31 | 2021-03-31 | 一种基于二维熵的航天遥感载荷自动曝光方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110346779.2A CN113079323B (zh) | 2021-03-31 | 2021-03-31 | 一种基于二维熵的航天遥感载荷自动曝光方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113079323A true CN113079323A (zh) | 2021-07-06 |
CN113079323B CN113079323B (zh) | 2022-02-11 |
Family
ID=76614111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110346779.2A Active CN113079323B (zh) | 2021-03-31 | 2021-03-31 | 一种基于二维熵的航天遥感载荷自动曝光方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113079323B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115855107A (zh) * | 2022-11-29 | 2023-03-28 | 中国科学院长春光学精密机械与物理研究所 | 基于图像的线阵航天遥感载荷辐射定标方法 |
CN116347247A (zh) * | 2022-12-23 | 2023-06-27 | 中国科学院长春光学精密机械与物理研究所 | 基于贝叶斯优化的线阵航天遥感载荷自动曝光方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404602A (zh) * | 2008-11-04 | 2009-04-08 | 南京航空航天大学 | 一种适用于多跳ad hoc网络的DCF协议节点自适应休眠机制 |
US20090303347A1 (en) * | 2008-06-09 | 2009-12-10 | Jae-Hyun Kwon | Method and apparatus for obtaining image using entropy |
CN103888689A (zh) * | 2014-03-13 | 2014-06-25 | 北京智谷睿拓技术服务有限公司 | 图像采集方法及图像采集装置 |
CN104301622A (zh) * | 2014-09-30 | 2015-01-21 | 上海微小卫星工程中心 | 一种天基空间目标成像曝光时间自适应控制方法及装置 |
US9894285B1 (en) * | 2015-10-01 | 2018-02-13 | Hrl Laboratories, Llc | Real-time auto exposure adjustment of camera using contrast entropy |
CN108305231A (zh) * | 2018-02-09 | 2018-07-20 | 西安电子科技大学 | 一种无掩膜光刻技术中的镜头畸变矫正方法 |
CN108307168A (zh) * | 2017-01-13 | 2018-07-20 | 苏州乐游网络科技有限公司 | 一种高效vr云处理技术 |
CN110312083A (zh) * | 2019-08-28 | 2019-10-08 | 今瞳半导体技术(上海)有限公司 | 用于自动曝光的自巡航调节装置及方法、硬件加速器 |
CN110415225A (zh) * | 2019-07-22 | 2019-11-05 | 南充折衍智能光电科技有限公司 | 一种基于多信息融合的手指静脉图像质量评价方法 |
CN110544250A (zh) * | 2019-09-06 | 2019-12-06 | 上海联影医疗科技有限公司 | 一种医学图像处理方法和系统 |
CN110619593A (zh) * | 2019-07-30 | 2019-12-27 | 西安电子科技大学 | 一种基于动态场景的双曝光视频成像系统 |
CN110827225A (zh) * | 2019-11-13 | 2020-02-21 | 山东科技大学 | 一种基于双重曝光框架的非均匀光照水下图像增强方法 |
CN110910365A (zh) * | 2019-11-18 | 2020-03-24 | 方玉明 | 一种同时对于动态场景和静态场景的多曝光融合图像的质量评价方法 |
CN111460554A (zh) * | 2020-03-30 | 2020-07-28 | 吉林动画学院 | 一种基于最大光照熵的室内自动布光方法及系统 |
CN111582271A (zh) * | 2020-04-29 | 2020-08-25 | 安徽国钜工程机械科技有限公司 | 一种基于地质雷达的铁路隧道内部病害检测方法及其装置 |
CN111727601A (zh) * | 2018-09-30 | 2020-09-29 | 深圳配天智能技术研究院有限公司 | 图像传感器、获取图像的方法、视觉系统及存储介质 |
-
2021
- 2021-03-31 CN CN202110346779.2A patent/CN113079323B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090303347A1 (en) * | 2008-06-09 | 2009-12-10 | Jae-Hyun Kwon | Method and apparatus for obtaining image using entropy |
CN101404602A (zh) * | 2008-11-04 | 2009-04-08 | 南京航空航天大学 | 一种适用于多跳ad hoc网络的DCF协议节点自适应休眠机制 |
CN103888689A (zh) * | 2014-03-13 | 2014-06-25 | 北京智谷睿拓技术服务有限公司 | 图像采集方法及图像采集装置 |
CN104301622A (zh) * | 2014-09-30 | 2015-01-21 | 上海微小卫星工程中心 | 一种天基空间目标成像曝光时间自适应控制方法及装置 |
US9894285B1 (en) * | 2015-10-01 | 2018-02-13 | Hrl Laboratories, Llc | Real-time auto exposure adjustment of camera using contrast entropy |
CN108307168A (zh) * | 2017-01-13 | 2018-07-20 | 苏州乐游网络科技有限公司 | 一种高效vr云处理技术 |
