CN114994671A - 基于雷达图像的目标检测方法、装置、设备及介质 - Google Patents

基于雷达图像的目标检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN114994671A
CN114994671A CN202210608182.5A CN202210608182A CN114994671A CN 114994671 A CN114994671 A CN 114994671A CN 202210608182 A CN202210608182 A CN 202210608182A CN 114994671 A CN114994671 A CN 114994671A
Authority
CN
China
Prior art keywords
image
edge
pixel
detection
filtering
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
Application number
CN202210608182.5A
Other languages
English (en)
Other versions
CN114994671B (zh
Inventor
王博恒
王青
章庆
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.)
Nanjing Hurys Intelligent Technology Co Ltd
Original Assignee
Nanjing Hurys Intelligent Technology Co Ltd
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 Nanjing Hurys Intelligent Technology Co Ltd filed Critical Nanjing Hurys Intelligent Technology Co Ltd
Priority to CN202210608182.5A priority Critical patent/CN114994671B/zh
Publication of CN114994671A publication Critical patent/CN114994671A/zh
Application granted granted Critical
Publication of CN114994671B publication Critical patent/CN114994671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了基于雷达图像的目标检测方法、装置、设备及介质。其中，该方法包括：对待处理雷达图像进行滤波处理，获得预处理图像；对所述预处理图像进行边缘检测，获得边缘检测图像；对所述边缘检测图像进行二值化处理，获得二值化图像；对所述二值化图像执行设定边缘处理操作，获得目标检测图像。本技术方案，解决了在交通场景下机扫雷达检测图像中非必要信息的去除问题，能够有效将背景干扰因素与检测目标进行区分，从而进行有效检测的同时能够满足检测实时性的需求。

Description

基于雷达图像的目标检测方法、装置、设备及介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种雷达图像目标检测方法、装置、设备及介质。
背景技术
雷达作为一种微波遥感探测设备，利用物体的散射强度成像，具有不受光照和气候条件等限制实现全天时、全天候对地观测的特点。
对于机扫雷达所获得的检测图像，由于具有较高的分辨率，在生成的检测界面中可以观察到大量的目标，但在实际应用的背景下，其中大部分点对于实际应用来说是不需要的。
如在交通场景下的雷达数据采集的过程中，由于周围环境中存在的井盖、护栏、杆件等环境因素的存在，导致雷达对环境感知得到的图像中存在着大量非必要的信息，那如何将无关的背景去除是进行目标检测的重要条件之一。
发明内容
本发明提供了一种基于雷达图像的目标检测方法、装置、设备及介质，以解决在交通场景下机扫雷达检测图像中非必要信息的去除问题，能够有效将背景干扰因素与检测目标进行区分，从而进行有效检测的同时能够满足检测实时性的需求。
