CN114202585B - 低慢小飞行器光电多波段探测组网与智能压缩传输方法 - Google Patents

低慢小飞行器光电多波段探测组网与智能压缩传输方法 Download PDF

Info

Publication number
CN114202585B
CN114202585B CN202210146442.1A CN202210146442A CN114202585B CN 114202585 B CN114202585 B CN 114202585B CN 202210146442 A CN202210146442 A CN 202210146442A CN 114202585 B CN114202585 B CN 114202585B
Authority
CN
China
Prior art keywords
image
target
target object
photoelectric
detection
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
Application number
CN202210146442.1A
Other languages
English (en)
Other versions
CN114202585A (zh
Inventor
张天序
刘建
刘应状
郭婷
王甜
郭诗嘉
徐海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202210146442.1A priority Critical patent/CN114202585B/zh
Publication of CN114202585A publication Critical patent/CN114202585A/zh
Application granted granted Critical
Publication of CN114202585B publication Critical patent/CN114202585B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10048—Infrared image

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明提供低慢小飞行器光电多波段探测组网与智能压缩传输方法，包括：利用光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别，获取包含至少一个目标物的多波段图像及位置信息；对各个波段图像中的每个目标物对应的疑似目标区域进行切片，得到每个目标物的切片图像；当目标物距离光电多波段探测组网的距离在第一预设距离范围内时，将短波、中波以及长波红外图像进行对外传输；当目标物距离光电多波段探测组网的距离在第二预设距离范围内时，将可见光、短波红外、中波红外以及长波红外图像进行对外传输；对外传输所述图像时，将目标物的切片图像进行无损压缩；对背景图像进行有损压缩。本发明最大程度利用传输带宽，且保证了传输效率。

