CN114519778A - 多角度sar数据的目标三维重构方法、装置、设备及介质 - Google Patents
多角度sar数据的目标三维重构方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114519778A CN114519778A CN202210194897.0A CN202210194897A CN114519778A CN 114519778 A CN114519778 A CN 114519778A CN 202210194897 A CN202210194897 A CN 202210194897A CN 114519778 A CN114519778 A CN 114519778A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- sub
- area
- aperture
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003384 imaging method Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开提供了一种多角度SAR数据的目标三维重构方法,包括:获取多角度SAR的子孔径图像序列;对每张子孔径图像进行分割,将每张子孔径图像分割成第一目标区域和第一背景区域,对第一目标区域和第一背景区域分别进行标记得到第一掩模图像;根据第一掩模图像确定第一背景区域中的阴影保护区域,对阴影保护区域进行标记,得到第二掩模图像;创建子孔径图像序列对应的初始3D体素网格;根据第二掩膜图像去除初始3D体素网格中非目标体素,生成子孔径图像序列对应的3D点云模型;根据3D点云模型对目标进行三维重构。本公开还提供一种多角度SAR数据的目标三维重构装置、设备及介质。
Description
技术领域
本公开涉及SAR技术领域,尤其涉及一种多角度SAR数据的目标三维重构方法、装置、设备及介质。
背景技术
合成孔径雷达(synthetic aperture radar,SAR)幅度图像可以用来提取观测场景的三维信息,SAR立体摄影是一种利用多幅SAR幅度图像提取场景高程信息的有效技术手段,但受限于成像几何关系和SAR图像中的阴影和叠掩现象,雷达摄影无法获取观测目标的全方位三维信息。
多角度SAR是一种新体制的SAR工作模式,雷达可以通过多角度对目标进行观测,圆迹SAR是多角度SAR的一种,指雷达通过360°圆形轨迹对目标进行全方位观测。多角度SAR可获取目标更为丰富的三维信息,但也给三维重构带来了新的挑战。目前,基于多角度SAR子孔径图像序列的目标三维重构方法大多在传统雷达摄影技术基础上修改而来,重构过程中未考虑宽角SAR中复杂的阴影现象,雷达摄影实质上是一种基于特征匹配的三维提取技术,而多角度SAR数量众多的子孔径大大地增加了匹配过程的计算量。同时,在多角度SAR多角度观测数据中,地物往往会表现出复杂的各向异性散射特征,一些地面目标和复杂结构目标的回波则存在复杂的多径散射现象,这些均导致了基于特征匹配的三维重构算法在处理多角度SAR数据时具有精度低、错误率高和计算复杂度的缺点。
发明内容
(一)要解决的技术问题
针对现有技术问题,本发明提出一种多角度SAR数据的目标三维重构方法、装置、设备及介质,用于至少部分解决上述技术问题。
(二)技术方案
根据本公开的第一方面,提供一种多角度SAR数据的目标三维重构方法,包括:获取多角度SAR的子孔径图像序列;对每张子孔径图像进行分割,将每张子孔径图像分割成第一目标区域和第一背景区域,对第一目标区域和第一背景区域分别进行标记得到第一掩模图像;根据第一掩模图像确定第一背景区域中的阴影保护区域,对阴影保护区域进行标记,得到第二掩模图像;其中,阴影保护区域指第一背景区域中目标被遮挡而无法产生回波数据的图像区域;创建子孔径图像序列对应的初始3D体素网格;根据第二掩膜图像去除初始3D体素网格中非目标体素,生成子孔径图像序列对应的3D点云模型;根据3D点云模型对目标进行三维重构。
可选的,根据第一掩模图像确定第一背景区域中的阴影保护区域包括:将第一掩模图像投影至极坐标系,得到第一掩模图像中各像素点的坐标值;其中,极坐标系的极点位于子孔径航迹中心点,极轴方向与多角度SAR子孔径航迹中心点处的速度方向一致;计算目标产生的最大阴影长度;根据各像素点的坐标值和最大阴影长度确定阴影保护区域。
可选的,计算目标产生的最大阴影长度包括:
通过公式:
可选的,根据各像素点的坐标值和最大阴影长度确定阴影保护区域包括:在第一
掩膜图像中,对于第一背景区域中坐标值为的像素点i,判断像素点i与坐标值为的像素点所确定的线段上是否至少存在一个属于第一目标区域的像素点;若
是,则确定像素点i属于阴影保护区域。
可选的,对阴影保护区域进行标记,得到第二掩模图像包括:采用与第一目标区域相同的标记对阴影保护区域进行标记,得到第二掩模图像;其中,第二掩膜图像包括第二目标区域和第二背景区域,第二目标区域为第一目标区域与阴影保护区域之和,第二背景区域为第一背景区域的非阴影保护区域。
可选的,创建子孔径图像序列对应的初始3D体素网格包括:
将子孔径图像序列划分为n组分图像序列,每组分图像序列包括m张子孔径图像,其中,n 、m为正整数;根据待重构目标尺寸的先验知识,对每组分图像序列创建初始3D体素网格模型。
可选的,根据第二掩膜图像去除初始3D体素网格中非目标体素,生成子孔径图像序列对应的3D点云模型包括:对于每组分图像序列对应的初始3D体素网格模型,将初始3D体素网格模型投影至该组分图像序列中的第一张子孔径图像的二维成像平面上,得到第一投影图像;对第一投影图像执行匹配操作,得到第一个3D体素网格,其中,匹配操作包括:将第一投影图像中的像素点与第一张子孔径图像对应的第二掩膜图像的像素点的位置进行对比,确定第一投影图像中位置处于第二掩膜图像第二背景区域的第一像素点;去除初始3D体素网格模型中第一像素点对应的体素网格,得到第一个3D体素网格;将第一个3D体素网格投影至该组分图像序列中的第二张子孔径图像的二维成像平面上,得到第二投影图像;对第二投影图像重复执行匹配操作,得到第二个3D体素网格;以此迭代,得到第m个3D体素网格,作为该组分图像序列对应的子3D点云模型;融合n组分图像序列对应的子3D点云模型,得到3D点云模型。
本公开的第二方面提供一种多角度SAR数据的目标三维重构装置,其特征在于,装置包括,获取模块, 用于获取多角度SAR的子孔径图像序列;第一确定模块, 用于对每张子孔径图像进行分割,将每张子孔径图像分割成第一目标区域和第一背景区域,对第一目标区域和第一背景区域分别进行标记得到第一掩模图像;第二确定模块, 用于根据第一掩模图像确定第一背景区域中的阴影保护区域,对阴影保护区域进行标记,得到第二掩模图像;其中,阴影保护区域指第一背景区域中目标被遮挡而无法产生回波数据的图像区域;创建模块,用于创建子孔径图像序列对应的初始3D体素网格;生成模块,用于根据第二掩膜图像去除初始3D体素网格中非目标体素,生成子孔径图像序列对应的3D点云模型;重构模块,用于根据3D点云模型对目标进行三维重构。
本公开的第三方面提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如上的方法。
本公开的第四方面提供一种计算机可读存储介质,存储有计算机可执行指令,指令在被执行时用于实现如上所述的方法。
(三)有益效果
(1)本公开通过去除非目标体素的方式实现三维重构,避免了复杂的特征识别和特征匹配操作,重构算法的复杂程度也远远低于其他基于特征匹配进行重构的算法;
(2)在三维目标重构过程中引入阴影保护区域。一方面,在目标重构过程中考虑了SAR图像中的阴影和遮挡区域,更适合处理宽角度SAR图像中复杂的阴影效应;另一方面,由于SAR图像中的多径散射回波一般位于阴影保护区域,本申请公开的目标重构方法对目标网格模型进行重构的过程中不需要对阴影保护区域的体素进行去除,因此,在一定程度上抑制了多径效应对最终三维模型的影响,更适合对复杂目标的三维建模。
附图说明
图1示意性示出了根据本公开一实施例多角度SAR数据的目标三维重构方法的流程图;
图2示意性示出了根据本公开一实施例对第一掩膜图像进行标记的过程图;
图3示意性示出了根据本公开一实施例在第一背景区域中确定阴影保护区域的流程图;
图4示意性示出了根据本公开一实施例对第二掩膜图像进行标记的过程图;
图5示意性示出了根据本公开另一实施例对第二掩膜图像进行标记的过程图;
图6示意性示出了根据本公开一实施例生成子孔径图像序列对应的3D点云模型的流程图;
图7示意性示出了根据本公开一实施例多角度SAR数据的目标三维重构装置的框图;
图8示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明;术语“上”、“下”、“前”、“后”、“左”“右”、等指示方位或位置关系的词语为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或原件必须具有特定的方位,以特定的方位构造和操作,不能理解为对本申请的限制;在此使用的术语“包含”“包括”等表明了所述特征、步骤、操作和/或的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