根据本发明的一方面，提供了一种基于雷达图像的目标检测方法，包括：
对待处理雷达图像进行滤波处理，获得预处理图像；
对所述预处理图像进行边缘检测，获得边缘检测图像；
对所述边缘检测图像进行二值化处理，获得二值化图像；
对所述二值化图像执行设定边缘处理操作，获得目标检测图像。
可选的，对待处理雷达图像进行滤波处理，包括：
采用如下任意一种滤波方式对所述待处理雷达图像进行滤波处理：均值滤波、中值滤波、最大值滤波或者最小值滤波。
可选的，对所述预处理图像进行边缘检测，获得边缘检测图像，包括：
采用两个设定边缘检测算子与所述预处理图像进行卷积计算，获得两张卷积图；
对所述两张卷积图进行融合，获得边缘检测图像。
可选的，对所述两张卷积图进行融合，获得边缘检测图像，包括：
将所述两张卷积图中的对应像素点的像素值按照设定方式融合，获得边缘检测图像。
可选的，对所述边缘检测图像进行二值化处理，获得二值化图像，包括：
将所述边缘检测图像中像素点的像素值与预设阈值进行比较；
若像素值大于或等于所述预设阈值，则将所述像素点的像素值修改为第一设定值；若像素值小于所述预设阈值，则将所述像素点的像素值修改为第二设定值，获得二值化图像。
可选的，所述设定边缘处理包括第一边缘处理和/或第二边缘处理；其中，所述第一边缘处理为先进行边缘腐蚀再进行边缘膨胀，所述第二边缘处理为先进行边缘膨胀再进行边缘腐蚀。
可选的，对所述二值化图像执行设定边缘处理操作，获得目标检测图像，包括：
基于设定结构元素对所述二值化图像执行所述设定边缘处理操作，获得第一中间图像；
基于至少一个线性结构元素对所述第一中间图像执行所述设定边缘处理操作，获得至少一个第二中间图像；其中，所述设定结构元素和所述线性结构元素为设定大小的二值矩阵；
将所述至少一个第二中间图像进行融合，获得目标检测图像。
可选的，对图像进行边缘腐蚀，包括：
遍历图像中的像素点，将遍历到的像素点与所述设定结构元素或者所述线性结构元素的核心点对齐，获取图像与所述设定结构元素或者所述线性结构元素中的第三设定值对齐的像素点，确定为第一候选像素点；
将遍历到的像素点的像素值替换为所述第一候选像素点中的最小像素值；
对图像进行边缘膨胀，包括：
遍历图像中的像素点，将遍历到的像素点与所述设定结构元素或者所述线性结构元素的核心点对齐，获取图像与所述设定结构元素或者所述线性结构元素中的第三设定值对齐的像素点，确定为第二候选像素点；
将遍历到的像素点的像素值替换为所述第二候选像素点中的最大像素值。
可选的，所述线性结构元素的数量为4，将所述至少一个第二中间图像进行融合，获得目标检测图像，包括：
将4个第二中间图像对应像素点的像素值求平均值，获得目标检测图像。
根据本发明的另一方面，提供了一种基于雷达图像的目标检测装置，包括：
预处理图像获取模块，用于对待处理雷达图像进行滤波处理，获得预处理图像；
边缘检测图像获取模块，用于对所述预处理图像进行边缘检测，获得边缘检测图像；
二值化图像获取模块，用于对所述边缘检测图像进行二值化处理，获得二值化图像；
目标检测图像获取模块，用于对所述二值化图像执行设定边缘处理操作，获得目标检测图像。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于雷达图像的目标检测方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于雷达图像的目标检测方法。
本发明实施例的技术方案，通过对待处理雷达图像进行滤波处理，获得预处理图像；对所述预处理图像进行边缘检测，获得边缘检测图像；对所述边缘检测图像进行二值化处理，获得二值化图像；对所述二值化图像执行设定边缘处理操作，获得目标检测图像。本技术方案，解决了在交通场景下机扫雷达检测图像中非必要信息的去除问题，能够有效将背景干扰因素与检测目标进行区分，从而进行有效检测的同时能够满足检测实时性的需求。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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。
图1是根据本发明实施例一提供的一种基于雷达图像的目标检测方法的流程图；
图2是根据本发明实施例二提供的一种基于雷达图像的目标检测方法的流程图；