Description

低慢小飞行器光电多波段探测组网与智能压缩传输方法
技术领域
本发明属于光电探测领域，更具体地，涉及一种低慢小飞行器光电多波段探测组网与智能压缩传输方法。
背景技术
对空中低慢小目标多波段探测识别时，需要监视到目标的图像数据、视频数据、目标方位、仰角、目标特性及分类识别信息等各个数据，一台装备无法通过激光主动测距满足全方位监视空中目标的需求，需要多台设备互联合作，共同探测获得目标的多波段数据。为解决这个问题，需要利用多台设备建立一种新型组网探测系统，实现立体视觉联合探测，提升了对空目标的被动测距、发现识别、理解分析、响应处置的能力，实现对复杂场景的态势感知，以便更好的维护机场安全。
在机场空域环境下，面临对空中低慢小目标多波段探测识别时，需将目标相关信息传输给控制中心。传统压缩技术是对数据整体压缩，以图像数据为例，传统压缩技术通常将目标、背景数据统一有损或者无损压缩，导致如果统一有损压缩后有效信息减少，如果统一无损压缩后数据传输在有限时间内无法满足传输带宽要求。为解决这个问题，我们需要将目标、背景多波段数据分类压缩传输存储，在传输带宽一定的条件下，最大程度的将目标数据传输给控制中心。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种低慢小飞行器光电多波段探测组网与智能压缩传输方法，旨在解决现有机场空域环境下，一台设备无法满足全方位监视空中目标的需求，且传统压缩技术将数据统一有损压缩后有效信息减少，统一无损压缩后数据传输在有限时间内无法满足传输带宽要求的问题。
为解决这个问题，本发明提出利用多台设备建立一种新型组网探测系统，实现立体视觉联合探测，并将目标、背景多波段数据分类压缩传输存储技术，在传输带宽一定的条件下，最大程度的将目标数据传输给控制中心。
为实现上述目的，本发明提供了一种低慢小飞行器光电多波段探测组网与智能压缩传输方法，包括如下步骤：
利用光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别，获取包含至少一个目标物的多波段图像；所述多波段图像包括：可见光图像、短波红外图像、中波红外图像以及长波红外图像；所述目标物为低慢小飞行器；
对各个波段图像中的每个目标物对应的疑似目标区域进行切片，得到每个目标物的切片图像；其中，当图像中的目标物尺寸小于预设尺寸时，按照目标物外接矩形框的预设倍数完成切片，当图像中的目标物尺寸大于或等于预设尺寸时，按照目标物外接矩形框外延预设像素值完成切片；
当目标物距离光电多波段探测组网的距离在第一预设距离范围内时，将短波红外图像、中波红外图像以及长波红外图像三个波段的图像数据进行对外传输；当目标物距离光电多波段探测组网的距离在第二预设距离范围内时，将可见光图像、短波红外图像、中波红外图像以及长波红外图像四个波段的图像数据进行对外传输；所述第一预设距离的最大值小于或等于第二预设距离的最小值；
对外传输所述图像数据时，将目标物的切片图像进行无损压缩；对背景图像进行有损压缩；所述背景图像为除目标物切片区域外的图像。
在一个可选的示例中，所述光电多波段探测组网包括多台光电探测设备，所述多台光电探测设备按预设半径相对均匀分布，每台光电探测设备均对低慢小飞行器进行多波段探测识别，所述多台光电探测设备还对目标物的多机联合定位，使得光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别。
在一个可选的示例中，该方法还包括如下步骤：
利用光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别，得到目标识别信息；所述目标识别信息包括：目标物的方位、仰角、距离以及分类类别信息；
根据所述目标识别信息确定目标物距离光电多波段探测组网的距离；
将所述目标识别信息对外传输。
在一个可选的示例中，将所述光电多波段探测组网检测的数据对外传输时：
对所述目标识别信息优先分配带宽传输；对所述图像数据次优先分配带宽传输；最后再给背景区域的图像分配带宽传输。
在一个可选的示例中，通过目标物距离光电多波段探测组网的距离判断四个波段图像中所要对外传输的图像，使得传输目标物切片图像的压缩数据和所述目标识别信息所占用的总带宽小于预设带宽值，以保证有限带宽下有损压缩的背景图像的传输速度满足需求。
在一个可选的示例中，采用基于JPEG-LS的图像压缩算法实现有损压缩或无损压缩。