针对现有技术的不足,本发明一方面设计了一种多角度SAR数据的目标三维重构方法,如图1所示,包括:S1,获取多角度SAR的子孔径图像序列;S2,对每张子孔径图像进行分割,将每张子孔径图像分割成第一目标区域和第一背景区域,对第一目标区域和第一背景区域分别进行标记得到第一掩模图像;S3,根据第一掩模图像确定第一背景区域中的阴影保护区域,对阴影保护区域进行标记,得到第二掩模图像;其中,阴影保护区域指第一背景区域中目标被遮挡而无法产生回波数据的图像区域;S4,创建子孔径图像序列对应的初始3D体素网格;S5,根据第二掩膜图像去除初始3D体素网格中非目标体素,生成子孔径图像序列对应的3D点云模型;S6,根据3D点云模型对目标进行三维重构。
图1示意性示出了根据本公开一实施例多角度SAR数据的目标三维重构方法的流程图。
如图1所示,该多角度SAR数据的目标三维重构方法例如可以包括步骤S1-S6。
在操作S1,获取多角度SAR的子孔径图像序列。
获取多角度SAR的子孔径图像序列的过程中,可以将多角度SAR回波数据所对应的孔径平均分割成多个子孔径,在二维参考成像平面上对各子孔径对应的回波数据进行成像,获取多角度SAR子孔径图像序列。
在操作S2,对每张子孔径图像进行分割,将每张子孔径图像分割成第一目标区域和第一背景区域,对第一目标区域和第一背景区域分别进行标记得到第一掩模图像;
对每个子孔径对应的回波数据进行成像,获得的子孔径图像中包含希望三维重构的目标区域和不希望进行重构的背景区域,因此,可以对每张子孔径图像进行分割,分割为第一目标区域和第一背景区域,对第一目标区域和第一背景区域分别进行标记,得到第一掩膜图像,例如,可以对第一掩膜图像第一目标区域包含目标回波能量的像素点赋予逻辑值1,剩余的第一背景区域赋予逻辑值0,得到第一掩膜图像。
在图像处理的过程中,计算机识别图像是将图像当作一个矩阵,对待处理图像中的目标区域和背景区域分别进行标记,计算机在对图像进行处理时,可以很容易的识别出目标区域和背景区域。
图2示意性示出了根据本公开一实施例对第一掩膜图像进行标记的过程图。
如图2所示,假定左图为待处理图像等效的矩阵图,并将待处理图像中的内容数字化。假设待处理图像中矩阵第一行为第一目标区域,其余为第一背景区域,则将待处理图像的第一目标区域第一行赋予逻辑值1,其余第一背景区域赋予逻辑值0,第一掩膜图像如图2右图所示。
在操作S3,根据第一掩模图像确定第一背景区域中的阴影保护区域,对阴影保护区域进行标记,得到第二掩模图像;
阴影保护区域是指该目标可能被其他目标或目标自身表面遮挡而无法产生回波数据的图像区域,在图像上中形成暗区,阴影保护区域不包含回波能量,在步骤S2对子孔径图像进行分割过程中,被划分为第一背景区域,但是,阴影保护区域也是目标的一部分,在对目标进行三维重构过程中也需要进行重构。
图3示意性示出了根据本公开一实施例在第一背景区域中确定阴影保护区域的流程图。
如图3所示,在第一背景区域中确定目标的阴影保护区域例如可以包括步骤S301-S303。
在操作S301,获取第一掩模图像中各像素点在极坐标下的坐标值。
将步骤S2中的第一掩膜图像投影至极坐标系,得到第一掩模图像中各像素点的坐标值;其中,极坐标系的极点位于子孔径航迹中心点,极轴方向与SAR子孔径航迹中心点处的速度方向一致;
在操作S302,计算目标产生的最大阴影长度。
在本公开一实施例中,例如可以通过以下公式:
在操作S303,根据各像素点的坐标值和目标产生的最大阴影长度确定阴影保护区域。
在本公开一实施例中,可以通过以下操作确定阴影保护区域,操作包括:在第一掩
膜图像中,对于第一背景区域中坐标值为的像素点i,判断像素点i与坐标值为的像素点所确定的线段上是否至少存在一个属于第一目标区域的像素点,若
是,则确定像素点i属于阴影保护区域。
在本公开一实施例中,对阴影保护区域进行标记,得到第二掩模图像包括:在确定第一背景区域中的阴影保护区域后,可以采用与第一目标区域相同的标记对阴影保护区域进行标记,得到第二掩模图像,其中,第二掩膜图像包括第二目标区域和第二背景区域,第二目标区域为第一目标区域与阴影保护区域之和,第二背景区域为第一背景区域中的非阴影保护区域。例如,可以在第一掩膜图像中,对第一背景区域中的阴影保护区域重新赋予逻辑值1,第一背景区域的非阴影保护区域依然赋予逻辑值0,得到第二掩膜图像。
