CN113514828B - 基于北斗卫星系统的船舶图像数据集应用方法及系统 - Google Patents
基于北斗卫星系统的船舶图像数据集应用方法及系统 Download PDFInfo
- Publication number
- CN113514828B CN113514828B CN202110729115.4A CN202110729115A CN113514828B CN 113514828 B CN113514828 B CN 113514828B CN 202110729115 A CN202110729115 A CN 202110729115A CN 113514828 B CN113514828 B CN 113514828B
- Authority
- CN
- China
- Prior art keywords
- image
- reference image
- detection
- ship
- detection node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 claims abstract description 132
- 238000003325 tomography Methods 0.000 claims abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003707 image sharpening Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 241001655798 Taku Species 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于北斗卫星系统的船舶图像数据集应用方法及系统,通过识别出基准图像中的各个目标对象采集顺序先后节点作为主干探测路径,在每次采集过程中,以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集,最终得到多个SAR图像,对各个SAR图像通过高度维聚焦三维图像完成层析成像过程,提高目标区域的图像采集效率,使得包含目标对象的目标区域的分辨率针对性的大幅提高,提升了目标区域的成像准确率;本发明可应用于船舶图像数据集应用领域,目标对象包括水面船舶的船脸识别、船型识别、船舶航道定位等。
Description
技术领域
本发明涉及基于层析SAR三维图像数据集技术领域,特别是涉及基于北斗卫星系统的船舶图像数据集应用方法及系统。
背景技术
在高分辨率的合成孔径雷达(SAR)图像船舶检测数据集的采集需求日益增长的条件下,对于SAR层析图像的数据集的采集质量和采集速度日益增长;SAR(合成孔径雷达)是典型的微波遥感雷达。它可以存在于太空(星载平台/北斗卫星系统)、天空(机载平台)、地面(目标动雷达不动,ISAR),而在SAR层析的数据采集系统中,对于数据的获取以及处理,SAR层析成像的概念是将医学的CT原理应用于SAR垂直于方位-距离平面的方向(高度向)的成像处理中,再结合已有的SAR二维术,SAR层析的数据采集系统采用一个小尺寸天线,通过雷达运动,在不同位位置照射目标的一种二维成像系统,以实现对被测目标的真正三维成像;而SAR层析图像的数据集的采集需要通过飞行器多次的在方位向的航迹飞行,每次飞行的高度向的航迹高度依次递增或递减,从而形成层次效果。
然而,在实际的一些应用中,一般只需要对目标区域(ROI,感兴趣区域)的高清SAR图像,其他部分为不重要的区域,并不需要都是高清采集,现有的层析采集方法,需要多次的利用在不同空间位置获得的多次观测将传统SAR的方位向一维合成孔径扩展成方位-高度平面内的二维合成孔径,SAR层析数据通常由单天线SAR系统的重轨任务获得,由于当前在轨运行的单天线SAR系统的设计初衷并非为层析SAR考虑,所以对待检测区域的重轨观测次数较少,并且高度向的航迹轨道间的间隔为随机的非均匀飞行轨道,从而降低整体的图像采集效率,其需要载有单天线SAR系统的飞行器的飞行次数非常多,而且飞行轨道的高度向的航迹高度并不规则,因此,如何利用非均匀的少量观测数据,在保持方位向-距离向分辨率的同时实现高度向的高分辨成像是SAR层析中亟待解决的难题,并且,由于地面目标的移动,可能导致层析SAR的图像由于层析的次数过少导致最终成像不准确,目标丢失。
发明内容
本发明的目的是针对现有技术的不足,提供基于北斗卫星系统的船舶图像数据集应用方法及系统,通过识别出基准图像中的各个目标对象采集顺序先后节点作为主干探测路径;搭载合成孔径雷达的飞行器按照递增的轨道高度沿着航迹向开始依次采集N次SAR图像,在每次采集过程中,以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集,最终得到多个SAR图像,对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程,目标区域为包括一个或多个目标对象的区域,目标对象包括水面船舶、陆地交通工具、建筑物等,并将采集到的多个SAR图像构成三维图像数据集,并将三维图像数据集应用于包括水面船舶的船脸识别、船型识别、船舶航道定位领域。
为了实现上述目的,本发明提出基于北斗卫星系统的船舶图像数据集应用方法,具体包括以下步骤:
S100,于北斗卫星初始的轨道高度上,通过合成孔径雷达采集一张待检测区域的二维的SAR图像作为基准图像;
