CN113555737A - 一种sar图像检测方法及系统 - Google Patents
一种sar图像检测方法及系统 Download PDFInfo
- Publication number
- CN113555737A CN113555737A CN202111089887.2A CN202111089887A CN113555737A CN 113555737 A CN113555737 A CN 113555737A CN 202111089887 A CN202111089887 A CN 202111089887A CN 113555737 A CN113555737 A CN 113555737A
- Authority
- CN
- China
- Prior art keywords
- variance
- pixels
- image
- sar image
- value
- 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
- H01—ELECTRIC ELEMENTS
- H01R—ELECTRICALLY-CONDUCTIVE CONNECTIONS; STRUCTURAL ASSOCIATIONS OF A PLURALITY OF MUTUALLY-INSULATED ELECTRICAL CONNECTING ELEMENTS; COUPLING DEVICES; CURRENT COLLECTORS
- H01R13/00—Details of coupling devices of the kinds covered by groups H01R12/70 or H01R24/00 - H01R33/00
- H01R13/62—Means for facilitating engagement or disengagement of coupling parts or for holding them in engagement
- H01R13/639—Additional means for holding or locking coupling parts together, after engagement, e.g. separate keylock, retainer strap
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/08—Mouthpieces; Microphones; Attachments therefor
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K5/00—Casings, cabinets or drawers for electric apparatus
- H05K5/02—Details
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种SAR图像检测方法及系统,方法包括:获取SAR图像的均值和方差,其中方差是根据SAR图像中所有像素的和的平方以及所有像素的平方的和确定的;根据均值和方差确定阈值,利用阈值分割SAR图像,得到分割图像并存储;根据分割图像中像素的地址信息,将分割图像划分为多个目标群;确定每个目标群的亮点,根据亮点对目标群排序,得到分割目标。本发明改进了方差的计算方式,使得处理过程中读取RAM的次数变少、计算量大幅减少,计算速度增加且不需要大量的存储单元,并且在计算均值时,使用截位法代替除法运算,减少了计算复杂度、降低了对数字处理单元的需求。
Description
技术领域
本发明属于图像检测与图像处理技术领域,具体是涉及一种SAR图像检测方法及系统。
背景技术
合成孔径雷达(Synthetic Aperture Radar,简称SAR)是一种高分辨率成像雷达,可以在能见度极低的气象条件下得到类似光学照相的高分辨雷达图像,具备全天时、全天候、高分辨、大幅宽等多种特点,广泛应用于军事侦察和遥感领域。随着SAR技术不断成熟,成像分辨率不断提高,使得通过SAR图像的目标检测技术受到越来越广泛的关注。
现有技术中的SAR图像检测,由于处理过程中的参数存在相关性、计算按串行方式处理,导致存在大量的计算,花费时间长、速度慢;同时,需要大量的存储单元完成新数据的缓存以及计算过程中数据的缓存,对存储单元及计算处理单元依赖性较大。
发明内容
本发明提供了一种SAR图像检测方法及系统,从而解决了现有技术中SAR图像检测存在的速度慢及对存储单元及计算处理单元依赖性大的技术问题。
本发明内容的第一方面公开了一种SAR图像检测方法,包括:
获取SAR图像的均值和方差,所述方差是根据所述SAR图像中所有像素的和的平方以及所有像素的平方的和确定的;
根据所述均值和所述方差确定阈值,利用所述阈值分割所述SAR图像,得到分割图像并存储;
根据所述分割图像中像素的地址信息,将所述分割图像划分为多个目标群;
确定每个所述目标群的亮点,根据所述亮点对所述目标群排序,得到分割目标。
优选地,所述方差根据第一公式确定,所述第一公式为:
优选地,所述获取SAR图像的均值,具体为:
使用截位法获取所述SAR图像的均值。
优选地,所述阈值根据第二公式确定,所述第二公式为:
优选地,所述利用所述阈值分割所述SAR图像,具体为:
将所述SAR图像的所有像素值均与所述阈值进行对比;
当所述像素值≥所述阈值时,保留所述像素值并存储;
当所述像素值<所述阈值时,不存储所述像素值,并将所述像素值对应的地址值设置为零。
优选地,根据所述分割图像中像素的地址信息,将所述分割图像划分为多个目标群,具体为:
根据所述分割图像中像素的地址信息,确定地址相邻的像素;
将地址相邻的像素划分为一个群,得到多个目标群。
优选地,所述确定每个所述目标群的亮点,具体为:
获取每个所述目标群中所述像素的幅度值;
判断所述幅度值是否符合预设条件,如是,则所述幅度值为所述目标群的亮点。
优选地,根据所述亮点对所述目标群排序,得到分割目标,具体为:
根据所述亮点对所述目标群排序,并根据所述目标群的亮点幅度值计算目标的重心,得到分割目标。
本发明内容的第二方面公开了一种SAR图像检测系统,包括:
参数获取模块,所述参数获取模块用于获取SAR图像的均值和方差,所述方差是根据所述SAR图像中所有像素的和的平方以及所有像素的平方的和确定的;
图像分割模块,所述图像分割模块用于根据所述均值和所述方差确定阈值,利用所述阈值分割所述SAR图像,得到分割图像并存储;
目标群确定模块,所述目标群确定模块用于根据所述分割图像中像素的地址信息,将所述分割图像划分为多个目标群;
结果确定模块,所述结果输出模块用于确定每个所述目标群的亮点,根据所述亮点对所述目标群排序,得到分割目标。
优选地,所述参数获取模块包括均值获取模块和方差获取模块;
所述均值获取模块包括求和单元和均值计算单元;
所述求和单元用于获取所述SAR图像中所有像素的幅度值的和;
所述均值计算单元,接收所述求和单元的输出结果,并利用截位法计算所述SAR图像的均值;
所述方差获取模块包括求平方和单元以及方差计算单元;
所述求平方和单元用于获取所述SAR图像中所有像素的平方和;
所述方差计算单元用于根据所述求和单元和所述求平方和单元的输出结果计算所述SAR图像的方差。
本发明改进了方差的计算方式,由现有技术中的先求均值,再在均值的基础上求方差演变成“求和的平方”和“求平方的和”;使得处理过程中读取RAM 的次数变少、计算量大幅减少,计算速度增加且不需要大量的存储单元。
本发明计算均值时,使用截位法代替除法运算,减少了计算复杂度、降低了对数字处理单元(DSP)的需求。
本发明分割图像时,其操作为依次比较运算,实现简单,计算量小。
附图说明
附图1为本发明的SAR图像检测方法的流程图;
附图2为本发明的SAR图像检测系统的结构示意图;
附图3为本发明的SAR图像检测详细的处理流程图。
图中,1为参数获取模块,2为图像分割模块,3为目标群确定模块,4为结果确定模块。
具体实施方式
下文将结合附图以及具体实施案例对本发明的技术方案做更进一步的详细说明。应当了解,下列实施例仅为示例性地说明和解释本发明,而不应被解释为对本发明保护范围的限制。凡基于本发明上述内容所实现的技术均涵盖在本发明旨在保护的范围内。
本发明内容的第一方面公开了一种SAR图像检测方法,如图1所示,包括:
步骤1、获取SAR图像的均值和方差,方差是根据SAR图像中所有像素的和的平方以及所有像素的平方的和确定的;步骤1具体为:
步骤1.1、使用截位法获取SAR图像的均值;
步骤1.2、根据第一公式确定SAR图像的方差,第一公式为:
上述步骤1.1和步骤1.2的顺序可更换,本发明在此不做限定。
步骤2、根据均值和方差确定阈值,利用阈值分割SAR图像,得到分割图像并存储,具体为:
步骤2.1、根据第二公式确定阈值,第二公式为:
步骤2.1、将SAR图像的所有像素值均与阈值进行对比;
当像素值≥阈值时,保留像素值并存储;
当像素值<阈值时,不存储像素值,并将像素值对应的地址值设置为零。
步骤3、根据分割图像中像素的地址信息,将分割图像划分为多个目标群,具体为:
步骤3.1、根据分割图像中像素的地址信息,确定地址相邻的像素;
步骤3.2、将地址相邻的像素划分为一个群,得到多个目标群。
步骤4、确定每个目标群的亮点,根据亮点对目标群排序,得到分割目标,具体为:
步骤4.1、获取每个目标群中像素的幅度值;
步骤4.2、判断幅度值是否符合预设条件,如是,则幅度值为目标群的亮点。
步骤4.3、根据亮点对目标群排序,并根据目标群的亮点幅度值计算目标的重心,得到分割目标。
本发明内容的第二方面公开了一种SAR图像检测系统,其结构见图2,包括参数获取模块1、图像分割模块2、目标群确定模块3和结果确定模块4。
其中,参数获取模块1用于获取SAR图像的均值和方差,方差是根据SAR图像中所有像素的和的平方以及所有像素的平方的和确定的;
图像分割模块2用于根据均值和方差确定阈值,利用阈值分割SAR图像,得到分割图像并存储;
目标群确定模块3用于根据分割图像中像素的地址信息,将分割图像划分为多个目标群;
结果输出模块4用于确定每个目标群的亮点,根据亮点对目标群排序,得到分割目标。
进一步地,参数获取模块1包括均值获取模块和方差获取模块;