本发明提出一种低慢小飞行器多波段探测识别组网与大数据智能压缩传输存储技术。新型组网技术不仅能够快速部署，易于扩展，节省频率资源，可实现多机互联探测、立体视觉多机联合定位。大数据智能压缩传输系统可实现在一定带宽条件下，进行目标有效信息传输，满足各种环境下的传输要求。
对于新型组网探测系统，由于光电探测系统同时具备光纤通讯和无线通讯，设备之间具备相互通讯的能力，因此多机之间可以相互通信并传递信息，从而可实现多机联合探测，并进一步提高检测准确率。此外，由于多机探测具备立体视觉能力，可实现多机联合定位目标，返回比雷达探测结果更高的目标位置、速度和状态信息。
具体地，多台光电探测设备可以圆心为中心，按半径30km分布，因探测设备具有红外成谱能力，可以进一步提高弱小目标的检测识别距离，因此，中心30km范围内及外围一定区域均可实现多机联合识别并精准定位。考虑到对一般弱小目标的检测能力不小于40km，因此，对疑似目标的多机联合定位区域范围将更大。在雷达引导光电探测设备探测对应目标后，多台设备可同时在小区域搜索和截获目标，由于设备都具备自主定位和定向能力，可结合立体视觉实现目标的精准定位，并向其他设备或控制中心传递更多的疑似目标运动信息。
多机联合定位的基本方法为：在已知两台光电设备的空间关系和内部参数的情况下，可以利用相机成像模型即成像映射矩阵的和最小二乘方法来重建空间点坐标。
对于空间某一点P，在光电探测设备C1上的映射点为p1，其图像坐标为(u1，v1)，在光电探测设备C2上的映射点为p2，其图像坐标为(u2，v2)。若假定光电探测设备C1的光心为O1，光电探测设备C2的光心为O2，由成像的针孔模型可知，点P既在O1P1的连线上，又在O2P2的连线上，即点P为O1P1和O2P2的交点，因此，利用最小二乘原理，解线性方程组就可以把点P的空间位置坐标唯一确定下来。
每台光电探测设备均可以实现对空中低慢小目标的多波段探测识别（举例：白天状态下为对空目标的多波段图像数据，晚上无太阳照射条件下以对空目标的中波、长波红外图像数据为主），对空目标的多波段数据信息形成多个重叠共光轴相面。此处，仅以C1,C2光电探测设备某一波段形成的相面M1,M2为例对多级联合定位进行说明。
在以下的讨论中，假定空间任意经纬度坐标点P在两台光电探测设备C1和C2上的图像点P1和P2已为对应点。
由坐标转换关系，对于卫星相机，空间轨迹点P的地球坐标(X, Y, Z)与P的映像点图像坐标的关系下式所示：
Figure DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
为相机k的定标矩阵系数，ZCi为(X, Y, Z)在第i颗卫星相机坐标系下的Zc轴坐标，(ui, vi)为轨迹点(X, Y, Z)在第i颗卫星相机成像面上的映射点坐标。
上式中，i=1, 2，消去ZCi，可得到关于X, Y, Z的四个线性方程：
Figure DEST_PATH_IMAGE003
其中(u1, v1)，(u2, v2)为双相机成像面上的同名点P1, P2的图像坐标，在实际应用中，由于数据总是有噪声的，故可用最小二乘法求出(X, Y, Z)。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明提供了一种低慢小飞行器光电多波段探测组网与智能压缩传输方法，本发明采用光纤与无线网络结合的方法实现多机互联探测、立体视觉多机联合定位，返回比雷达探测结果更多的目标位置、速度和状态信息。压缩系统根据压缩任务的特点来决定采取何种压缩算法，该压缩算法不仅能够针对滤除背景的目标数据和背景图像分类进行无损压缩和有损压缩，满足对于目标与背景数据分类压缩存储的需求。
在数据传输过程中，本发明可以要满足以下传输要求：①输出各通道图像数据、视频数据和目标方位、仰角、目标特性及分类识别信息；②信息传输带宽≤A Mbit/s，其中，A可以根据对图像数据的传输速度需求来设定；③具备基于图像的目标检测和提取能力；④原始图像数据、视频数据可本地存储。因此本发明可以将组网探测数据成功有效地传输到控制端，实现在一定带宽条件下，进行目标有效信息传输，满足各种环境下的传输要求。
附图说明
图1是本发明实施例提供的一种低慢小飞行器光电多波段探测组网与智能压缩传输方法流程图；
图2是本发明实施例提供的一种多机联合探测的示意图；
图3是本发明实施例提供的双光电探测设备地理坐标观察空间点的示意图；
图4是本发明实施例提供的一种低慢小飞行器光电多波段探测组网与智能压缩传输方法的总流程图；
图5是本发明实施例提供的大尺寸目标局部切片示意图；
图6是本发明实施例提供的JPEG-LS算法结构框图；