S200,将基准图像进行结构凸显处理得到清晰化基准图像;
S300,通过ATR系统识别出清晰化基准图像中的各个目标对象;
其中,目标对象包括水面船舶、陆地交通工具、建筑物等。
S400,将清晰化基准图像中的各个目标对象的几何中心像素位置转换为地理坐标,将各个目标对象作为检测节点;
S500,从搭载合成孔径雷达的飞行器的航迹向以沿着斜距的方向飞行过程中的合成孔径雷达的距离分辨率覆盖区域,按照检测节点被覆盖时间的先后将各个检测节点连接成检测序列,将检测序列中距离小于距离分辨率的检测节点两两之间沿着航迹向连接得到一个有向无环图;
S600,识别出有向无环图中的主干探测路径;
S700,搭载合成孔径雷达的飞行器按照递增的轨道高度沿着航迹向开始依次采集N次SAR图像,在每次采集过程中,以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集;最终得到多个SAR图像;
S800,对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程。
进一步地,在S100中,所述合成孔径雷达通过飞行器搭载,飞行器包括星载平台或机载平台,通过高度向上不同的轨道高度,以相同的方位向对待检测区域进行重轨观测,方位向即航迹向;对待检测区域为准备采集SAR图像的地面区域。
进一步地,在S200中,将基准图像进行结构凸显处理得到清晰化基准图像的方法为:将基准图像进行二值化处理得到二值化图像作为清晰化基准图像。
进一步地,在S200中,将基准图像进行结构凸显处理得到清晰化基准图像的方法为:
通过凸显处理公式依次将基准图像中各个像素值进行结构凸显处理得到新的像素值构成的图像作为清晰化基准图像,从而将基准图像进行结构凸显处理得到清晰化基准图像,根据“Mixed Logit模型”的原理构造的凸显处理公式为:
式中,IMB为结构凸显处理后的清晰化基准图像的各个像素的像素值,IMA为基准图像的各个像素的像素值,通过多次调试,为了保持结构凸显处理后的清晰化基准图像对原始的基准图像的拟合性,取0到255之间的倍数268.2469作为凸显化公式的倍数,令取公式的差值为11.02;使结构凸显处理后的基准图像中所有的像素的值仍为0和255,使结构凸显处理后的清晰化基准图像能去除目标几率相对较小的相干斑和一些其它噪声,相干斑是由于SAR成像过程中相干照射而产生的衰落效应的影响产生的颗粒状噪声,使基准图像的结构特性更凸出。
进一步地,在S300中,ATR系统包括基于模板的目标识别(建立模板库并进行特征匹配,见参考文献:KATSUSI-H IKEUCHI,WHEELER M D,TAKU YAMAZA-KI,et al.Model-Based SAR ATR System[Z].Image Un-derstanding Workshop,1996:1263-1276)、基于模型的目标识别技术(建立模型库并进行特征匹配,见参考文献:NOVAK L M,OWRIKA G J,BROWER WS et al.The Automatic Target Recognition System in SAIP[J].LincolnLaboratory Journal,1997,10(2):187-202)、基于神经网络的目标识别技术中任意一种方法;
其中,在S400中将清晰化基准图像中的各个目标对象的几何中心像素位置转换为地理坐标(见参考文献:常本义,高力.SAR单图像定位原理[J].测绘科学与工程,2001,2(2):1-5)。
进一步地,在S600中,识别出有向无环图中的主干探测路径的方法为:
S601:从有向图的第一个检测节点Node1开始,依次读取各个检测节点Nodei在合成孔径雷达沿着斜距的方向飞行过程中的最早必须进入距离分辨率区域的时间Ni_StartTime,令N1_EndTime为检测节点Node1被距离分辨率区域所覆盖的结束时间,则其中,CostTi为检测节点Nodei在距离分辨率区域中时消耗的总时长;GapTimei为检测节点Nodei在前一个与Nodei距离最近的检测节点通过距离分辨率区域后被距离分辨率区域所开始覆盖时的间隔时间;其中,i取值范围为[2,N],N为检测节点的总数量,Max为求最大值函数,Min为求最小值函数;
S602:从有向图的第一个检测节点Node1开始,依次读取各个检测节点Nodei在合成孔径雷达沿着斜距的方向飞行过程中的最晚必须离开距离分辨率区域的时间Ni_EndTime,令N1_StartTime为检测节点Node1被距离分辨率区域所覆盖的开始时间,则
S603:扫描有向无环图中同时满足以下条件的检测节点Nodei得到检测节点序列:
条件1:NiRealStartTime晚于等于Ni_StartTime,其中,NiRealStartTime为检测节点Nodei被距离分辨率区域所覆盖的开始时间,Ni_StartTime为检测节点Nodei最早必须进入距离分辨率区域的时间;
条件2:NiRealEndTime早于等于Ni_EndTime,其中,NiRealEndTime为检测节点Nodei被距离分辨率区域所覆盖的结束时间,Ni_EndTime为检测节点Nodei最晚必须离开距离分辨率区域的时间;
S604:将按照检测节点序列中的顺序依次在有向无环图中连接得到主干探测路径。
进一步地,在S700中,轨道高度的递增方法为:当前的轨道高度=初始的轨道高度+N*轨道高度间距;轨道高度间距为预设值,一般取1公里。
