CN114708512A - 一种通过卫星图像估算浮顶油罐原油储量的方法及系统 - Google Patents
一种通过卫星图像估算浮顶油罐原油储量的方法及系统 Download PDFInfo
- Publication number
- CN114708512A CN114708512A CN202210183554.4A CN202210183554A CN114708512A CN 114708512 A CN114708512 A CN 114708512A CN 202210183554 A CN202210183554 A CN 202210183554A CN 114708512 A CN114708512 A CN 114708512A
- Authority
- CN
- China
- Prior art keywords
- shadow
- pixels
- wall
- image
- shadows
- 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 42
- 239000010779 crude oil Substances 0.000 title claims abstract description 39
- 239000003921 oil Substances 0.000 title claims abstract description 20
- 238000007667 floating Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种通过卫星图像估算浮顶油罐原油储量的方法及系统,涉及浮顶油罐原油储量估算的技术领域。获取卫星图像信息;利用霍夫变换检测圆形,确定浮顶罐的圆心位置与半径;从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;将相互连通的阴影像素构成阴影区域;根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声;整合所有阴影,得到原油储量。达到避免手动设置阈值的不准确,减少图像中存在的噪声和其他物体阴影。解决了阴影可能被绳索等物体遮挡导致分类的情况。
Description
技术领域
本发明涉及浮顶油罐原油储量估算的技术领域,具体而言,涉及一种通过卫星图像估算浮顶油罐原油储量的方法及系统。
背景技术
浮顶储罐是由漂浮在介质表面上的浮顶和立式圆柱形罐壁所构成。浮顶随罐内介质储量的增加或减少而升降,浮顶外缘与罐壁之间有环形密封装置,罐内介质始终被内浮顶直接覆盖,减少介质挥发。典型的浮顶罐卫星图像如图1所示;
现有方法一般通过将图片转换成灰度图像或其他明度通道,然后利用一定的阈值将图转换为二值图。高于阈值的表示非阴影区域,低于阈值的表示阴影区域。然后通过形态学,识别二值图中的连通的阴影区域。如果只有一个阴影区域就认为浮顶罐是满的,如果有多个阴影区域,就取面积最大的两个区域比较面积。这种方法计算简单,但也存在以下问题:阴影识别过程可能将浮顶上的锈迹、罐子周围的道路、周围其他物体的阴影等识别为油罐阴影。内壁阴影可能被物体遮挡导致图像上不连续,现有方法无法获得整个内壁阴影的面积。阴影识别的阈值难以设置,光照条件变化可能需要人工修改阈值。由此急需一种通过卫星图像估算浮顶油罐原油储量的方法。
发明内容
本发明的目的在于提供一种通过卫星图像估算浮顶油罐原油储量的方法,其能够避免手动设置阈值的不准确,大幅减少了图像中可能存在的噪声、其他物体的阴影。解决了阴影可能被绳索等物体遮挡导致分类的情况。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种通过卫星图像估算浮顶油罐原油储量的方法,其包括S1:获取卫星图像信息;S2:利用霍夫变换在卫星图像中检测圆形,确定浮顶罐的圆心位置与半径,得到定位图像;S3:将定位图像从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,得到亮度数据;S4:将所述亮度数据中,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;S5:基于像素连通性,对所有标记为阴影的像素进行连通,将相互连通的像素构成阴影区域;S6:根据所述阴影区域内阴影像素数量判断图像噪声;S7:根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声;S8:整合所有内壁阴影,计算内壁阴影像素总数Pin;整合所有外壁阴影,计算外壁阴影像素总数Pout;得到单个浮顶罐原油储量