图7是本发明实施例提供的小尺寸目标局部切片示意图；
图8是本发明实施例提供的不同波段目标局部图像切片传输带宽图；
图9是本发明实施例提供的传输目标局部图像切片带宽图；
在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：10表示目标物，20表示目标物外接矩形，30表示目标物切片，40表示实时图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
针对光电探测系统组网和大数据智能压缩传输存储方面现有技术的以上缺陷或改进需求，本发明采用光纤与无线网络结合的方法实现多机互联探测、立体视觉多机联合定位，返回比雷达探测结果更多的目标位置、速度和状态信息。压缩系统根据压缩任务的特点来决定采取何种压缩算法，该压缩算法不仅能够针对滤除背景的目标数据和背景图像分类进行有损压缩和无损压缩，满足对于目标与背景数据分类压缩存储的需求。
在数据传输过程中，要想将数据成功有效地传输到控制端，首先必须要满足传输要求：①输出各通道图像数据、视频数据和目标方位、仰角、目标特性及分类识别信息；②信息传输带宽≤A Mbit/s，其中，A可以根据对图像数据的传输速度需求来设定；③具备基于图像的目标检测和提取能力；④原始图像数据、视频数据可本地存储。
图1是本发明实施例提供的一种低慢小飞行器光电多波段探测组网与智能压缩传输方法，如图1所示，包括如下步骤：
S101，利用光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别，获取包含至少一个目标物的多波段图像；所述多波段图像包括：可见光图像、短波红外图像、中波红外图像以及长波红外图像；所述目标物为低慢小飞行器；
S102，对各个波段图像中的每个目标物对应的疑似目标区域进行切片，得到每个目标物的切片图像；其中，当图像中的目标物尺寸小于预设尺寸时，按照目标物外接矩形框的预设倍数完成切片，当图像中的目标物尺寸大于或等于预设尺寸时，按照目标物外接矩形框外延预设像素值完成切片；
S103，当目标物距离光电多波段探测组网的距离在第一预设距离范围内时，将短波红外图像、中波红外图像以及长波红外图像三个波段的图像数据进行对外传输；当目标物距离光电多波段探测组网的距离在第二预设距离范围内时，将可见光图像、短波红外图像、中波红外图像以及长波红外图像四个波段的图像数据进行对外传输；所述第一预设距离的最大值小于或等于第二预设距离的最小值；
S104，对外传输所述图像数据时，将目标物的切片图像进行无损压缩；对背景图像进行有损压缩；所述背景图像为除目标物切片区域外的图像。
在一个可选的示例中，该方法还包括如下步骤：
利用光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别，得到目标识别信息；所述目标识别信息包括：目标物的方位、仰角、距离以及分类类别信息；
根据所述目标识别信息确定目标物距离光电多波段探测组网的距离；
将所述目标识别信息对外传输。
在一个可选的示例中，将所述光电多波段探测组网检测的数据对外传输时：
对所述目标识别信息优先分配带宽传输；对所述图像数据次优先分配带宽传输；最后再给背景区域的图像分配带宽传输。
在一个可选的示例中，通过目标物距离光电多波段探测组网的距离判断四个波段图像中所要对外传输的图像，使得传输目标物切片图像的压缩数据和所述目标识别信息所占用的总带宽小于预设带宽值，以保证有限带宽下有损压缩的背景图像的传输速度满足需求。
本发明提出一种低慢小飞行器多波段探测识别组网与大数据智能压缩传输存储技术。新型组网技术不仅能够快速部署，易于扩展，节省频率资源，可实现多机互联探测、立体视觉多机联合定位。大数据智能压缩传输系统可实现在一定带宽条件下，进行目标有效信息传输，满足各种环境下的传输要求。
对于新型组网探测系统，由于光电探测系统同时具备光纤通讯和无线通讯，设备之间具备相互通讯的能力，因此多机之间可以相互通信并传递信息，从而可实现多机联合探测，并进一步提高检测准确率。此外，由于多机探测具备立体视觉能力，可实现多机联合定位目标的能力，可返回比雷达探测结果更高的目标位置、速度和状态信息。
图2展示了一种多机联合探测的示意图，五台光电探测设备可以圆心为中心，按半径30km分布（原点相对均匀地分布在圆圈边上），因探测设备具有红外成谱能力，可以进一步提高弱小目标的检测识别距离，因此，中心30km范围内及外围一定区域均可实现多机联合识别并精准定位。考虑到对一般弱小目标的检测能力不小于40km，因此，对疑似目标的多机联合定位区域范围将更大。图2中展示了多机联合定位无人机的示意图。在雷达引导光电探测设备探测对应目标后，多台设备可同时在小区域搜索和截获目标，由于设备都具备自主定位和定向能力，可结合立体视觉实现目标的精准定位，并向其他设备或控制中心传递更多的疑似目标运动信息。