进一步地,在S700中,N为SAR图像层析次数的预设值,一般中等清晰的图像取N为10。
其中,在S800中,对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程的具体方法(见参考文献:张福博.非均匀立体构型分布式SAR层析成像技术研究[D].哈尔滨工业大学)。
进一步地,将采集到的多个SAR图像构成三维图像数据集,并将三维图像数据集应用于包括水面船舶的船脸识别、船型识别、船舶航道定位领域。
本发明还提供了基于北斗卫星系统的船舶图像数据集应用系统,所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
基准图像采集单元,用于在初始的轨道高度上,通过合成孔径雷达采集一张待检测区域的二维的SAR图像作为基准图像;
图像清晰化单元,用于将基准图像进行结构凸显处理得到清晰化基准图像;
目标对象识别单元,用于通过ATR系统识别出清晰化基准图像中的各个目标对象;
地理坐标转化单元,用于将清晰化基准图像中的各个目标对象的几何中心像素位置转换为地理坐标,将各个目标对象作为检测节点;
无环图生成单元,用于从搭载合成孔径雷达的飞行器的航迹向,以沿着斜距的方向飞行过程中的合成孔径雷达的距离分辨率区域所覆盖的先后顺序将各个检测节点连接成检测序列,将检测序列中距离小于距离分辨率的检测节点两两之间沿着航迹向连接得到一个有向无环图;
主干路径识别单元,用于识别出有向无环图中的主干探测路径;
雷达重轨观测单元,用于搭载合成孔径雷达的飞行器按照递增的轨道高度沿着航迹向开始依次采集N次SAR图像,在每次采集过程中,以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集;最终得到多个SAR图像;
层析成像单元,用于对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程。
本发明的有益效果为:本发明通过以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集,最终得到多个SAR图像,能够有效降低重轨观测次数较少,提高目标区域的图像采集效率,使得目标区域的分辨率针对性的大幅提高,提升了目标区域的成像准确率,本发明可应用于船舶图像数据集应用领域,目标对象包括水面船舶的船脸识别、船型识别、船舶航道定位等。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本发明的上述以及其他特征将更加明显,本发明附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为本发明的基于北斗卫星系统的船舶图像数据集应用方法的流程图;
图2所示为雷达的距离分辨率和采集位置示意图;
图3所示为雷达平台的各个参考坐标方向示意图;
图4所示为本发明的基于北斗卫星系统的船舶图像数据集应用系统图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本发明的基于北斗卫星系统的船舶图像数据集应用方法的流程图,下面结合图1来阐述根据本发明的实施方式的基于北斗卫星系统的船舶图像数据集应用方法。
本发明提出基于北斗卫星系统的船舶图像数据集应用方法,具体包括以下步骤:
S100,于初始的轨道高度上,通过合成孔径雷达采集一张待检测区域的二维的SAR图像作为基准图像;
初始的轨道高度为通过飞行器搭载的合成孔径雷达平台的飞行轨道距离地平面的高度;待检测区域为人工标定的感兴趣区域(ROI);
S200,将基准图像进行结构凸显处理得到清晰化基准图像;
S300,通过ATR系统识别出清晰化基准图像中的各个目标对象;其中,目标对象包括水面船舶、陆地交通工具、建筑物中任意一种;
S400,将清晰化基准图像中的各个目标对象的几何中心像素位置转换为地理坐标,将各个目标对象作为检测节点;
S500,从搭载合成孔径雷达的飞行器的航迹向以沿着斜距的方向飞行过程中的合成孔径雷达的距离分辨率覆盖区域,按照检测节点被覆盖时间的先后将各个检测节点连接成检测序列,将检测序列中距离小于距离分辨率的检测节点两两之间沿着航迹向连接得到一个有向无环图;
其中,合成孔径雷达的距离分辨率区域见图2所示,距离分辨率区域一般为合成孔径雷达的雷达波的直线感知区域,图2所示为雷达的距离分辨率和采集位置示意图,图2中示出了三个不同轨道高度的搭载合成孔径雷达的飞行器对于水面船舶的距离分辨率区域覆盖区域示意图;
其中,涉及的各个坐标方向参考图3,图3所示为雷达平台的各个参考坐标方向示意图;r:斜距向,沿着斜距的方向,天线的可视距离;y:方位向,沿着方位的方向,传感器的飞行方向,也称为航迹向;z:高度向,沿着高度的方向;θ:倾斜角,垂直于方位-距离平面,由于传感器有数公里甚至数十公里的大范围距离和很小的角度差,通常可以认为是一条直线。
S600,识别出有向无环图中的主干探测路径;
S700,搭载合成孔径雷达的飞行器按照递增的轨道高度沿着航迹向开始依次采集N次SAR图像,在每次采集过程中,以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集;最终得到多个SAR图像;
S800,对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程。
进一步地,在S100中,所述合成孔径雷达通过飞行器搭载,飞行器包括星载平台或机载平台,通过高度向上不同的轨道高度,以相同的方位向对待检测区域进行重轨观测,方位向即航迹向;对待检测区域为准备采集SAR图像的地面区域。