在本发明的一些实施例中,对所有标记为阴影的像素进行连通的步骤包括:S501:随机选择一个阴影像素,作为初始连通区域;S502:循环验证初始连通区域周围预设数量的像素,如果有阴影像素,则将阴影像素加入初始连通区域;S503:对新加入的像素,继续循环验证像素周围预设数量的像素,如果有阴影像素,则将阴影像素加入连通区域;直到新加入的像素周围没有阴影像素,得到第一连通区域;S504:继续选择剩余未加入任何连通区域的阴影像素,重复步骤S501-S503产生其他连通区域;直到所有阴影像素都加入了任一连通区域,得到最终的所有连通区域。
在本发明的一些实施例中,将相互连通的像素构成阴影区域的步骤包括:将水平、垂直或对角线方向上连通的像素构成阴影区域。
在本发明的一些实施例中,根据所述阴影区域内阴影像素数量判断图像噪声的步骤包括:若阴影区域的像素数量低于第一预设值像素,则判断为图像噪声。
在本发明的一些实施例中,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声的步骤包括:在阴影区域与油罐圆心的距离分布中,若距离分布接近半径,则判断为内壁阴影或外壁阴影,其他为图像噪声。
在本发明的一些实施例中,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声的步骤还包括:在阴影区域与油罐圆心距离分布与半径的关系中,若超过第二预设值像素距离圆心小于半径的区域判断为内壁阴影,否则判断为外壁阴影。
在本发明的一些实施例中,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声后的步骤包括:删除图像噪声对应的区域。
第二方面,本申请实施例提供一种通过卫星图像估算浮顶油罐原油储量的系统,其包括图像获取模块,用于获取卫星图像信息;位置确定模块,用于利用霍夫变换在卫星图像中检测圆形,确定浮顶罐的圆心位置与半径,得到定位图像;转换模块,用于将定位图像从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,得到亮度数据;像素处理模块,用于将亮度数据中,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;基于像素连通性,对所有标记为阴影的像素进行连通,将相互连通的像素构成阴影区域;判断模块,用于根据阴影区域内阴影像素数量判断图像噪声;根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声;计算模块,用于整合所有内壁阴影,计算内壁阴影像素总数Pin;整合所有外壁阴影,计算外壁阴影像素总数Pout;得到单个浮顶罐原油储量
第三方面,本申请实施例提供一种电子设备,包括至少一个处理器、至少一个存储器和数据总线;其中:处理器与存储器通过数据总线完成相互间的通信;存储器存储有可被处理器执行的程序指令,处理器调用程序指令以执行一种通过卫星图像估算浮顶油罐原油储量的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现一种通过卫星图像估算浮顶油罐原油储量的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
本设计识别阴影区域过程中,在设置阴影亮度阈值时,充分利用了像素亮度的分布情况,避免手动设置阈值的不准确。同时综合利用连通区域的像素多少、去掉亮度最暗值、与油罐圆心的距离分布等,大幅减少了图像中可能存在的噪声、其他物体的阴影等。还利用阴影区域与油罐中心距离分布,判断阴影为内壁阴影或外壁阴影,解决了阴影可能被绳索等物体遮挡导致分类的情况。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为典型的浮顶罐卫星图像。
图2为本发明中一种通过卫星图像估算浮顶油罐原油储量的方法的流程示意图;
图3为本发明中一种通过卫星图像估算浮顶油罐原油储量的方法的另一种流程示意图;
图4为本发明中一种通过卫星图像估算浮顶油罐原油储量的系统的结构示意图;
图5为本发明中一种电子设备的结构示意图。
图标:1、图像获取模块;2、位置确定模块;3、转换模块;4、像素处理模块;5、判断模块;6、计算模块;7、处理器;8、存储器;9、数据总线;10、外壁阴影;11、内壁阴影。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的描述中,需要说明的是,术语“上”、“下”、“内”、“外”等指示的方位或位置关系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元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图2,为本申请实施例提供的一种通过卫星图像估算浮顶油罐原油储量的方法,由于原油存储较多使用外浮顶罐,浮顶随着原油储量的变化而升降,在卫星图像上可以形成不同大小的内壁阴影11。另外,浮顶罐罐壁本身高度不变,因此在卫星图像上形成大小固定的外壁阴影10。通过计算机视觉识别技术分辨内壁阴影11与外壁阴影10,并比较它们的大小,就能判断浮顶罐的相对容量。结合卫星图像的分辨率数据,可以知道浮顶罐的真实最大容量,从而判断卫星图像拍摄时浮顶罐的储量。由此本设计识别阴影区域过程中,在设置阴影亮度阈值时,充分利用了像素亮度的分布情况,避免手动设置阈值的不准确。同时综合利用连通区域的像素多少、去掉亮度最暗值、与油罐圆心的距离分布等,大幅减少了图像中可能存在的噪声、其他物体的阴影等。还利用阴影区域与油罐中心距离分布,判断阴影为内壁阴影11或外壁阴影10,解决了阴影可能被绳索等物体遮挡导致分类的情况。