均值获取模块包括求和单元和均值计算单元;
求和单元用于获取SAR图像中所有像素的幅度值的和;
均值计算单元,接收求和单元的输出结果,并利用截位法计算SAR图像的均值;
方差获取模块包括求平方和单元以及方差计算单元;
求平方和单元用于获取SAR图像中所有像素的平方和;
方差计算单元用于根据求和单元和求平方和单元的输出结果计算SAR图像的方差。
下面将以具体的实施例详述本申请。该具体实施例将本申请的SAR图像检测方法应用于FPGA上。SAR图像检测方法在FPGA上的应用过程如图3所示,包括:
(1)RAM中存储有待检测目标的SAR图像,然后RAM读控制读取RAM中的SAR图像,并输出两路数据,一路数据输出至求和单元,一路数据输出至求平方和单元,分别用于计算均值和方差,由于均值和方差运算的延时不等,因此采用延迟对齐的方式使得两者的计算同步。
其中,方差的公式如下:
本实施例由现有技术中的先求均值,再在均值的基础上求方差演变成“求和的平方”和“求平方的和”,使得处理过程中读取RAM 的次数变少、计算量大量减少。
其中求和单元为像素幅度累加,以其输出用于计算平均值,在一个具体的实施例中,像素位宽为29;求平方和单元为像素能量累加运算,在一个具体的实施例中,像素位宽为37;在计算均值过程中,使用截位的方式,代替除法运算,减少了计算复杂度和DSP资源的需求,其在代码中实现如下:
上述像素位宽也可以为其他值,本实施例在此不作限定。
(2)根据均值和方差,计算出阈值;超过阈值的认为是一个像素亮点。
(3)再次读取RAM中的值,结合(2)中的阈值对SAR图像进行阈值分割;高于阈值的保留原始像素值,低于阈值的不存储并把该地址的值设置为0。该分割过程操作为依次比较运算,实现简单;同时,本实施例根据系统资源进行相应的存储方法设计,最大占用存储空间1280KB。
(4)根据分割图像中像素的地址信息,确定地址相邻的像素,将地址相邻的像素归为一个群,得到多个目标群,根据各群在地址上横向与纵向空间不可能重叠进行邻域判断,并且选取幅度值最大的值作为该群的最亮点。
(5)排序模块对最后的目标群的各个亮点的最大值进行群排序,采用经典的1/2排序法进行排序,并根据目标群各亮点幅度值对各个目标的重心进行计算。输出序列的前M个目标,本实施例中M=20-40,优选为30,即为分割目标。其中根据目标群各亮点幅度值对各个目标的重心进行计算的目的是下一次分割做准备。
本申请的SAR图像检测方法能提高系统的实时性,同时降低了对存储资源,专用的DSP(计算处理单元)的依赖。
Claims (9)
1.一种SAR图像检测方法,其特征是,包括:
获取SAR图像的均值和方差,所述SAR图像的均值是利用截位法确定的,所述方差是根据所述SAR图像中所有像素的和的平方以及所有像素的平方的和确定的;
根据所述均值和所述方差确定阈值,利用所述阈值分割所述SAR图像,得到分割图像并存储;
根据所述分割图像中像素的地址信息,将所述分割图像划分为多个目标群;
确定每个所述目标群的亮点,根据所述亮点对所述目标群排序,得到分割目标。
4.如权利要求1所述的方法,其特征是,所述利用所述阈值分割所述SAR图像,具体为:
将所述SAR图像的所有像素值均与所述阈值进行对比;
当所述像素值≥所述阈值时,保留所述像素值并存储;
当所述像素值<所述阈值时,不存储所述像素值,并将所述像素值对应的地址值设置为零。
5.如权利要求1所述的方法,其特征是,根据所述分割图像中像素的地址信息,将所述分割图像划分为多个目标群,具体为:
根据所述分割图像中像素的地址信息,确定地址相邻的像素;
将地址相邻的像素划分为一个群,得到多个目标群。
6.如权利要求5所述的方法,其特征是,所述确定每个所述目标群的亮点,具体为:
获取每个所述目标群中所述像素的幅度值;
判断所述幅度值是否符合预设条件,如是,则所述幅度值为所述目标群的亮点。
7.如权利要求1所述的方法,其特征是,根据所述亮点对所述目标群排序,得到分割目标,具体为:
根据所述亮点对所述目标群排序,并根据所述目标群的亮点幅度值计算目标的重心,得到分割目标。
8.一种SAR图像检测系统,其特征是,包括:
参数获取模块,所述参数获取模块用于获取SAR图像的均值和方差,所述方差是根据所述SAR图像中所有像素的和的平方以及所有像素的平方的和确定的;
图像分割模块,所述图像分割模块用于根据所述均值和所述方差确定阈值,利用所述阈值分割所述SAR图像,得到分割图像并存储;
目标群确定模块,所述目标群确定模块用于根据所述分割图像中像素的地址信息,将所述分割图像划分为多个目标群;
结果确定模块,所述结果输出模块用于确定每个所述目标群的亮点,根据所述亮点对所述目标群排序,得到分割目标。
9.如权利要求8所述的系统,其特征是,所述参数获取模块包括均值获取模块和方差获取模块;
所述均值获取模块包括求和单元和均值计算单元;
所述求和单元用于获取所述SAR图像中所有像素的幅度值的和;
所述均值计算单元,接收所述求和单元的输出结果,并利用截位法计算所述SAR图像的均值;
所述方差获取模块包括求平方和单元以及方差计算单元;
所述求平方和单元用于获取所述SAR图像中所有像素的平方和;