进一步地,在S200中,将基准图像进行结构凸显处理得到清晰化基准图像的方法为:将基准图像进行二值化处理得到二值化图像作为清晰化基准图像。
进一步地,在S200中,将基准图像进行结构凸显处理得到清晰化基准图像的方法为:
通过凸显处理公式依次将基准图像中各个像素值进行结构凸显处理得到新的像素值构成的图像作为清晰化基准图像,从而将基准图像进行结构凸显处理得到清晰化基准图像,根据“Mixed Logit模型”的原理构造的凸显处理公式为:
式中,IMB为结构凸显处理后的清晰化基准图像的各个像素的像素值,IMA为基准图像的各个像素的像素值,通过多次调试,为了保持结构凸显处理后的清晰化基准图像对原始的基准图像的拟合性,取0到255之间的倍数268.2469作为凸显化公式的倍数,令取公式的差值为11.02;使结构凸显处理后的基准图像中所有的像素的值仍为0和255,使结构凸显处理后的清晰化基准图像能去除目标几率相对较小的相干斑和一些其它噪声,相干斑是由于SAR成像过程中相干照射而产生的衰落效应的影响产生的颗粒状噪声,使基准图像的结构特性更凸出。
进一步地,在S300中,ATR系统包括基于模板的目标识别(建立模板库并进行特征匹配,见参考文献:KATSUSI-H IKEUCHI,WHEELER M D,TAKU YAMAZA-KI,et al.Model-Based SAR ATR System[Z].Image Un-derstanding Workshop,1996:1263-1276)、基于模型的目标识别技术(建立模型库并进行特征匹配,见参考文献:NOVAK L M,OWRIKA G J,BROWER WS et al.The Automatic Target Recognition System in SAIP[J].LincolnLaboratory Journal,1997,10(2):187-202)、基于神经网络的目标识别技术中任意一种方法;
其中,在S400中将清晰化基准图像中的各个目标对象的几何中心像素位置转换为地理坐标(见参考文献:常本义,高力.SAR单图像定位原理[J].测绘科学与工程,2001,2(2):1-5)。
进一步地,在S600中,识别出有向无环图中的主干探测路径的方法为:
S601:从有向图的第一个检测节点Node1开始,依次读取各个检测节点Nodei在合成孔径雷达沿着斜距的方向飞行过程中的最早必须进入距离分辨率区域的时间Ni_StartTime,令N1_EndTime为检测节点Node1被距离分辨率区域所覆盖的结束时间,则其中,CostTi为检测节点Nodei在距离分辨率区域中时消耗的总时长;GapTimei为检测节点Nodei在前一个与Nodei距离最近的检测节点通过距离分辨率区域后被距离分辨率区域所开始覆盖时的间隔时间;其中,i取值范围为[2,N],N为检测节点的总数量,Max为求最大值函数,Min为求最小值函数;
S602:从有向图的第一个检测节点Node1开始,依次读取各个检测节点Nodei在合成孔径雷达沿着斜距的方向飞行过程中的最晚必须离开距离分辨率区域的时间Ni_EndTime,令N1_StartTime为检测节点Node1被距离分辨率区域所覆盖的开始时间,则
S603:扫描有向无环图中同时满足以下条件的检测节点Nodei得到检测节点序列:
条件1:NiRealStartTime晚于等于Ni_StartTime,其中,NiRealStartTime为检测节点Nodei被距离分辨率区域所覆盖的开始时间,Ni_StartTime为检测节点Nodei最早必须进入距离分辨率区域的时间;
条件2:NiRealEndTime早于等于Ni_EndTime,其中,NiRealEndTime为检测节点Nodei被距离分辨率区域所覆盖的结束时间,Ni_EndTime为检测节点Nodei最晚必须离开距离分辨率区域的时间;
S604:将按照检测节点序列中的顺序依次在有向无环图中连接得到主干探测路径。
进一步地,在S700中,轨道高度的递增方法为:当前的轨道高度=初始的轨道高度+N*轨道高度间距;轨道高度间距为预设值,一般取1公里。
进一步地,在S700中,N为SAR图像层析次数的预设值,一般中等清晰的图像取N为10。
其中,在S800中,对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程的具体方法(见参考文献:张福博.非均匀立体构型分布式SAR层析成像技术研究[D].哈尔滨工业大学)。
进一步地,将采集到的多个SAR图像构成三维图像数据集,并将三维图像数据集应用于包括水面船舶的船脸识别、船型识别、船舶航道定位领域。
本发明的实施例提供的基于北斗卫星系统的船舶图像数据集应用系统,如图4所示为本发明的基于北斗卫星系统的船舶图像数据集应用系统结构图,该实施例的基于北斗卫星系统的船舶图像数据集应用系统包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于北斗卫星系统的船舶图像数据集应用系统实施例中的步骤。
所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
基准图像采集单元,用于在初始的轨道高度上,通过合成孔径雷达采集一张待检测区域的二维的SAR图像作为基准图像;
图像清晰化单元,用于将基准图像进行结构凸显处理得到清晰化基准图像;
目标对象识别单元,用于通过ATR系统识别出清晰化基准图像中的各个目标对象;