图4示意性示出了根据本公开一实施例对第二掩膜图像进行标记的过程图。
如图4所示,假定左图为第一掩膜图像等效的矩阵图,矩阵图的第一行为第一目标区域,已经赋予逻辑值1,假设矩阵图的第二行为阴影保护区域,则可以在第一掩膜图像上直接将之前被赋予逻辑值0的阴影保护区域重新赋予逻辑值1,第一背景区域的其他位置即矩阵图的第三行、第四行不变,依然赋予逻辑值0,得到第二掩膜图像,其中,第二目标区域为图4中的第一行和第二行包含的区域,即第一目标区域与阴影保护区域相加的区域。第二背景区域为第三行和第四行包含的区域,即第一背景区域中不包含阴影保护区域的区域。第二掩膜图像如图4右图所示。
图5示意性示出了根据本公开另一实施例对第二掩膜图像进行标记的过程图。
如图5所示,图5中第一张图为第一掩膜图像等效的矩阵图,假设矩阵图的第二行为阴影保护区域,对第一掩膜图像中的阴影保护区域进行标记重新赋予逻辑值1,其余区域赋予逻辑值0,得到阴影保护区域掩膜,将第一掩膜图像和阴影保护图像相加,得到第二掩膜图像。第二掩膜图像如图5最后一张图所示。
在操作S4,创建子孔径图像序列对应的初始3D体素网格。
在本公开一实施例中,可以将步骤S1生成的子孔径图像序列划分为n组分图像序列,每组分图像序列中包含m张子孔径图像,其中,n、m为正整数。当n等于1时,则不进行分组,将所有子孔径图像作为一组。当n等于2时,将所有子孔径图像分为2组,以此类推。根据重构目标尺寸的先验知识,对每组分图像序列分别创建一个对应的初始3D体素网格模型,其中,初始该3D体素网格模型中包括待重构的三维目标,体素网格可以为立方体或其他形状。重构目标尺寸的先验知识是指:在对目标进行三维重构前,根据以往经验获取的目标尺寸信息。
在操作S5,根据第二掩膜图像去除初始3D体素网格中非目标体素,生成子孔径图像序列对应的3D点云模型;
图6示意性示出了根据本公开一实施例生成子孔径图像序列对应的3D点云模型的流程图。
如图6所示,生成子孔径图像序列对应的3D点云模型的流程图例如可以包括步骤S601-S606。
在操作S601,获取分图像序列3D体素网格模型在子孔径图像二维成像平面的第一投影图像。
对于每组分图像序列对应的初始3D体素网格模型,根据等距离-等多普勒原理,将初始3D体素网格模型投影至该组分图像序列中的第一张子孔径图像的二维成像平面上,得到第一投影图像;
在操作S602,对第一投影图像执行匹配操作,得到第一个3D体素网格。
对初始3D体素网格进行空间雕刻,将第一投影图像中的像素点与第一张子孔径图像对应的第二掩膜图像的像素点的位置进行对比,确定第一投影图像中位置处于第二掩膜图像第二背景区域的第一像素点;去除初始3D体素网格模型中第一像素点对应的体素网格,完成一次空间雕刻,得到第一个3D体素网格。
在操作S603,对第一3D体素网格进行投影,得到第二投影图像。
将步骤S602得到的第一个3D体素网格模型作为初始3D体素网格,投影至该组分图像序列中的第二张子孔径图像的二维成像平面上,得到第二投影图像。
在操作S604,对第二投影图像重复执行匹配操作,得到第二个3D体素网格。
在操作S605,以此迭代,得到分组图像序列子3D点云模型。
以此迭代,得到第m个3D体素网格,即对于该组分图像序列中的所有子孔径图像,均完成空间雕刻操作,将该分组图像序列中最后得到的3D体素网格作为该组分图像序列对应的子3D点云模型。
在操作S606,融合n组分图像序列对应的子3D点云模型,得到3D点云模型。
在操作S6,根据3D点云模型对目标进行三维重构。
图7示意性示出了根据本公开一实施例多角度SAR数据的目标三维重构装置的框图。
如图7所示,多角度SAR数据的目标三维重构装置700例如可以包括获取模块701、第一确定模块702、第二确定模块703、创建模块704、生成模块705、重构模块706。
获取模块701,用于获取多角度SAR孔径图像序列。
第一确定模块702,用于对每张子孔径图像进行分割,将每张子孔径图像分割成目标区域和背景区域,对目标区域和背景区域分别进行标记得到第一掩模图像。
第二确定模块703, 用于第一掩模图像确定背景区域中的阴影保护区域,得到第二掩模图像;其中,阴影保护区域指背景区域中目标被遮挡而无法产生回波数据的图像区域。
创建模块704,用于创建子孔径图像序列对应的初始3D体素网格。
生成模块705,用于根据第二掩膜图像去除初始3D体素网格中非目标体素,生成子孔径图像序列对应的3D点云模型。
重构模块706,用于根据3D点云模型对目标进行三维重构。