在一个具体的示例中，利用光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别多机联合定位的基本方法为：在已知两台光电设备的空间关系和内部参数的情况下，可以利用相机成像模型即成像映射矩阵的和最小二乘方法来重建空间点坐标。
对于空间某一点P，在光电探测设备C1上的映射点为p1，其图像坐标为(u1，v1)，在光电探测设备C2上的映射点为p2，其图像坐标为(u2，v2)。若假定光电探测设备C1的光心为O1，光电探测设备C2的光心为O2，由成像的针孔模型可知，点P既在O1P1的连线上，又在O2P2的连线上，即点P为O1P1和O2P2的交点，因此，利用最小二乘原理，解线性方程组就可以把点P的空间位置坐标唯一确定下来。
每台光电探测设备均可以实现对空中低慢小目标的多波段探测识别（举例：白天状态下为对空目标的多波段图像数据，晚上无太阳照射条件下以对空目标的中波、长波红外图像数据为主），对空目标的多波段数据信息形成多个重叠共光轴相面。此处，仅以C1,C2光电探测设备某一波段形成的相面M1,M2为例对多级联合定位进行说明。
在以下的讨论中，假定空间任意经纬度坐标点P在两台光电探测设备C1和C2上的图像点P1和P2已为对应点。两台光电探测设备和空间点的关系如图3所示。
由坐标转换关系，对于卫星相机，空间轨迹点P的地球坐标(X, Y, Z)与P的映像点图像坐标的关系下式所示：
Figure 690685DEST_PATH_IMAGE001
其中，
Figure 765083DEST_PATH_IMAGE002
为相机k的定标矩阵系数，ZCi为(X, Y, Z)在第i颗卫星相机坐标系下的Zc轴坐标，(ui, vi)为轨迹点(X, Y, Z)在第i颗卫星相机成像面上的映射点坐标。
上式中，i=1, 2，消去ZCi，可得到关于X, Y, Z的四个线性方程：
Figure DEST_PATH_IMAGE004
其中(u1, v1)，(u2, v2)为双相机成像面上的同名点P1, P2的图像坐标，在实际应用中，由于数据总是有噪声的，故可用最小二乘法求出(X, Y, Z)。
在一个可选的示例中，将所述光电多波段探测组网检测的数据对外传输时：
对所述目标识别信息优先分配带宽传输；对所述图像数据次优先分配带宽传输；最后再给背景区域的图像分配带宽传输。
在一个可选的示例中，通过目标物距离光电多波段探测组网的距离判断四个波段图像中所要对外传输的图像，使得传输目标物切片图像的压缩数据和所述目标识别信息所占用的总带宽小于预设带宽值，以保证有限带宽下有损压缩的背景图像的传输速度满足需求。
在一个具体实施例中，机场空域环境下，带宽传输要求2Mbit/s，信息处理系统在优先传输目标方位、仰角、目标特性及分类识别信息的条件下，会将检测的疑似目标区域切片无损传输给控制机构或者其他探测设备，并在带宽剩余条件下动态分配带宽，尽可能传输有损压缩的背景图像。数据传输智能压缩编码与动态带宽分配流程图如图4所示：
在各个波段完成图像检测识别数据处理后，在软件层面完成目标状态信息及图像信息的压缩编码传输，实现50Hz目标信息传输并在充分利用2Mbit/s的带宽的基础上实现图像的疑似目标区域传输与全图传输。
将实时拍摄的多波段图像数据、光谱数据和距离信息存储在本地，而将疑似目标的切片区域和检测结果实时对外传输并合理安排满足带宽不高于A(Mbit/s)。
在图像中只需传输疑似目标切片。设备采集频率为M帧，每个图像拟传输N个切片，设置某目标压缩比值为m，采用无损压缩的方式传输。计算不同距离条件下目标带宽情况，计算所有波段的关键信息总和为DMb，由此，为保证最少L个目标的关键信息传输，信息传输与通信系统会分配约B(Mbit/s)的带宽，而剩余的带宽A-B(Mbit/s)可以用于传递目标的局部图像切片和背景图像，于是可计算出传输一帧有损压缩的背景帧数据需要P秒。具体地，A可以根据对有损压缩的背景帧数据传输速度需求来设定，在以下具体实施例中，以将A设为2进行举例说明，另外，本领域技术人员可以理解的是，A也可根据实际需求设为其他值。