图3是根据本发明实施例三提供的一种基于雷达图像的目标检测方法的流程图；
图4a是根据本发明实施例三提供的一种基于雷达图像的目标检测示例图；
图4b是根据本发明实施例三提供的一种基于雷达图像的目标检测示例图；
图5是根据本发明实施例四提供的一种基于雷达图像的目标检测装置的结构示意图；
图6是根据本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本实施例的技术方案可以由后台服务器执行，可以应用于交通场景下机扫雷达检测的雷达图像。本实施例中后台服务器可以通过先使用滤波器对从工业领域获得的图像进行预处理，然后使用Roberts Cross(RCO)作为预处理图像的边缘检测方法，通过基于图像灰度值分布的阈值处理，可以得到二值图。最后，采用数学形态学方法来进一步减少噪声和光照对检测结果的影响，并可以实现对于检测目标的定位，从而得到目标检测图像，解决了在交通场景下机扫雷达检测图像中非必要信息的去除问题，能够有效将背景干扰因素与检测目标进行区分，从而进行有效检测的同时能够满足检测实时性的需求。
实施例一
图1是根据本发明实施例一提供的一种基于雷达图像的目标检测方法的流程图，本实施例可适用于交通场景下对雷达图像进行目标检测的情况，该方法可以由基于雷达图像的目标检测装置来执行，该基于雷达图像的目标检测装置可以采用硬件和/或软件的形式实现，该基于雷达图像的目标检测装置可配置于具有数据处理能力的电子设备中。如图1所示，该方法包括：
S110、对待处理雷达图像进行滤波处理，获得预处理图像。
其中，待处理雷达图像可以是将要进行处理的雷达图像。本实施例中的雷达图像可以是交通场景下机扫雷达检测到的图像。通常，去除图像采集和获取过程中加入的噪声成分，可以称为图像平滑或过滤。滤波处理可以是通过采用滤波方式对待处理雷达图像进行滤波处理。本实施例中图像滤波处理的目的：一是提取物体的特征作为图像识别的特征模式；二是适应图像处理的要求，消除图像数字化中混入的噪声。预处理图像可以理解为对待处理雷达图像采用设定滤波方式进行滤波处理得到的图像。
本实施例中后台服务器对待处理雷达图像采用滤波方式进行滤波处理，获得预处理图像。
在本实施例中，可选的，对待处理雷达图像进行滤波处理，包括：采用如下任意一种滤波方式对所述待处理雷达图像进行滤波处理：均值滤波、中值滤波、最大值滤波或者最小值滤波。
其中，滤波方式可以包括均值滤波、中值滤波、最大值滤波以及最小值滤波等滤波方式。具体的，均值滤波是典型的线性滤波算法，均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素，构成一个滤波模板，即包括目标像素本身)，再用模板中的全体像素的平均值来代替原来像素值。中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。最大值滤波或者最小值滤波是一种比较保守的图像处理手段，与中值滤波类似，首先要排序周围像素和中心像素值，然后将中心像素值与最小和最大像素值比较，如果比最小值小，则替换中心像素为最小值，如果中心像素比最大值大，则替换中心像素为最大值。
示例性的，本实施例中可以采用均值滤波法对图像进行滤波处理，本实施例中均值滤波方法可以是由图像数据生成N×N的模板，然后对矩阵模板进行处理。给图像上的目标像素一个模板，模板包括其周围的相邻像素(以3×3为例，目标像素周围的8个像素构成一个滤波模板，即去除目标像素本身)然后用模板中所有像素的平均值替换原始像素值。本实施例可以通过均值滤波方法可以达到去除一个像素周围不能代表其周围环境的像素的效果。
本实施例中后台服务器可以采用均值滤波、中值滤波、最大值滤波或者最小值滤波等滤波方式对待处理雷达图像进行滤波处理。
本方案通过这样的设置，不仅可以提取物体的特征作为图像识别的特征模式，还可以适应图像处理的要求，消除图像数字化中混入的噪声。
S120、对所述预处理图像进行边缘检测，获得边缘检测图像。
其中，边缘检测的目的是标识预处理图像中亮度变化明显的点，即对图像中包含的目标的边缘进行检测。本实施例中后台服务器可以采用罗伯茨十字算子(Roberts算子)作为预处理图像的边缘检测方法。罗伯茨十字算子是由Lawrence Roberts在1963年首次提出的，该方法作为最早的边缘检测器之一，已被广泛用于图像处理和计算机视觉的边缘检测。罗伯茨十字算子采用离散微分的思想，通过计算对角线相邻像素之间的差异的平方之和来逼近图像的梯度。这种方法可以描述为以下公式：