所述方差计算单元用于根据所述求和单元和所述求平方和单元的输出结果计算所述SAR图像的方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111089887.2A CN113555737B (zh) | 2021-09-17 | 2021-09-17 | 一种sar图像检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111089887.2A CN113555737B (zh) | 2021-09-17 | 2021-09-17 | 一种sar图像检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113555737A true CN113555737A (zh) | 2021-10-26 |
CN113555737B CN113555737B (zh) | 2021-12-17 |
Family
ID=78134606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111089887.2A Active CN113555737B (zh) | 2021-09-17 | 2021-09-17 | 一种sar图像检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113555737B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114911832A (zh) * | 2022-05-19 | 2022-08-16 | 芯跳科技(广州)有限公司 | 一种数据处理方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100512374C (zh) * | 2007-12-05 | 2009-07-08 | 北京航空航天大学 | 一种基于阈值分割的图像边缘检测方法 |
CN103927741B (zh) * | 2014-03-18 | 2017-02-01 | 中国电子科技集团公司第十研究所 | 增强目标特征的sar图像合成方法 |
CN106485673B (zh) * | 2016-09-19 | 2018-12-18 | 电子科技大学 | 一种对海面sar图像的滤波方法 |
CN105976376B (zh) * | 2016-05-09 | 2020-02-18 | 电子科技大学 | 一种基于部件模型的高分辨sar图像目标检测方法 |
CN107103283B (zh) * | 2017-03-24 | 2020-04-28 | 中国科学院计算技术研究所 | 一种sar图像舰船目标几何特征并行提取方法与装置 |
US10698104B1 (en) * | 2018-03-27 | 2020-06-30 | National Technology & Engineering Solutions Of Sandia, Llc | Apparatus, system and method for highlighting activity-induced change in multi-pass synthetic aperture radar imagery |
CN112558066A (zh) * | 2020-10-30 | 2021-03-26 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 双极化sar图像系统 |
CN107808383B (zh) * | 2017-10-13 | 2021-04-02 | 上海无线电设备研究所 | 一种强海杂波下sar图像目标快速检测方法 |
CN112634217A (zh) * | 2020-12-17 | 2021-04-09 | 中国人民解放军火箭军工程大学 | 一种sar图像区域变化检测方法 |
-
2021
- 2021-09-17 CN CN202111089887.2A patent/CN113555737B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100512374C (zh) * | 2007-12-05 | 2009-07-08 | 北京航空航天大学 | 一种基于阈值分割的图像边缘检测方法 |
CN103927741B (zh) * | 2014-03-18 | 2017-02-01 | 中国电子科技集团公司第十研究所 | 增强目标特征的sar图像合成方法 |
CN105976376B (zh) * | 2016-05-09 | 2020-02-18 | 电子科技大学 | 一种基于部件模型的高分辨sar图像目标检测方法 |
CN106485673B (zh) * | 2016-09-19 | 2018-12-18 | 电子科技大学 | 一种对海面sar图像的滤波方法 |