本发明中的数据压缩模块主要分为有损压缩软件和无损压缩模块两个部分。对目标数据无损压缩，对背景数据有损压缩，目标区域和背景区域示意图如图5所示，图5中：10表示目标物，20表示目标物外接矩形，30表示目标物切片，40表示实时图像。
本发明采用基于JPEG-LS的图像压缩算法实现对实时图像的压缩，支持无损/有损压缩。如图6所示，在图6中，包含普通模式和游程模式，具体选择哪种编码模式，是根据上下文信息来确定，当图像中有大块区域像素灰度比较平滑时候，将自动进入游程编码模式来提高压缩比。JPEG-LS算法对图像压缩过程中，不需要对图像进行离散余弦变换(DCT)和算数编码等，只进行预测和Golomb-Rice编码，具有算法复杂度低、易于硬件加速的特点。
本发明采纳的数据传输软件方案经试验是成功的，经验上红外图像具备3倍左右的压缩比，考虑到天空背景的相对单一性，相信可见光和多波段红外图像可以取得更高的压缩比，具备疑似目标切片传输与检测结果的实时传输能力，具备满足信息传输不低于50Hz的技术指标要求。同时，原始图像分别是4096×4096、640×512、1280×1024、640×512，假设所有图像保存原始位图数据（16位），则所有图像一帧合计约有768Mbit的可见光三通道数据和30Mbit的红外数据。
因为天空背景相对干净，压缩比普遍较高。经过试验，各波段的无损和有损压缩比均值如下表1所示：
表1多波段图像压缩试验比值表
Figure DEST_PATH_IMAGE005
上述试验测试数据是基于高分辨率像素图像实验得到的结果，而红外图像目标切片大小往往不大（典型空中小目标约9像素@40km），不可能具备高无损压缩比值，因此，短波红外、中波红外、长波红外的目标局部图像切片在无损压缩过程中，压缩比值定义为2.5。而背景区域的有损压缩考虑到2Mbit/s的宽带仍然十分有限，因此必须合理分配带宽。因为语音通讯传输是间歇工作，其所占带宽十分有限，因此分析过程中暂时忽略其影响，仅从占比较大的图像分析。
将实时拍摄的多波段图像数据、光谱数据和距离信息存储在本地，而将疑似目标的切片区域和检测结果实时对外传输并合理安排满足带宽不高于2Mbit/s。
具体地，从极限情况考虑，假设目标同时出现在4波段图像的公共视场区域内，则此时需要传输的疑似目标区域切片最多。考虑到探测视场极小，一个视场内几乎不可能出现超过5个目标。假设目标局部切片是按如图5所示进行切片。
其中，当目标尺度极小时（如小于5×5），则直接按外接矩形框的3倍完成，当目标尺度大于5×5时，则按目标外接矩形框外延5个像素完成目标切片，如图7所示。最后可得到典型空中小目标的水平距离与所需数据带宽关系为图8所示，可得出当目标距离大于20km时，各波段数据都小于特性值2Mbit/s的带宽。
将四波段数据相加后，得到如图9所示曲线，明显可得当只传输除可见光以外的其他波段数据时，距离在10km以上才可保证带宽在2Mbit/s以内，而当传输所有波段时，距离在30km以上才可保证带宽在2Mbit/s以内。
综上，在一个可行的示例中，可设在目标距离10km至50km这个范围时，若目标距离大于30km，四个波段所有目标数据传输所需的带宽在2Mbit/s内，可将4个波段的目标数据全部进行传输；若当距离小于30km时，考虑到带宽情况，仅传输短中长三个红外波段的目标数据。
相关数据统计如表2所示：
表2距离与传输带宽的关系表
Figure DEST_PATH_IMAGE006
在带宽剩余的情况下，信息传输与通信系统会动态分配内存传输各波段图像，由于目标切片大小相对于原始图像大小占比较小，且无损压缩比值比有损压缩低很多，为简化分析，直接以原始图像大小来分析背景包大小与本地存储所需硬盘大小。
四波段的成像探测器均以16位数据传输，像素所占内存的公式如下。
Figure DEST_PATH_IMAGE007
背景数据的传输直接考虑全图传输，一帧图像的数据大小如下表所示：
表3 四波段背景图像有损传输列表
Figure DEST_PATH_IMAGE008
表3可知，一帧四波段图像的有损压缩总大小约为0.952MB，即有约7.62Mbit的数据。背景图像是动态带宽分配原则，传输优先级最低，考虑到远距离条件下，目标信息与图像中目标的局部切片所占带宽为小目标待补@20km或飞机待补@60km，数据传输与通信系统约能保证有损压缩背景约10s-20s一帧的传输速率。
为了最大限度的利用带宽，这里将背景帧数据利用剩下的带宽进行传输。典型小目标在距离为20km时，仅传输短中长三个红外波段所需的带宽为0.2724+0.2724+0.3487=0.8935Mbit/s ，剩余带宽为2-0.8935=1.1065Mbit/s，传输一帧有损压缩的背景帧数据需要7.614196/1.1065≈9.86s。