地理坐标转化单元,用于将清晰化基准图像中的各个目标对象的几何中心像素位置转换为地理坐标,将各个目标对象作为检测节点;
无环图生成单元,用于从搭载合成孔径雷达的飞行器的航迹向,以沿着斜距的方向飞行过程中的合成孔径雷达的距离分辨率区域所覆盖的先后顺序将各个检测节点连接成检测序列,将检测序列中距离小于距离分辨率的检测节点两两之间沿着航迹向连接得到一个有向无环图;
主干路径识别单元,用于识别出有向无环图中的主干探测路径;
雷达重轨观测单元,用于搭载合成孔径雷达的飞行器按照递增的轨道高度沿着航迹向开始依次采集N次SAR图像,在每次采集过程中,以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集;最终得到多个SAR图像;
层析成像单元,用于对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程。
所述基于北斗卫星系统的船舶图像数据集应用系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述基于北斗卫星系统的船舶图像数据集应用系统,可运行的系统可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是基于北斗卫星系统的船舶图像数据集应用系统的示例,并不构成对基于北斗卫星系统的船舶图像数据集应用系统的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述基于北斗卫星系统的船舶图像数据集应用系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述基于北斗卫星系统的船舶图像数据集应用系统运行系统的控制中心,利用各种接口和线路连接整个基于北斗卫星系统的船舶图像数据集应用系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述基于北斗卫星系统的船舶图像数据集应用系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (8)
1.基于北斗卫星系统的船舶图像数据集应用方法,其特征在于:该方法包括以下步骤:
S100,于初始的轨道高度上,通过合成孔径雷达采集一张待检测区域的二维的SAR图像作为基准图像;
S200,将基准图像进行结构凸显处理得到清晰化基准图像;
S300,通过ATR系统识别出清晰化基准图像中的各个目标对象;
S400,将清晰化基准图像中的各个目标对象的几何中心像素位置转换为地理坐标,将各个目标对象作为检测节点;
S500,从搭载合成孔径雷达的飞行器的航迹向,以沿着斜距的方向飞行过程中的合成孔径雷达的距离分辨率区域所覆盖的先后顺序将各个检测节点连接成检测序列,将检测序列中距离小于距离分辨率的检测节点两两之间沿着航迹向连接得到一个有向无环图;
S600,识别出有向无环图中的主干探测路径;
S700,搭载合成孔径雷达的飞行器按照递增的轨道高度沿着航迹向开始依次采集N次SAR图像,在每次采集过程中,以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集;最终得到多个SAR图像;
S800,对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程;
其中,ATR系统包括基于模板的目标识别、基于模型的目标识别技术、基于神经网络的目标识别技术中任意一种方法。
2.根据权利要求1所述的基于北斗卫星系统的船舶图像数据集应用方法,其特征在于,在S100中,所述合成孔径雷达通过飞行器搭载,飞行器包括星载平台或机载平台,通过高度向上不同的轨道高度,以相同的方位向对待检测区域进行重轨观测,方位向即航迹向;对待检测区域为准备采集SAR图像的地面区域。
3.根据权利要求1所述的基于北斗卫星系统的船舶图像数据集应用方法,其特征在于,在S200中,将基准图像进行结构凸显处理得到清晰化基准图像的方法为:将基准图像进行二值化处理得到二值化图像作为清晰化基准图像。
4.根据权利要求1所述的基于北斗卫星系统的船舶图像数据集应用方法,其特征在于,在S200中,将基准图像进行结构凸显处理得到清晰化基准图像的方法为:
通过凸显处理公式依次将基准图像中各个像素值进行结构凸显处理得到新的像素值构成的图像作为清晰化基准图像,从而将基准图像进行结构凸显处理得到清晰化基准图像,凸显处理公式为:
式中,IMB为结构凸显处理后的清晰化基准图像的各个像素的像素值,IMA为基准图像的各个像素的像素值。
5.根据权利要求1所述的基于北斗卫星系统的船舶图像数据集应用方法,其特征在于,在S600中,识别出有向无环图中的主干探测路径的方法为:
S601:从有向图的第一个检测节点Node1开始,依次读取各个检测节点Nodei在合成孔径雷达沿着斜距的方向飞行过程中的最早必须进入距离分辨率区域的时间Ni_StartTime,令N1_EndTime为检测节点Node1被距离分辨率区域所覆盖的结束时间,则 其中,CostTi为检测节点Nodei在距离分辨率区域中时消耗的总时长;GapTimei为检测节点Nodei在前一个与Nodei距离最近的检测节点通过距离分辨率区域后被距离分辨率区域所开始覆盖时的间隔时间;其中,i取值范围为[2,N],N为检测节点的总数量,Max为求最大值函数,Min为求最小值函数;