CN108305231A (zh) * | 2018-02-09 | 2018-07-20 | 西安电子科技大学 | 一种无掩膜光刻技术中的镜头畸变矫正方法 |
CN111727601A (zh) * | 2018-09-30 | 2020-09-29 | 深圳配天智能技术研究院有限公司 | 图像传感器、获取图像的方法、视觉系统及存储介质 |
CN110415225A (zh) * | 2019-07-22 | 2019-11-05 | 南充折衍智能光电科技有限公司 | 一种基于多信息融合的手指静脉图像质量评价方法 |
CN110619593A (zh) * | 2019-07-30 | 2019-12-27 | 西安电子科技大学 | 一种基于动态场景的双曝光视频成像系统 |
CN110312083A (zh) * | 2019-08-28 | 2019-10-08 | 今瞳半导体技术(上海)有限公司 | 用于自动曝光的自巡航调节装置及方法、硬件加速器 |
CN110544250A (zh) * | 2019-09-06 | 2019-12-06 | 上海联影医疗科技有限公司 | 一种医学图像处理方法和系统 |
CN110827225A (zh) * | 2019-11-13 | 2020-02-21 | 山东科技大学 | 一种基于双重曝光框架的非均匀光照水下图像增强方法 |
CN110910365A (zh) * | 2019-11-18 | 2020-03-24 | 方玉明 | 一种同时对于动态场景和静态场景的多曝光融合图像的质量评价方法 |
CN111460554A (zh) * | 2020-03-30 | 2020-07-28 | 吉林动画学院 | 一种基于最大光照熵的室内自动布光方法及系统 |
CN111582271A (zh) * | 2020-04-29 | 2020-08-25 | 安徽国钜工程机械科技有限公司 | 一种基于地质雷达的铁路隧道内部病害检测方法及其装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115855107A (zh) * | 2022-11-29 | 2023-03-28 | 中国科学院长春光学精密机械与物理研究所 | 基于图像的线阵航天遥感载荷辐射定标方法 |
CN115855107B (zh) * | 2022-11-29 | 2023-08-25 | 中国科学院长春光学精密机械与物理研究所 | 基于图像的线阵航天遥感载荷辐射定标方法 |
CN116347247A (zh) * | 2022-12-23 | 2023-06-27 | 中国科学院长春光学精密机械与物理研究所 | 基于贝叶斯优化的线阵航天遥感载荷自动曝光方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113079323B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109068056B (zh) | 一种电子设备及其拍摄图像的滤镜处理方法、存储介质 | |
CN104917975B (zh) | 一种基于目标特征的自适应自动曝光方法 | |
CN113079323B (zh) | 一种基于二维熵的航天遥感载荷自动曝光方法 | |
Sidike et al. | Adaptive trigonometric transformation function with image contrast and color enhancement: Application to unmanned aerial system imagery | |
US20090220172A1 (en) | Method of forming a combined image based on a plurality of image frames | |
CN111064904A (zh) | 一种暗光图像增强方法 | |
CN112308803B (zh) | 一种基于深度学习的自监督低照度图像增强及去噪方法 | |
CN109120848B (zh) | 一种空间相机积分级数调整方法 | |
CN112565636A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN115797225A (zh) | 一种水下地形测量用无人船采集图像增强方法 | |
CN107911599B (zh) | 一种红外图像全局自动对焦方法及装置 | |
Jiang et al. | Multiple templates auto exposure control based on luminance histogram for onboard camera | |
US11640654B2 (en) | Image processing method and apparatus | |
US10546369B2 (en) | Exposure level control for high-dynamic-range imaging, system and method | |
CN117451012A (zh) | 一种无人机航摄测量方法及系统 | |
WO2014206503A1 (en) | Automatic noise modeling for ghost-free image reconstruction | |
US8836816B2 (en) | Method of adjusting the brightness of a digital camera image | |
CN113747062B (zh) | Hdr场景检测方法与装置、终端及可读存储介质 | |
US20230186446A1 (en) | Image processing methods and systems for low-light image enhancement using machine learning models | |
CN112215765B (zh) | 农业自然光环境下机器人视觉色彩校正方法及装置 | |
US11153467B2 (en) | Image processing | |
CN114638764A (zh) | 基于人工智能的多曝光图像融合方法及系统 | |
Yang et al. | Low light image denoising based on poisson noise model and weighted tv regularization | |
CN101808200B (zh) | 一种基于感兴趣区域的相机测光方法 | |
CN111899287A (zh) | 一种针对自动驾驶的虚影高动态范围图像融合方法 |
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 |