典型小目标在距离为40km时，所需的带宽为1.3183 Mbit/s，剩余带宽为2-1.3183=0.6817Mbit/s，传输一帧有损压缩的背景帧数据需要7.614196/0.6817≈11.17s。
飞机在距离为100km时，所需的带宽为0.8607 Mbit/s，剩余带宽为2-0.8607=1.1393Mbit/s，传输一帧有损压缩的背景帧数据需要7.614196/1.1393≈6.69s。在一般情况下，背景有损压缩传输可大体上保证10s一帧的传输速度。
由于一帧图像的有损压缩大小为0.952MB，忽略视频条件下多帧融合压缩带来的性能提升，24小时存储所需的硬盘大小不超过4T，考虑到目标图像需要采用无损压缩方案，但目标图像的占比始终较小，因此，如果系统具备不小于6T的硬盘存储，将完全满足24小时连续工作能力。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种低慢小飞行器光电多波段探测组网与智能压缩传输方法，其特征在于，包括如下步骤：
利用光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别，获取包含至少一个目标物的多波段图像；所述多波段图像包括：可见光图像、短波红外图像、中波红外图像以及长波红外图像；所述目标物为低慢小飞行器；
对各个波段图像中的每个目标物对应的疑似目标区域进行切片，得到每个目标物的切片图像；其中，当图像中的目标物尺寸小于预设尺寸时，按照目标物外接矩形框的预设倍数完成切片，当图像中的目标物尺寸大于或等于预设尺寸时，按照目标物外接矩形框外延预设像素值完成切片；
当目标物距离光电多波段探测组网的距离在第一预设距离范围内时，将短波红外图像、中波红外图像以及长波红外图像三个波段的图像数据进行对外传输；当目标物距离光电多波段探测组网的距离在第二预设距离范围内时，将可见光图像、短波红外图像、中波红外图像以及长波红外图像四个波段的图像数据进行对外传输；所述第一预设距离的最大值小于或等于第二预设距离的最小值；
对外传输所述图像数据时，将目标物的切片图像进行无损压缩；对背景图像进行有损压缩；所述背景图像为除目标物切片区域外的图像。
2.根据权利要求1所述的方法，其特征在于，所述光电多波段探测组网包括多台光电探测设备，所述多台光电探测设备按预设半径相对均匀分布，每台光电探测设备均对低慢小飞行器进行多波段探测识别，所述多台光电探测设备还对目标物的多机联合定位，使得光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别。
3.根据权利要求1所述的方法，其特征在于，还包括如下步骤：
利用光电多波段探测组网对低慢小飞行器进行立体视觉联合探测识别，得到目标识别信息；所述目标识别信息包括：目标物的方位、仰角、距离以及分类类别信息；
根据所述目标识别信息确定目标物距离光电多波段探测组网的距离；
将所述目标识别信息对外传输。
4.根据权利要求3所述的方法，其特征在于，将所述光电多波段探测组网检测的数据对外传输时：
对所述目标识别信息优先分配带宽传输；对所述图像数据次优先分配带宽传输；最后再给背景区域的图像分配带宽传输。
5.根据权利要求3所述的方法，其特征在于，通过目标物距离光电多波段探测组网的距离判断四个波段图像中所要对外传输的图像，使得传输目标物切片图像的压缩数据和所述目标识别信息所占用的总带宽小于预设带宽值，以保证有限带宽下有损压缩的背景图像的传输速度满足需求。
6.根据权利要求1至5任一项所述的方法，其特征在于，采用基于JPEG-LS的图像压缩算法实现有损压缩或无损压缩。
CN202210146442.1A 2022-02-17 2022-02-17 低慢小飞行器光电多波段探测组网与智能压缩传输方法 Active CN114202585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210146442.1A CN114202585B (zh) 2022-02-17 2022-02-17 低慢小飞行器光电多波段探测组网与智能压缩传输方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210146442.1A CN114202585B (zh) 2022-02-17 2022-02-17 低慢小飞行器光电多波段探测组网与智能压缩传输方法