S602:从有向图的第一个检测节点Node1开始,依次读取各个检测节点Nodei在合成孔径雷达沿着斜距的方向飞行过程中的最晚必须离开距离分辨率区域的时间Ni_EndTime,令N1_StartTime为检测节点Node1被距离分辨率区域所覆盖的开始时间,则
S603:扫描有向无环图中同时满足以下条件的检测节点Nodei得到检测节点序列:
条件1:NiRealStartTime晚于等于Ni_StartTime,其中,NiRealStartTime为检测节点Nodei被距离分辨率区域所覆盖的开始时间,Ni_StartTime为检测节点Nodei最早必须进入距离分辨率区域的时间;
条件2:NiRealEndTime早于等于Ni_EndTime,其中,NiRealEndTime为检测节点Nodei被距离分辨率区域所覆盖的结束时间,Ni_EndTime为检测节点Nodei最晚必须离开距离分辨率区域的时间;
S604:将按照检测节点序列中的顺序依次在有向无环图中连接得到主干探测路径。
6.根据权利要求1所述的基于北斗卫星系统的船舶图像数据集应用方法,其特征在于,在S700中,轨道高度的递增方法为:当前的轨道高度=初始的轨道高度+N*轨道高度间距;轨道高度间距为预设值。
7.根据权利要求1所述的基于北斗卫星系统的船舶图像数据集应用方法,其特征在于,将采集到的多个SAR图像构成三维图像数据集,并将三维图像数据集应用于包括水面船舶的船脸识别、船型识别、船舶航道定位领域。
8.基于北斗卫星系统的船舶图像数据集应用系统,其特征在于,所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
基准图像采集单元,用于在初始的轨道高度上,通过合成孔径雷达采集一张待检测区域的二维的SAR图像作为基准图像;
图像清晰化单元,用于将基准图像进行结构凸显处理得到清晰化基准图像;
目标对象识别单元,用于通过ATR系统识别出清晰化基准图像中的各个目标对象;
地理坐标转化单元,用于将清晰化基准图像中的各个目标对象的几何中心像素位置转换为地理坐标,将各个目标对象作为检测节点;
无环图生成单元,用于从搭载合成孔径雷达的飞行器的航迹向,以沿着斜距的方向飞行过程中的合成孔径雷达的距离分辨率区域所覆盖的先后顺序将各个检测节点连接成检测序列,将检测序列中距离小于距离分辨率的检测节点两两之间沿着航迹向连接得到一个有向无环图;
主干路径识别单元,用于识别出有向无环图中的主干探测路径;
雷达重轨观测单元,用于搭载合成孔径雷达的飞行器按照递增的轨道高度沿着航迹向开始依次采集N次SAR图像,在每次采集过程中,以主干探测路径的首个检测节点进入合成孔径雷达的距离分辨率覆盖区域时开始采集,主干探测路径的最后一个检测节点离开距离分辨率覆盖区域时结束采集;最终得到多个SAR图像;
层析成像单元,用于对各个SAR图像进行图像配准并进行相位校准,通过高度维聚焦三维图像完成层析成像过程;
其中,ATR系统包括基于模板的目标识别、基于模型的目标识别技术、基于神经网络的目标识别技术中任意一种方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110729115.4A CN113514828B (zh) | 2021-06-29 | 2021-06-29 | 基于北斗卫星系统的船舶图像数据集应用方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110729115.4A CN113514828B (zh) | 2021-06-29 | 2021-06-29 | 基于北斗卫星系统的船舶图像数据集应用方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113514828A CN113514828A (zh) | 2021-10-19 |
CN113514828B true CN113514828B (zh) | 2024-04-26 |
Family
ID=78066456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110729115.4A Active CN113514828B (zh) | 2021-06-29 | 2021-06-29 | 基于北斗卫星系统的船舶图像数据集应用方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113514828B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2017647A1 (en) * | 2007-07-19 | 2009-01-21 | Consiglio Nazionale delle Ricerche | Method for processing data sensed by a synthetic aperture radar (SAR) and related remote sensing system |
CN101581780A (zh) * | 2008-05-14 | 2009-11-18 | 中国科学院电子学研究所 | 一种用于侧视层析合成孔径雷达的三维聚焦成像方法 |
CN102053247A (zh) * | 2009-10-28 | 2011-05-11 | 中国科学院电子学研究所 | 一种多基线合成孔径雷达三维成像的相位校正方法 |