Figure BDA0003671129360000081
Figure BDA0003671129360000082
其中x是图像中的初始强度值，z是计算出的导数，i，j代表图像中的位置。边缘检测图像可以理解为具有轮廓线的边缘检测图像。
本实施例中后台服务器可以通过对预处理图像进行边缘检测，获得具有轮廓线的边缘检测图像。
S130、对所述边缘检测图像进行二值化处理，获得二值化图像。
其中，二值化处理可以理解为将图像中像素点的像素值转化为由两种值表示的图像。本实施例中可以对边缘检测图像基于预设阈值进行二值化处理，可以得到二值化图像。二值化图像可以为经过二值化处理得到的图像。可以理解的，二值化图像就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。本实施例中后台服务器通过对边缘检测图像进行二值化处理，获得二值化图像。
S140、对所述二值化图像执行设定边缘处理操作，获得目标检测图像。
其中，设定边缘处理操作可以通过采用数学形态学方法来进行处理操作。设定边缘处理可以包括第一边缘处理和/或第二边缘处理；其中，第一边缘处理为先进行边缘腐蚀再进行边缘膨胀，第二边缘处理为先进行边缘膨胀再进行边缘腐蚀。本实施例中后台服务器通过对二值化图像执行设定边缘处理操作，获得目标检测图像。
本发明实施例的技术方案，通过对待处理雷达图像进行滤波处理，获得预处理图像；对所述预处理图像进行边缘检测，获得边缘检测图像；对所述边缘检测图像进行二值化处理，获得二值化图像；对所述二值化图像执行设定边缘处理操作，获得目标检测图像。本技术方案，解决了在交通场景下机扫雷达检测图像中非必要信息的去除问题，能够有效将背景干扰因素与检测目标进行区分，从而进行有效检测的同时能够满足检测实时性的需求。
实施例二
图2是根据本发明实施例二提供的一种基于雷达图像的目标检测方法的流程图，本实施例以上述实施例为基础进行优化。具体优化为：对所述预处理图像进行边缘检测，获得边缘检测图像，包括：采用两个设定边缘检测算子与所述预处理图像进行卷积计算，获得两张卷积图；对所述两张卷积图进行融合，获得边缘检测图像。如图2所示，该方法包括：
S210、对待处理雷达图像进行滤波处理，获得预处理图像。
S220、采用两个设定边缘检测算子与所述预处理图像进行卷积计算，获得两张卷积图。
其中，边缘检测算子可以是设定的Roberts算子。本实施例中两个设定边缘检测算子可以是两个2×2的核子。示例性的，两个设定边缘检测算子可以是：
Figure BDA0003671129360000101
其中，卷积运算可以是指从图像的左上角开始，开一个与模板同样大小的活动窗口，窗口图像与模板像元对应起来相乘再相加，并用计算结果代替窗口中心的像元亮度值。然后，活动窗口向右移动一列，并作同样的运算。以此类推，从左到右、从上到下，即可得到一幅新图像。卷积图可以是设定的边缘检测算子与预处理图像进行卷积计算得到的图像。
本实施例中后台服务器通过采用两个设定边缘检测算子与预处理图像进行卷积计算，从而获得两张卷积图。
S230、对所述两张卷积图进行融合，获得边缘检测图像。
其中，融合可以是对应像素点的像素值求平均，或者加权求和，或者平方求和再开方。本实施例中对两张卷积图融合，可以理解为两张卷积图中对应像素点的像素值进行求平均，或者加权求和，或者平方求和再开方的方式进行融合。边缘检测图像可以是对两张卷积图进行融合得到的图像。
本实施例中后台服务器可以对两张卷积图进行融合，以获得边缘检测图像。
在本实施例中，可选的，对所述两张卷积图进行融合，获得边缘检测图像，包括：将所述两张卷积图中的对应像素点的像素值按照设定方式融合，获得边缘检测图像。
其中，设定方式可以根据实际需求预先设定的。本实施例中的设定方式可以是将两者卷积图中的对应像素点的像素值按照平方求和再开方的方式融合，从而得到边缘检测图像。
示例性的，对于一个经过均值滤波预处理的采集图像P，首先使用RC检测图像的边缘，可以采用两个2×2的核子与图像P进行卷积。以预处理图像的其中某一个像素点的像素值为例：
两个2×2的核子如下所示：