CN107103283B (zh) * | 2017-03-24 | 2020-04-28 | 中国科学院计算技术研究所 | 一种sar图像舰船目标几何特征并行提取方法与装置 |
CN107808383B (zh) * | 2017-10-13 | 2021-04-02 | 上海无线电设备研究所 | 一种强海杂波下sar图像目标快速检测方法 |
US10698104B1 (en) * | 2018-03-27 | 2020-06-30 | National Technology & Engineering Solutions Of Sandia, Llc | Apparatus, system and method for highlighting activity-induced change in multi-pass synthetic aperture radar imagery |
CN112558066A (zh) * | 2020-10-30 | 2021-03-26 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 双极化sar图像系统 |
CN112634217A (zh) * | 2020-12-17 | 2021-04-09 | 中国人民解放军火箭军工程大学 | 一种sar图像区域变化检测方法 |
Non-Patent Citations (1)
Title |
---|
刘进立: "SAR图像分割与特征提取方法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114911832A (zh) * | 2022-05-19 | 2022-08-16 | 芯跳科技(广州)有限公司 | 一种数据处理方法及装置 |
CN114911832B (zh) * | 2022-05-19 | 2023-06-23 | 芯跳科技(广州)有限公司 | 一种数据处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113555737B (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108960190B (zh) | 基于fcn图像序列模型的sar视频目标检测方法 | |
CN107423734B (zh) | 一种sar图像海洋目标快速检测方法与装置 | |
CN107403451B (zh) | 自适应二值特征单目视觉里程计方法及计算机、机器人 | |
CN113160106B (zh) | 红外目标检测方法及装置、电子设备、存储介质 | |
US9251418B2 (en) | Method of detection of points of interest in a digital image | |
CN103093458B (zh) | 关键帧的检测方法及装置 | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN110659545B (zh) | 车辆识别模型的训练方法、车辆识别方法、装置和车辆 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN113555737B (zh) | 一种sar图像检测方法及系统 | |
CN112818905B (zh) | 一种基于注意力和时空信息的有限像素车辆目标检测方法 | |
CN110276318A (zh) | 夜间公路下雨识别方法、装置、计算机设备及存储介质 | |
CN116258940A (zh) | 一种多尺度特征及自适应权重的小目标检测方法 | |
CN114415173A (zh) | 一种高鲁棒性雷视融合的透雾目标识别方法 | |
CN112102316B (zh) | 产品缺陷位置分布获取方法和装置 | |
CN109544574B (zh) | 基于全固态vts雷达的目标提取方法 | |
CN112101113A (zh) | 一种轻量化的无人机图像小目标检测方法 | |
CN114943903A (zh) | 一种针对无人机航空图像的自适应分簇目标检测方法 | |
KR20230082344A (ko) | 기계학습 기반의 광학위성영상 자동 운량분석시스템 및 자동 운량분석방법 | |
Sun et al. | Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection | |
CN108280819B (zh) | 一种双载荷遥感图像融合方法 | |
CN113406625A (zh) | 一种sar图像超像素滑窗cfar检测方法 | |
CN108764144B (zh) | 一种基于gpu的合成孔径雷达目标检测方法 | |
CN110187319B (zh) | 一种用于vts雷达的目标分辨方法 | |
CN116030367B (zh) | 一种无人机视角动目标检测方法及装置 |
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 |