CN102445690A (zh) * | 2010-10-13 | 2012-05-09 | 中国科学院电子学研究所 | 合成孔径雷达三维成像的qr分解方法 |
CN104199032A (zh) * | 2014-08-29 | 2014-12-10 | 中国科学院电子学研究所 | 一种基于相关系数的层析sar成像的航迹分布优化方法 |
CN105279581A (zh) * | 2015-11-16 | 2016-01-27 | 电子科技大学 | 基于差分进化的geo-uav双基sar路径规划方法 |
CA2968794A1 (en) * | 2017-05-31 | 2018-11-30 | Institut National D'optique | Synthetic aperture imaging assisted by three-dimensional scanning imaging for height reconstruction |
CN110018474A (zh) * | 2019-01-25 | 2019-07-16 | 北京理工大学 | 基于地球同步轨道合成孔径雷达层析技术的三维成像方法 |
CN110146884A (zh) * | 2019-05-17 | 2019-08-20 | 西安电子科技大学 | 机动轨迹前侧视合成孔径雷达层析成像方法 |
CN111679277A (zh) * | 2020-05-28 | 2020-09-18 | 电子科技大学 | 一种基于sbrim算法的多基线层析sar三维成像方法 |
CN112099011A (zh) * | 2020-09-21 | 2020-12-18 | 中国科学院空天信息创新研究院 | 基于focuss算法的全息sar子孔径三维重建方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITTO20110526A1 (it) * | 2011-06-15 | 2012-12-16 | Thales Alenia Space Italia S P A C On Unico Socio | Acquisizione di immagini sar per calcolare una quota o un modello digitale di elevazione tramite elaborazioni interferometriche |
WO2018231515A1 (en) * | 2017-06-14 | 2018-12-20 | Bae Systems Information And Electronic Systems Integration Inc. | Satellite tomography of rain and motion via synthetic aperture |
-
2021
- 2021-06-29 CN CN202110729115.4A patent/CN113514828B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2017647A1 (en) * | 2007-07-19 | 2009-01-21 | Consiglio Nazionale delle Ricerche | Method for processing data sensed by a synthetic aperture radar (SAR) and related remote sensing system |
CN101581780A (zh) * | 2008-05-14 | 2009-11-18 | 中国科学院电子学研究所 | 一种用于侧视层析合成孔径雷达的三维聚焦成像方法 |
CN102053247A (zh) * | 2009-10-28 | 2011-05-11 | 中国科学院电子学研究所 | 一种多基线合成孔径雷达三维成像的相位校正方法 |
CN102445690A (zh) * | 2010-10-13 | 2012-05-09 | 中国科学院电子学研究所 | 合成孔径雷达三维成像的qr分解方法 |
CN104199032A (zh) * | 2014-08-29 | 2014-12-10 | 中国科学院电子学研究所 | 一种基于相关系数的层析sar成像的航迹分布优化方法 |
CN105279581A (zh) * | 2015-11-16 | 2016-01-27 | 电子科技大学 | 基于差分进化的geo-uav双基sar路径规划方法 |
CA2968794A1 (en) * | 2017-05-31 | 2018-11-30 | Institut National D'optique | Synthetic aperture imaging assisted by three-dimensional scanning imaging for height reconstruction |
CN110018474A (zh) * | 2019-01-25 | 2019-07-16 | 北京理工大学 | 基于地球同步轨道合成孔径雷达层析技术的三维成像方法 |
CN110146884A (zh) * | 2019-05-17 | 2019-08-20 | 西安电子科技大学 | 机动轨迹前侧视合成孔径雷达层析成像方法 |
CN111679277A (zh) * | 2020-05-28 | 2020-09-18 | 电子科技大学 | 一种基于sbrim算法的多基线层析sar三维成像方法 |