S1:获取卫星图像信息;
通过卫星拍摄获得RGB三通道的卫星图像。
S2:利用霍夫变换在卫星图像中检测圆形,确定浮顶罐的圆心位置与半径,得到定位图像;
利用霍夫梯度法,在RGB图像上确定浮顶罐的圆心位置并计算相对应的半径。
S3:将定位图像从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,得到亮度数据;
将定位图像从RGB空间转换到YCRCB空间,其中Y通道计算公式为:
Y=0.257×R+0.504×G+0.098×B+16
其中Y表示Y通道某个位置的亮度值,R、G、B分别表示原始RGB三通道中R、G、B三个通道这个位置各自的值。
S4:将所述亮度数据中,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;
利用Y通道,计算属于阴影区域的像素,具体实施方式如下:
统计获得Y通道中的亮度最大值MAX,最小值MIN,排除大于MAX-2的像素和MIN+2的像素。在剩余像素中,计算亮度均值MEAN和标准差STD,计算阈值:
THRESHOLD=MEAN-0.8×STD
Y通道中所有像素亮度与阈值THRESHOLD进行比较,低于THRESHOLD的标记为阴影像素或阴影区域。
S5:基于像素连通性,对所有标记为阴影的像素进行连通,将相互连通的像素构成阴影区域;
对于阴影区域的筛选与选取,利用阴影区域内相邻像素的连通性,从而对阴影像素进行选取,从而划分出阴影区域。
S6:根据所述阴影区域内阴影像素数量判断图像噪声;
由于图像中的图像噪声属于图像数据中的不必要的或多余的干扰信息。噪声的存在严重影响了遥感图像的质量,因此在图像增强处理和分类处理之前,必须予以纠正。由此当阴影区域过小时,即可判断为图像噪声。
S7:根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影11、外壁阴影10和图像噪声;
而对于内壁阴影11和外壁阴影10的区分,可以采用浮顶罐所形成的圆进行对比,从而以距离分布接近半径进行判定,从而得出结果。
最后,整合所有内壁阴影11和外壁阴影10,从而计算出浮顶罐原油储量,由此充分利用了像素亮度的分布情况,避免手动设置阈值的不准确。同时综合利用连通区域的像素多少、去掉亮度最暗值、与油罐圆心的距离分布等,大幅减少了图像中可能存在的噪声、其他物体的阴影等。还利用阴影区域与油罐中心距离分布,判断阴影为内壁阴影11或外壁阴影10,解决了阴影可能被绳索等物体遮挡导致分类的情况。
请参阅图3,在本发明的一些实施例中,对所有标记为阴影的像素进行连通的步骤包括:
S501:随机选择一个阴影像素,作为初始连通区域;
由于阴影区域可能存在多个,故而可以直接随机选取一个阴影像素。
S502:循环验证初始连通区域周围预设数量的像素,如果有阴影像素,则将阴影像素加入初始连通区域;
基于随机选取的阴影像素,为了获得整个连通的阴影区域,采用循环验证的方式,将选取的阴影像素周围的阴影像素加入初始连通区域。
S503:对新加入的像素,继续循环验证像素周围预设数量的像素,如果有阴影像素,则将阴影像素加入连通区域;直到新加入的像素周围没有阴影像素,得到第一连通区域;
而对于为了增加选取速度,新加入的像素也同时进行选取,从而提高了选取效率。
S504:继续选择剩余未加入任何连通区域的阴影像素,重复步骤S501-S503产生其他连通区域;直到所有阴影像素都加入了连通区域,得到最终的连通区域;直到所有阴影像素都加入了任一连通区域,得到最终的所有连通区域。
在本发明的一些实施例中,将相互连通的像素构成阴影区域的步骤包括:将水平、垂直或对角线方向上连通的像素构成阴影区域。
对于像素来说,其均为多个极小的方块阵列组成,由此位于中间的像素周围均匀分布有8个像素,由此将水平、垂直或对角线方向上连通的像素构成阴影区域使得选取更为便捷快速。
在本发明的一些实施例中,根据所述阴影区域内阴影像素数量判断图像噪声的步骤包括:若阴影区域的像素数量低于第一预设值像素,则判断为图像噪声。
其中第一预设值像素的像素为10个像素,该数量的像素区域极小,可以直接判定为图像噪声。可以直接对其删除或忽略不计。
在本发明的一些实施例中,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影11、外壁阴影10和图像噪声的步骤包括:在阴影区域与油罐圆心的距离分布中,若距离分布接近半径,则判断为内壁阴影11或外壁阴影10,其他为图像噪声。