Figure BDA0003671129360000111
本实施例中可以定义Gx(x,y)是用第一核子进行卷积形成的图像中的一个点，Gy(x,y)是用第二核子进行卷积形成的图像中的一个点。然后，得到的某一个像素点的像素值结果可以定义为:
Figure BDA0003671129360000112
Figure BDA0003671129360000113
本实施例中入后台服务器可以将两者卷积图中对应像素点的像素值按照预先设定的方式进行融合，以获得边缘检测图像。
S240、将所述边缘检测图像中像素点的像素值与预设阈值进行比较。
其中，预设阈值可以根据实际需求进行预先设定具体的阈值。本实施例中将边缘检测图像中像素点的像素值与预设阈值进行比较。
S250、若像素值大于或等于所述预设阈值，则将所述像素点的像素值修改为第一设定值；若像素值小于所述预设阈值，则将所述像素点的像素值修改为第二设定值，获得二值化图像。
其中，第一设定值和第二设定值可以根据实际需要进行设置具体的数值。第一设定值可以用于表示感兴趣的区域，可以理解为检测目标的区域，可以用白色表示；第二设定值可以用于表示不感兴趣的区域，可以用黑色表示，可以理解为背景干扰因素的区域。具体的，本实施例中的第一设定值可以是255；第二设定值可以是0。
本实施例中边缘检测图像中的像素点的像素值与预设阈值进行比较，若边缘检测图像中的像素点的像素值大于或等于预设阈值，则将该像素点的像素值修改为第一设定值；若边缘检测图像中的像素点的像素值小于预设阈值，则将该像素点的像素值修改为第二设定值，从而得到整个图像呈现出明显的黑白效果的二值化图像。
S260、对所述二值化图像执行设定边缘处理操作，获得目标检测图像。
本发明实施例的技术方案，通过对待处理雷达图像进行滤波处理，获得预处理图像；采用两个设定边缘检测算子与所述预处理图像进行卷积计算，获得两张卷积图；对所述两张卷积图进行融合，获得边缘检测图像；将所述边缘检测图像中像素点的像素值与预设阈值进行比较；若像素值大于或等于所述预设阈值，则将所述像素点的像素值修改为第一设定值；若像素值小于所述预设阈值，则将所述像素点的像素值修改为第二设定值，获得二值化图像；对所述二值化图像执行设定边缘处理操作，获得目标检测图像。本技术方案，解决了在交通场景下机扫雷达检测图像中非必要信息的去除问题，能够有效将背景干扰因素与检测目标进行区分，从而进行有效检测的同时能够满足检测实时性的需求。
实施例三
图3是根据本发明实施例三提供的一种基于雷达图像的目标检测方法的流程图，本实施例以上述实施例为基础进行优化。具体优化为：对所述二值化图像执行设定边缘处理操作，获得目标检测图像，包括：基于设定结构元素对所述二值化图像执行所述设定边缘处理操作，获得第一中间图像；基于至少一个线性结构元素对所述第一中间图像执行所述设定边缘处理操作，获得至少一个第二中间图像；其中，所述设定结构元素和所述线性结构元素为设定大小的二值矩阵；将所述至少一个第二中间图像进行融合，获得目标检测图像。如图3所示，该方法包括：
S310、对待处理雷达图像进行滤波处理，获得预处理图像。
S320、对所述预处理图像进行边缘检测，获得边缘检测图像。
S330、对所述边缘检测图像进行二值化处理，获得二值化图像。
S340、基于设定结构元素对所述二值化图像执行所述设定边缘处理操作，获得第一中间图像。
其中，设定结构元素e可以是预先设定的。设定结构元素可以为设定大小的二值矩阵。设定边缘处理可以包括第一边缘处理和/或第二边缘处理。第一中间图像可以理解为基于设定结构元素对二值化图像执行第一边缘处理和/或第二边缘处理得到的图像。
在本实施例中，可选的，设定边缘处理可以包括第一边缘处理和/或第二边缘处理；其中，第一边缘处理可以为先进行边缘腐蚀再进行边缘膨胀，第二边缘处理可以为先进行边缘膨胀再进行边缘腐蚀。
其中，设定边缘处理可以是第一边缘处理，也可以是第二边缘处理，还可以先第一边缘处理再第二边缘处理，或者先第二边缘处理再第一边缘处理。在形态学中，膨胀和腐蚀是基本操作方法。膨胀和腐蚀操作以结构元素为模板，在结构基元大小的范围内寻找图像灰度值差异的最大值和最小值。第一边缘处理还可以称之为打开操作，即打开操作为先腐蚀图像，然后再膨胀图像；相反，第二边缘处理还可以称之为关闭操作，即关闭操作先膨胀图像，然后再腐蚀图像。