CN112099011A (zh) * | 2020-09-21 | 2020-12-18 | 中国科学院空天信息创新研究院 | 基于focuss算法的全息sar子孔径三维重建方法 |
Non-Patent Citations (2)
Title |
---|
合成孔径雷达三维成像——从层析、阵列到微波视觉;丁赤飚 等;《雷达学报》;第8卷(第6期);第693-709页 * |
非均匀立体构型分布式SAR层析成像技术研究;张福博;《中国优秀硕士学位论文全文数据库 信息科技辑》(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113514828A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9709673B2 (en) | Method and system for rendering a synthetic aperture radar image | |
Ran et al. | An autofocus algorithm for estimating residual trajectory deviations in synthetic aperture radar | |
Palm et al. | Radargrammetric DEM extraction over urban area using circular SAR imagery | |
US20110012778A1 (en) | Method and system for forming very low noise imagery using pixel classification | |
Soergel et al. | Stereo analysis of high-resolution SAR images for building height estimation in cases of orthogonal aspect directions | |
CN109597074B (zh) | 一种sar影像几何定位参数校正方法及系统 | |
Wang et al. | Large-scale orthorectification of GF-3 SAR images without ground control points for China’s land area | |
Newey et al. | Detection and imaging of moving targets with limit SAR data | |
CN108225309B (zh) | 通过地理配准增强多个原始传感器图像的方法和设备 | |
Domínguez et al. | A back-projection tomographic framework for VHR SAR image change detection | |
CN110596706B (zh) | 一种基于三维图像域投射变换的雷达散射截面积外推方法 | |
CN110865372B (zh) | 一种基于合成孔径雷达多方位观测的目标高度信息提取方法 | |
CN107797110A (zh) | 综合孔径投影辐射的系统成像方法及综合孔径投影辐射计 | |
CN112179314B (zh) | 一种基于三维网格投影的多角度sar高程测量方法及系统 | |
CN113514828B (zh) | 基于北斗卫星系统的船舶图像数据集应用方法及系统 | |
Schneider et al. | Matching of high-resolution optical data to a shaded DEM | |
CN110618409B (zh) | 顾及叠掩及阴影的多通道InSAR干涉图仿真方法及系统 | |
Ren et al. | Automated SAR reference image preparation for navigation | |
CN109959933B (zh) | 一种基于压缩感知的多基线圆迹合成孔径雷达成像方法 | |
Schlögel et al. | Sensor data integration for landslide monitoring—The LEMONADE concept | |
CN103048649A (zh) | 一种基于相变图分析的稀疏微波成像雷达性能评估方法 | |
CN113030968B (zh) | 基于csar模式提取dem的方法、装置及存储介质 | |
KR20200117602A (ko) | Sar 영상의 객체 응답 초해상도화 방법 및 객체 응답 초해상도화 장치 | |
Hallberg et al. | Measurements on individual trees using multiple VHF SAR images | |
Kim et al. | Digital surface model generation for drifting Arctic sea ice with low-textured surfaces based on drone images |
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 |