计算区域内所有像素到圆心的距离,如果该距离超过半径1.2倍的像素点,其数量超过区域点数总数的50%,或者距离小于半径0.8倍的像素,其数量超过区域点数总数的50%,同样判断为噪声,删除该区域。
在本发明的一些实施例中,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影11、外壁阴影10和图像噪声的步骤还包括:在阴影区域与油罐圆心距离分布与半径的关系中,若区域中占比超过第二预设值像素距离圆心小于半径的区域判断为内壁阴影11,否则判断为外壁阴影10。其中第二预设值像素值为可以是0.7-0.9,优选0.8。
在本发明的一些实施例中,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影11、外壁阴影10和图像噪声后的步骤包括:删除图像噪声对应的区域。
在本发明的一些实施例中,而对于图像噪声,为了避免其对后续操作的影响,直接对图像噪声进行删除。
实施例2
请参阅图4,为本发明提供的一种通过卫星图像估算浮顶油罐原油储量的系统,包括图像获取模块1,用于获取卫星图像信息;位置确定模块2,用于利用霍夫变换在卫星图像中检测圆形,确定浮顶罐的圆心位置与半径,得到定位图像;转换模块3,用于将定位图像从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,得到亮度数据;像素处理模块4,用于将所述亮度数据中,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;基于像素连通性,对所有标记为阴影的像素进行连通,将相互连通的像素构成阴影区域;判断模块5,用于根据所述阴影区域内阴影像素数量判断图像噪声;根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影11、外壁阴影10和图像噪声;计算模块6,用于整合所有内壁阴影11,计算内壁阴影11像素总数Pin;整合所有外壁阴影10,计算外壁阴影10像素总数Pout;得到单个浮顶罐原油储量
实施例3
请参阅图5,为本发明提供的一种电子设备,包括至少一个处理器7、至少一个存储器8和数据总线9;其中:处理器7与存储器8通过数据总线9完成相互间的通信;存储器8存储有可被处理器7执行的程序指令,处理器7调用程序指令以执行一种通过卫星图像估算浮顶油罐原油储量的方法。例如实现:
S1:获取卫星图像信息;S2:利用霍夫变换在卫星图像中检测圆形,确定浮顶罐的圆心位置与半径,得到定位图像;S3:将定位图像从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,得到亮度数据;S4:将亮度数据中,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;S5:基于像素连通性,对所有标记为阴影的像素进行连通,将相互连通的像素构成阴影区域;S6:根据阴影区域内阴影像素数量判断图像噪声;S7:根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声;S8:整合所有内壁阴影,计算内壁阴影像素总数Pin;整合所有外壁阴影,计算外壁阴影像素总数Pout;得到单个浮顶罐原油储量
其中,存储器8可以是但不限于,随机存取存储器(RANDOM ACCESS MEMORY,RAM),只读存储器(READONLYMEMORY,ROM),可编程只读存储器(PROGRAMMABLEREAD-ONLYMEMORY,PROM),可擦除只读存储器(ERASABLEPROGRAMMABLEREAD-ONLYMEMORY,EPROM),电可擦除只读存储器(ELECTRICERASABLEPROGRAMMABLEREAD-ONLYMEMORY,EEPROM)等。
处理器7可以是一种集成电路芯片,具有信号处理能力。该处理器7可以是通用处理器,包括中央处理器(CENTRAL PROCESSING UNIT,CPU)、网络处理器(NETWORKPROCESSOR,NP)等;还可以是数字信号处理器(DIGITALSIGNALPROCESSING,DSP)、专用集成电路(APPLICATIONSPECIFICINTEGRATEDCIRCUIT,ASIC)、现场可编程门阵列(FIELD-PROGRAMMABLEGATEARRAY,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。
实施例4
本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现一种通过卫星图像估算浮顶油罐原油储量的方法。例如实现:
S1:获取卫星图像信息;S2:利用霍夫变换在卫星图像中检测圆形,确定浮顶罐的圆心位置与半径,得到定位图像;S3:将定位图像从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,得到亮度数据;S4:将亮度数据中,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;S5:基于像素连通性,对所有标记为阴影的像素进行连通,将相互连通的像素构成阴影区域;S6:根据阴影区域内阴影像素数量判断图像噪声;S7:根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声;S8:整合所有内壁阴影,计算内壁阴影像素总数Pin;整合所有外壁阴影,计算外壁阴影像素总数Pout;得到单个浮顶罐原油储量
在本申请所提供的实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块,所述模块一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,READ-ONLYMEMORY)、随机存取存储器(RAM,RANDOMACCESSMEMORY)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种通过卫星图像估算浮顶油罐原油储量的方法,其特征在于,包括:
S1:获取卫星图像信息;
S2:利用霍夫变换在所述卫星图像中检测圆形,确定浮顶罐的圆心位置与半径,得到定位图像;
S3:将所述定位图像从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,得到亮度数据;
S4:将所述亮度数据中,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;
S5:基于像素连通性,对所有标记为阴影的像素进行连通,将相互连通的像素构成阴影区域;
S6:根据所述阴影区域内阴影像素数量判断图像噪声;
S7:根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声;
2.如权利要求1所述的一种通过卫星图像估算浮顶油罐原油储量的方法,其特征在于,对所有标记为阴影的像素进行连通的步骤包括:
S501:随机选择一个阴影像素,作为初始连通区域;
S502:循环验证所述初始连通区域周围预设数量的像素,如果有阴影像素,则将所述阴影像素加入初始连通区域;
S503:对新加入的像素,继续循环验证所述像素周围预设数量的像素,如果有阴影像素,则将所述阴影像素加入连通区域;直到新加入的像素周围没有阴影像素,得到第一连通区域;
S504:继续选择剩余未加入任何连通区域的阴影像素,重复步骤S501-S503产生其他连通区域;直到所有阴影像素都加入了任一连通区域,得到最终的所有连通区域。
3.如权利要求2所述的一种通过卫星图像估算浮顶油罐原油储量的方法,其特征在于,将相互连通的像素构成阴影区域的步骤包括:
将水平、垂直或对角线方向上连通的像素构成阴影区域。
4.如权利要求1所述的一种通过卫星图像估算浮顶油罐原油储量的方法,其特征在于,根据所述阴影区域内阴影像素数量判断图像噪声的步骤包括:
若阴影区域的像素数量低于第一预设值像素,则判断为图像噪声。
5.如权利要求1所述的一种通过卫星图像估算浮顶油罐原油储量的方法,其特征在于,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声的步骤包括:
在阴影区域与油罐圆心的距离分布中,若所述距离分布接近半径,则判断为内壁阴影或外壁阴影,其他为图像噪声。
6.如权利要求5所述的一种通过卫星图像估算浮顶油罐原油储量的方法,其特征在于,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声的步骤还包括:
在阴影区域与油罐圆心距离分布与半径的关系中,若超过第二预设值像素距离圆心小于半径的区域判断为内壁阴影,否则判断为外壁阴影。
7.如权利要求1所述的一种通过卫星图像估算浮顶油罐原油储量的方法,其特征在于,根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声后的步骤包括:删除所述图像噪声对应的区域。
8.一种通过卫星图像估算浮顶油罐原油储量的系统,其特征在于,包括
图像获取模块,用于获取卫星图像信息;
位置确定模块,用于利用霍夫变换在所述卫星图像中检测圆形,确定浮顶罐的圆心位置与半径,得到定位图像;
转换模块,用于将所述定位图像从RGB空间转换到YCRCB空间,利用YCRCB空间的Y通道计算图像亮度的分布,得到亮度数据;
像素处理模块,用于将所述亮度数据中,去掉亮度最小值与最大值后,通过亮度均值与标准差计算阈值,将低于阈值的像素位置标记为阴影像素;基于像素连通性,对所有标记为阴影的像素进行连通,将相互连通的像素构成阴影区域;
判断模块,用于根据所述阴影区域内阴影像素数量判断图像噪声;根据阴影区域与浮顶罐圆心的距离分布以及半径的关系,得到内壁阴影、外壁阴影和图像噪声;