示例性的，本实施例中可以把膨胀和腐蚀定义为⊕和⊙，对于图像I和结构元素e，打开操作可以写成I∨e，关闭操作可以写成I∧e，所以打开操作和关闭操作可以定义为。
I∨e＝(I⊙e)⊕e；
I∧e＝(I⊕e)⊙e；
本实施例中基于设定结构元素对二值化图像执行设定的第一边缘处理和/或第二边缘处理，以得到第一中间图像。本方案通过这样的设置，通过第一边缘处理为先进行边缘腐蚀再进行边缘膨胀可以消除孤立的毛刺并过滤掉小于结构元素的正脉冲噪声；通过第二边缘处理可以为先进行边缘膨胀再进行边缘腐蚀，可用于填补目标之间的狭窄裂缝，也可过滤掉小于结构元素的负脉冲噪声。
S350、基于至少一个线性结构元素对所述第一中间图像执行所述设定边缘处理操作，获得至少一个第二中间图像；其中，所述设定结构元素和所述线性结构元素为设定大小的二值矩阵。
其中，至少一个线性结构元素可以是1个至4个任意的数量，优选的是4个方向的线性结构元素，示例性的，4个方向的线性结构元素可以为矩阵中以数字1连线与水平方向的夹角为0°、45°、90°以及135°。第二中间图像可以理解为基于至少一个线性结构元素对第一中间图像执行设定的第一边缘处理和/或第二边缘处理得到的图像。第二中间图像至少为一个，还可以是多个。设定结构元素和线性结构元素可以为设定大小的二值矩阵。设定大小可以是根据需求设定的具体大小的二值矩阵。具体的，本实施例的设定大小可以为3*3的二值矩阵。
本实施例中后台服务器可以基于至少一个线性结构元素对第一中间图像执行第一边缘处理和/或第二边缘处理，以获得至少一个第二中间图像。
示例性的，本实施例中定义的设定结构元素e可以是：
Figure BDA0003671129360000141
本实施例中4个方向不同的线性结构元素e1,e2,e3,e4可以是：
Figure BDA0003671129360000142
S360、将所述至少一个第二中间图像进行融合，获得目标检测图像。
其中，融合可以是对应像素点的像素值求平均值，或者加权求和，可以根据实际需求进行融合。本实施例中至少一个第二中间图像的融合可以将至少一个第二中间图像对应像素点的像素值求平均值的操作。目标检测图像可以是将至少一个第二中间图像进行融合得到的图像。本实施例中后台服务器可以将至少一个第二中间图像进行融合，以获得目标检测图像。
本发明实施例的技术方案，对待处理雷达图像进行滤波处理，获得预处理图像；对所述预处理图像进行边缘检测，获得边缘检测图像；对所述边缘检测图像进行二值化处理，获得二值化图像；基于设定结构元素对所述二值化图像执行所述设定边缘处理操作，获得第一中间图像。基于至少一个线性结构元素对所述第一中间图像执行所述设定边缘处理操作，获得至少一个第二中间图像；其中，所述设定结构元素和所述线性结构元素为设定大小的二值矩阵；将所述至少一个第二中间图像进行融合，获得目标检测图像。本技术方案，解决了在交通场景下机扫雷达检测图像中非必要信息的去除问题，能够进一步的将背景干扰因素与检测目标进行区分，从而进行有效检测的同时能够满足检测实时性的需求。
在本实施例中，可选的，对图像进行边缘腐蚀，包括：遍历图像中的像素点，将遍历到的像素点与所述设定结构元素或者所述线性结构元素的核心点对齐，获取图像与所述设定结构元素或者所述线性结构元素中的第三设定值对齐的像素点，确定为第一候选像素点；将遍历到的像素点的像素值替换为所述第一候选像素点中的最小像素值；对图像进行边缘膨胀，包括：遍历图像中的像素点，将遍历到的像素点与所述设定结构元素或者所述线性结构元素的核心点对齐，获取图像与所述设定结构元素或者所述线性结构元素中的第三设定值对齐的像素点，确定为第二候选像素点；将遍历到的像素点的像素值替换为所述第二候选像素点中的最大像素值。
其中，核心点可以理解为设定结构元素或者线性结构元素二值矩阵的一个点；可以是根据需要自行定义核心点。第一候选像素点和第二候选像素点可以是图像中与设定结构元素或者线性结构元素中的第一设定值对齐的像素点。其中，第三设定值可以是1。本实施例中的候选像素点可以是0和255，那么最小像素值可以是0，最大像素值可以是255。
本实施例中后台服务器可以遍历图像的像素点，将遍历到的像素点与设定结构元素或者线性结构元素的核心点对齐，获取图像与设定结构元素中的第三设定值对齐的像素点确定为候选像素点；当对图像进行边缘腐蚀时，将遍历到的像素点的像素值替换为候选像素点中的最小像素值；当对图像进行膨胀时，将遍历到的像素点的像素值替换为候选像素点中的最大像素值。