Publications (2)

Publication Number Publication Date
CN114202585A CN114202585A (zh) 2022-03-18
CN114202585B true CN114202585B (zh) 2022-05-13

Family

ID=80645629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210146442.1A Active CN114202585B (zh) 2022-02-17 2022-02-17 低慢小飞行器光电多波段探测组网与智能压缩传输方法

Country Status (1)

Country Link
CN (1) CN114202585B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117542488B (zh) * 2024-01-10 2024-04-12 济南宝林信息技术有限公司 一种用于脑肿瘤ct数据的智能处理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415097A (zh) * 2017-12-29 2018-08-17 华中科技大学 一种多波段红外成像的图谱协同探测系统和方法
CN109982085A (zh) * 2017-12-28 2019-07-05 新岸线(北京)科技集团有限公司 一种高精度图像混合压缩的方法
CN110703274A (zh) * 2019-09-10 2020-01-17 广州大瀚光电技术有限公司 一种宽光谱多波段探测装置、目标位置测量系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8098185B2 (en) * 2006-11-13 2012-01-17 Battelle Memorial Institute Millimeter and sub-millimeter wave portal

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109982085A (zh) * 2017-12-28 2019-07-05 新岸线(北京)科技集团有限公司 一种高精度图像混合压缩的方法
CN108415097A (zh) * 2017-12-29 2018-08-17 华中科技大学 一种多波段红外成像的图谱协同探测系统和方法
CN110703274A (zh) * 2019-09-10 2020-01-17 广州大瀚光电技术有限公司 一种宽光谱多波段探测装置、目标位置测量系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Research on target detection probability calculation method of photoelectric detection system》;XueweiZhang等;《International Journal for Light and Electron Optics》;20201215;全文 *
《远距离多波段红外图像融合系统及配准方法》;李英杰 等;《红外与激光工程》;20160531;全文 *

Also Published As

Publication number Publication date
CN114202585A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
US8223062B2 (en) Systems and methods for aircraft to aircraft exchange of radar information over low bandwidth communication channels
US8054214B2 (en) Systems and methods for preparing ground-based weather radar information for use in an installation vehicle
KR101855652B1 (ko) 기계학습을 이용한 위성기반 전운량 산출 시스템 및 그 방법
JP2019513315A (ja) 惑星規模解析のためのシステム
CN113064117B (zh) 一种基于深度学习的辐射源定位方法及装置
CN105141924B (zh) 基于4g技术的无线图像监控系统
CN114202585B (zh) 低慢小飞行器光电多波段探测组网与智能压缩传输方法
CN105120232B (zh) 无人机图像监控和传输方法
CN105120230A (zh) 无人机图像监控和传输系统
CN110636102B (zh) 一种基于4g/5g无线网络的无人机通信系统及方法
CN105120237A (zh) 基于4g技术的无线图像监控方法
CN113691305B (zh) 基于云-边-端的北斗三号短报文信道的图片传输方法
CN112687107B (zh) 感知数据获取方法和装置
CN111624592A (zh) 一种基于多源探测器的低空目标探测方法和系统
CN112184628B (zh) 一种红外双波图像及云端预警的巡堤防汛查险系统及方法
CN109631860A (zh) 基于无人机的水库生活垃圾监测方法及系统
US20220207782A1 (en) Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device
RU2496234C2 (ru) Способ и система для сбора и передачи спутниковых данных
CN115412145B (zh) 一种红外遥感数据在轨处理与多通道传输系统
CN113313099B (zh) 一种基于遥感影像地图的实时获取方法、系统和存储介质
CN110278163B (zh) 一种用于无人机机载信息处理与组织传输的方法
Egi et al. Classified 3D mapping and deep learning-aided signal power estimation architecture for the deployment of wireless communication systems
KR102144231B1 (ko) 무인 비행체의 촬영 영상을 이동 통신망을 통해 실시간으로 전송하기 위한 방법과 그 방법을 위한 장치
CN112465736A (zh) 一种用于港口船舶监控的红外视频图像增强方法
CN116667915B (zh) 基于卫星通导遥一体化的实时信息智能决策方法及系统

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