需要说明的是,本公开的实施例中多角度SAR数据的目标三维重构装置部分与本公开的实施例中多角度SAR数据的目标三维重构方法部分是相对应的,其具体实施细节也是相同的,在此不再赘述。
根据本发明的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本发明实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。
图8示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图8示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,根据本公开实施例的电子设备800包括处理器801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中,存储有电子设备800操作所需的各种程序和数据。处理器 801、ROM802以及RAM803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备800还可以包括输入/输出(I/O)接口805,输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至I/O接口805的以下部件中的一项或多项:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本领域技术人员可以理解,本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
尽管已经参照本发明的特定示例性实施例示出并描述了本发明,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本发明的精神和范围的情况下,可以对本发明进行形式和细节上的多种改变。因此,本发明的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。
Claims (10)
1.一种多角度SAR数据的目标三维重构方法,包括:
获取多角度SAR的子孔径图像序列;
对每张子孔径图像进行分割,将每张子孔径图像分割成第一目标区域和第一背景区域,对所述第一目标区域和所述第一背景区域分别进行标记得到第一掩模图像;
根据所述第一掩模图像确定所述第一背景区域中的阴影保护区域,对所述阴影保护区域进行标记,得到第二掩模图像;其中,所述阴影保护区域指所述第一背景区域中目标被遮挡而无法产生回波数据的图像区域;
创建所述子孔径图像序列对应的初始3D体素网格;
根据所述第二掩膜图像去除所述初始3D体素网格中非目标体素,生成所述子孔径图像序列对应的3D点云模型;
根据所述3D点云模型对所述目标进行三维重构。
2.根据权利要求1所述的目标三维重构方法,其中,所述根据所述第一掩模图像确定所述第一背景区域中的阴影保护区域包括:
将所述第一掩模图像投影至极坐标系,得到所述第一掩模图像中各像素点的坐标值;其中,所述极坐标系的极点位于子孔径航迹中心点,极轴方向与所述多角度SAR子孔径航迹中心点处的速度方向一致;
计算所述目标产生的最大阴影长度;
根据所述各像素点的坐标值和所述最大阴影长度确定所述阴影保护区域。
5.根据权利要求1所述的目标三维重构方法,其中,所述对所述阴影保护区域进行标记,得到第二掩模图像包括:
采用与所述第一目标区域相同的标记对所述阴影保护区域进行标记,得到第二掩模图像;
其中,所述第二掩膜图像包括第二目标区域和第二背景区域,所述第二目标区域为所述第一目标区域与所述阴影保护区域之和,所述第二背景区域为所述第一背景区域中的非阴影保护区域。
6.根据权利要求5所述的目标三维重构方法,其中,所述创建所述子孔径图像序列对应的初始3D体素网格包括:
将所述子孔径图像序列划分为n组分图像序列,每组分图像序列包括m张子孔径图像,其中,n 、m为正整数;
根据待重构目标尺寸的先验知识,对每组分图像序列创建初始3D体素网格模型。
7.根据权利要求6所述的目标三维重构方法,其中,所述根据所述第二掩膜图像去除所述初始3D体素网格中非目标体素,生成所述子孔径图像序列对应的3D点云模型包括:
对于每组分图像序列对应的初始3D体素网格模型,将所述初始3D体素网格模型投影至该组分图像序列中的第一张子孔径图像的二维成像平面上,得到第一投影图像;
对所述第一投影图像执行匹配操作,得到第一个3D体素网格,其中,所述匹配操作包括:
将所述第一投影图像中的像素点与所述第一张子孔径图像对应的第二掩膜图像的像素点的位置进行对比,确定所述第一投影图像中位置处于所述第二掩膜图像第二背景区域的第一像素点;
去除初始3D体素网格模型中所述第一像素点对应的体素网格,得到第一个3D体素网格;
将所述第一个3D体素网格投影至该组分图像序列中的第二张子孔径图像的二维成像平面上,得到第二投影图像;
对所述第二投影图像重复执行所述匹配操作,得到第二个3D体素网格;
以此迭代,得到第m个3D体素网格,作为该组分图像序列对应的子3D点云模型;
融合n组分图像序列对应的子3D点云模型,得到所述3D点云模型。
8.一种多角度SAR数据的目标三维重构装置,其特征在于,所述装置包括:
获取模块, 用于获取多角度SAR的子孔径图像序列;
第一确定模块, 用于对每张子孔径图像进行分割,将每张子孔径图像分割成第一目标区域和第一背景区域,对所述第一目标区域和所述第一背景区域分别进行标记得到第一掩模图像;
第二确定模块, 用于根据所述第一掩模图像确定所述第一背景区域中的阴影保护区域,对所述阴影保护区域进行标记,得到第二掩模图像;其中,所述阴影保护区域指所述第一背景区域中目标被遮挡而无法产生回波数据的图像区域;
创建模块,用于创建所述子孔径图像序列对应的初始3D体素网格;
生成模块,用于根据所述第二掩膜图像去除所述初始3D体素网格中非目标体素,生成所述子孔径图像序列对应的3D点云模型;
重构模块,用于根据所述3D点云模型对所述目标进行三维重构。
9.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210194897.0A CN114519778B (zh) | 2022-03-02 | 2022-03-02 | 多角度sar数据的目标三维重构方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210194897.0A CN114519778B (zh) | 2022-03-02 | 2022-03-02 | 多角度sar数据的目标三维重构方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114519778A true CN114519778A (zh) | 2022-05-20 |
CN114519778B CN114519778B (zh) | 2022-11-22 |
Family
ID=81598826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210194897.0A Active CN114519778B (zh) | 2022-03-02 | 2022-03-02 | 多角度sar数据的目标三维重构方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114519778B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115963466A (zh) * | 2023-03-16 | 2023-04-14 | 中国科学院空天信息创新研究院 | 多角度sar场景的人造目标提取方法 |
CN116047463A (zh) * | 2023-04-03 | 2023-05-02 | 中国科学院空天信息创新研究院 | 多角度sar目标散射各向异性推演方法、装置、设备及介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100177095A1 (en) * | 2009-01-14 | 2010-07-15 | Harris Corporation | Geospatial modeling system for reducing shadows and other obscuration artifacts and related methods |
CN105427314A (zh) * | 2015-11-23 | 2016-03-23 | 西安电子科技大学 | 基于贝叶斯显著性的sar图像目标检测方法 |
JP2016057092A (ja) * | 2014-09-05 | 2016-04-21 | 国立研究開発法人情報通信研究機構 | Sar図からの立体地形図形成方法 |
CN108389191A (zh) * | 2018-02-09 | 2018-08-10 | 中国科学院电子学研究所 | 一种sar图像中目标阴影区域的检测方法 |