9.一种电子设备,其特征在于,包括至少一个处理器、至少一个存储器和数据总线;其中:所述处理器与所述存储器通过所述数据总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令以执行如权利要求1-7任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210183554.4A CN114708512B (zh) | 2022-02-28 | 2022-02-28 | 一种通过卫星图像估算浮顶油罐原油储量的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210183554.4A CN114708512B (zh) | 2022-02-28 | 2022-02-28 | 一种通过卫星图像估算浮顶油罐原油储量的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114708512A true CN114708512A (zh) | 2022-07-05 |
CN114708512B CN114708512B (zh) | 2024-04-26 |
Family
ID=82166758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210183554.4A Active CN114708512B (zh) | 2022-02-28 | 2022-02-28 | 一种通过卫星图像估算浮顶油罐原油储量的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708512B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984836A (zh) * | 2023-03-20 | 2023-04-18 | 山东杨嘉汽车制造有限公司 | 一种铁路油罐车罐口识别定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100232705A1 (en) * | 2009-03-12 | 2010-09-16 | Ricoh Company, Ltd. | Device and method for detecting shadow in image |
CN108053416A (zh) * | 2017-12-14 | 2018-05-18 | 北京市遥感信息研究所 | 一种基于单幅卫星图像的最大储油量提取系统 |
CN110210453A (zh) * | 2019-06-14 | 2019-09-06 | 中国资源卫星应用中心 | 一种基于遥感图像特征的油罐存储量确定方法及系统 |
CN112200858A (zh) * | 2020-10-10 | 2021-01-08 | 长光卫星技术有限公司 | 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 |
US20210192710A1 (en) * | 2018-01-18 | 2021-06-24 | Hitachi, Ltd. | Work Terminal, Oil Leakage Detection Apparatus, and Oil Leakage Detection Method |
WO2021196698A1 (zh) * | 2020-04-03 | 2021-10-07 | 深圳前海微众银行股份有限公司 | 待侦测物体储量确定方法、装置、设备及介质 |
-
2022
- 2022-02-28 CN CN202210183554.4A patent/CN114708512B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100232705A1 (en) * | 2009-03-12 | 2010-09-16 | Ricoh Company, Ltd. | Device and method for detecting shadow in image |
CN108053416A (zh) * | 2017-12-14 | 2018-05-18 | 北京市遥感信息研究所 | 一种基于单幅卫星图像的最大储油量提取系统 |
US20210192710A1 (en) * | 2018-01-18 | 2021-06-24 | Hitachi, Ltd. | Work Terminal, Oil Leakage Detection Apparatus, and Oil Leakage Detection Method |
CN110210453A (zh) * | 2019-06-14 | 2019-09-06 | 中国资源卫星应用中心 | 一种基于遥感图像特征的油罐存储量确定方法及系统 |
WO2021196698A1 (zh) * | 2020-04-03 | 2021-10-07 | 深圳前海微众银行股份有限公司 | 待侦测物体储量确定方法、装置、设备及介质 |