US20200020072A1 (en) * | 2018-07-10 | 2020-01-16 | Raytheon Company | Multi-source image fusion |
CN113156436A (zh) * | 2021-03-26 | 2021-07-23 | 中国科学院空天信息创新研究院 | 圆迹合成孔径雷达自聚焦成像方法、系统及电子设备 |
CN113379763A (zh) * | 2021-06-01 | 2021-09-10 | 北京齐尔布莱特科技有限公司 | 图像数据处理方法、生成模型的方法及图像分割处理方法 |
WO2022032329A1 (en) * | 2020-08-14 | 2022-02-17 | Agriculture Victoria Services Pty Ltd | System and method for image-based remote sensing of crop plants |
CN114067064A (zh) * | 2021-10-19 | 2022-02-18 | 浙江工业大学 | 基于多视角雷达图像的目标三维重建方法 |
CN114067058A (zh) * | 2021-11-24 | 2022-02-18 | 哈尔滨工业大学 | 多角度sar立体成像方法 |
-
2022
- 2022-03-02 CN CN202210194897.0A patent/CN114519778B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100177095A1 (en) * | 2009-01-14 | 2010-07-15 | Harris Corporation | Geospatial modeling system for reducing shadows and other obscuration artifacts and related methods |
JP2016057092A (ja) * | 2014-09-05 | 2016-04-21 | 国立研究開発法人情報通信研究機構 | Sar図からの立体地形図形成方法 |
CN105427314A (zh) * | 2015-11-23 | 2016-03-23 | 西安电子科技大学 | 基于贝叶斯显著性的sar图像目标检测方法 |
CN108389191A (zh) * | 2018-02-09 | 2018-08-10 | 中国科学院电子学研究所 | 一种sar图像中目标阴影区域的检测方法 |
US20200020072A1 (en) * | 2018-07-10 | 2020-01-16 | Raytheon Company | Multi-source image fusion |
WO2022032329A1 (en) * | 2020-08-14 | 2022-02-17 | Agriculture Victoria Services Pty Ltd | System and method for image-based remote sensing of crop plants |
CN113156436A (zh) * | 2021-03-26 | 2021-07-23 | 中国科学院空天信息创新研究院 | 圆迹合成孔径雷达自聚焦成像方法、系统及电子设备 |
CN113379763A (zh) * | 2021-06-01 | 2021-09-10 | 北京齐尔布莱特科技有限公司 | 图像数据处理方法、生成模型的方法及图像分割处理方法 |
CN114067064A (zh) * | 2021-10-19 | 2022-02-18 | 浙江工业大学 | 基于多视角雷达图像的目标三维重建方法 |
CN114067058A (zh) * | 2021-11-24 | 2022-02-18 | 哈尔滨工业大学 | 多角度sar立体成像方法 |
Non-Patent Citations (4)
Title |
---|
仇晓兰等: "SARMV3D-1.0: SAR微波视觉三维成像数据集", 《雷达学报》 * |
宦若虹等: "水平集分割方法在合成孔径雷达图像目标识别中的应用", 《遥感技术与应用》 * |
李晓阳等: "下视SAR数据3维表面重建", 《中国图象图形学报》 * |
杨露菁等: "SAR图像阴影区域分割技术及其评估准则", 《海军工程大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115963466A (zh) * | 2023-03-16 | 2023-04-14 | 中国科学院空天信息创新研究院 | 多角度sar场景的人造目标提取方法 |
CN116047463A (zh) * | 2023-04-03 | 2023-05-02 | 中国科学院空天信息创新研究院 | 多角度sar目标散射各向异性推演方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114519778B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114519778B (zh) | 多角度sar数据的目标三维重构方法、装置、设备及介质 | |
CN109949899A (zh) | 图像三维测量方法、电子设备、存储介质及程序产品 | |
CN108401461A (zh) | 三维建图方法、装置、系统、云端平台、电子设备和计算机程序产品 | |
CN103247045A (zh) | 一种从多视图中得到人造场景主方向及图像边缘的方法 | |
IL256458A (en) | Rapid rendering of quadratic functions | |
CN110832542B (zh) | 识别处理设备、识别处理方法和程序 | |
US20150138193A1 (en) | Method and device for panorama-based inter-viewpoint walkthrough, and machine readable medium | |
CA2990110A1 (en) | Fast rendering of quadrics and marking of silhouettes thereof | |
JP7038683B2 (ja) | 合成装置、方法及びプログラム | |
JP2000268179A (ja) | 三次元形状情報取得方法及び装置,二次元画像取得方法及び装置並びに記録媒体 | |
CN115855060A (zh) | 一种几何基元引导的航线规划方法及装置 | |
CN112446926B (zh) | 一种激光雷达与多目鱼眼相机的相对位置标定方法及装置 | |
Noborio et al. | Experimental results of 2D depth-depth matching algorithm based on depth camera Kinect v1 | |
CN117522853A (zh) | 光伏电站的故障定位方法、系统、设备及存储介质 | |
CN115063485B (zh) | 三维重建方法、装置及计算机可读存储介质 | |
CN113409457B (zh) | 立体图像的三维重构与可视化方法及设备 | |
Deepu et al. | 3D Reconstruction from Single 2D Image | |
CN115830202A (zh) | 一种三维模型渲染方法和装置 | |
Conway et al. | Fusion of depth and color images for dense simultaneous localization and mapping | |
Villa-Uriol et al. | Automatic creation of three-dimensional avatars | |
CN115409949A (zh) | 模型训练方法、视角图像生成方法、装置、设备及介质 | |
CN113640798A (zh) | 一种雷达目标多角度重建方法、装置及存储介质 | |
CN112766313A (zh) | 基于U-net结构的水晶体分割及定位方法、装置、设备和介质 | |
Hiradate et al. | An extension of PatchMatch Stereo for 3D reconstruction from multi-view images | |
Zhang et al. | Design of a 3D reconstruction model of multiplane images based on stereo vision |
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 |