CN112200858A (zh) * | 2020-10-10 | 2021-01-08 | 长光卫星技术有限公司 | 基于高分辨率光学遥感图像的外浮顶油罐储量分析方法 |
Non-Patent Citations (4)
Title |
---|
LIBAO ZHANG: "Oil Tank Detection Using Co-Spatial Residual and Local Gradation Statistic in SAR Images", 《2019 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP)》, 26 August 2019 (2019-08-26) * |
TONG WANG: "Estimating the Volume of Oil Tanks Based on High-Resolution Remote Sensing Images", 《REMOTE SENSING》, 3 April 2019 (2019-04-03) * |
于圣涛: "基于高分辨率遥感影像的油罐体积求取研究", 《硕士电子期刊》, 1 April 2018 (2018-04-01) * |
江一帆;于海洋;李朝亮;刘鹏;张慧勇;: "基于改进Faster R-CNN的高分遥感影像储油罐检测与信息提取", 遥感信息, no. 04, 20 August 2020 (2020-08-20) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984836A (zh) * | 2023-03-20 | 2023-04-18 | 山东杨嘉汽车制造有限公司 | 一种铁路油罐车罐口识别定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114708512B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084095B (zh) | 车道线检测方法、车道线检测装置和计算机存储介质 | |
US11403839B2 (en) | Commodity detection terminal, commodity detection method, system, computer device, and computer readable medium | |
CN108596166B (zh) | 一种基于卷积神经网络分类的集装箱箱号识别方法 | |
CN107045634B (zh) | 一种基于最大稳定极值区域与笔画宽度的文本定位方法 | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN109635799B (zh) | 一种燃气表字轮数字的识别方法 | |
JP4266030B2 (ja) | デジタル画像の領域を検知する方法およびシステム | |
CN111768392A (zh) | 目标检测方法及装置、电子设备、存储介质 | |
CN107563986B (zh) | 图像区域的判断方法和系统 | |
CN111178193A (zh) | 一种车道线的检测方法、检测装置及计算机可读存储介质 | |
CN114708512B (zh) | 一种通过卫星图像估算浮顶油罐原油储量的方法及系统 | |
CN111783493A (zh) | 一种批量二维码的识别方法及识别终端 | |
CN110852207A (zh) | 基于面向对象影像分类技术的蓝色屋顶建筑物提取方法 | |
CN114092468A (zh) | 一种基于机器视觉的标准目标计数方法 | |
CN112614074B (zh) | 一种基于响应图和聚类的鲁棒灭点检测方法及装置 | |
CN117520581A (zh) | 一种土地测绘信息管理方法、系统、设备及介质 | |
CN109726722B (zh) | 一种字符分割方法及装置 | |
CN116824166A (zh) | 输电线路烟雾识别方法、装置、计算机设备和存储介质 | |
CN115661131B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN114742849B (zh) | 一种基于图像增强的水准仪距离测量方法 | |
CN115457489A (zh) | 一种基于视频监控的车型识别方法 | |
CN115376131A (zh) | 一种点状编码标志的设计与识别方法 | |
CN111695557B (zh) | 一种图像处理方法及装置 | |
CN114926829A (zh) | 一种证件检测方法、装置、电子设备及存储介质 | |
CN113643369A (zh) | 针对遥感影像的定位信息校正方法 |
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 |