具体的，膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。其中膨胀计算的定义如下：
[εe(I)](i)＝max{Ie}
腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。其中腐蚀计算的定义如下：
[δe(I)](i)＝min{Ie}
本方案通过这样的设置，通过对图像进行边缘腐蚀和膨胀可以使图像的物理轮廓更加平缓，清晰，还可以进一步过滤不感兴趣的区域。
在本实施例中，可选的，所述线性结构元素的数量为4，将所述至少一个第二中间图像进行融合，获得目标检测图像，包括：将4个第二中间图像对应像素点的像素值求平均值，获得目标检测图像。
其中，线性结构元素的数量可以为4。目标检测图像可以是将4个第二中间图像对应像素点的像素值求平均值得到的图像。
示例性的，本实施例中可以使用4种不同的线性结构元素处理二进制图片，通过数学形态学方法处理二元图片的方式可以描述为：
Figure BDA0003671129360000161
本实施例中后台服务器将4个第二中间对应像素点的像素值求平均值得到目标检测图像。
本方案通过这样的设置，通过采用4个线下结构元素对图像进行处理，能够有效的减少误报，能够有效将背景干扰因素与检测目标进行区分。
示例性的，本实施例基于雷达图像的目标检测示例图如图4所示，图4a为机扫雷达得到的周围场景的检测图像，图4b为经过本技术方案处理后得到的处理后的图像。图4a的图片右上部为场景中存在干扰的金属围墙，图片中部四个目标为实际运动中的目标，从图4b图中可以看出经过本技术方案处理后能够将背景中的干扰环境进行一个有效的去除。
实施例四
图5是根据本发明实施例四提供的一种基于雷达图像的目标检测装置的结构示意图。如图5所示，该装置包括：
预处理图像获取模块510，用于对待处理雷达图像进行滤波处理，获得预处理图像。
边缘检测图像获取模块520，用于对所述预处理图像进行边缘检测，获得边缘检测图像。
二值化图像获取模块530，用于对所述边缘检测图像进行二值化处理，获得二值化图像。
目标检测图像获取模块540，用于对所述二值化图像执行设定边缘处理操作，获得目标检测图像。
可选的，所示预处理图像获取模块510，具体用于：
采用如下任意一种滤波方式对所述待处理雷达图像进行滤波处理：均值滤波、中值滤波、最大值滤波或者最小值滤波。
可选的，所示边缘检测图像获取模块520，包括：
卷积计算单元，用于采用两个设定边缘检测算子与所述预处理图像进行卷积计算，获得两张卷积图；
第一融合单元，用于对所述两张卷积图进行融合，获得边缘检测图像。
可选的，所述融合单元，用于：
将所述两张卷积图中的对应像素点的像素值按照设定方式融合，获得边缘检测图像。
可选的，所述二值化图像获取模块530，具体用于：
将所述边缘检测图像中像素点的像素值与预设阈值进行比较；
若像素值大于或等于所述预设阈值，则将所述像素点的像素值修改为第一设定值；若像素值小于所述预设阈值，则将所述像素点的像素值修改为第二设定值，获得二值化图像。
可选的，所述设定边缘处理包括第一边缘处理和/或第二边缘处理；其中，所述第一边缘处理为先进行边缘腐蚀再进行边缘膨胀，所述第二边缘处理为先进行边缘膨胀再进行边缘腐蚀。
可选的，目标检测图像获取模块540，包括：
第一边缘处理单元，用于基于设定结构元素对所述二值化图像执行所述设定边缘处理操作，获得第一中间图像；
第二边缘处理单元，用于基于至少一个线性结构元素对所述第一中间图像执行所述设定边缘处理操作，获得至少一个第二中间图像；其中，所述设定结构元素和所述线性结构元素为设定大小的二值矩阵；
第二融合单元，用于将所述至少一个第二中间图像进行融合，获得目标检测图像。
可选的，边缘处理单元，具有用于：对图像进行边缘腐蚀，遍历图像中的像素点，将遍历到的像素点与所述设定结构元素或者所述线性结构元素的核心点对齐，获取图像与所述设定结构元素或者所述线性结构元素中的第一设定值对齐的像素点，确定为第一候选像素点；将遍历到的像素点的像素值替换为所述第一候选像素点中的最小像素值；
对图像进行边缘膨胀，遍历图像中的像素点，将遍历到的像素点与所述设定结构元素或者所述线性结构元素的核心点对齐，获取图像与所述设定结构元素或者所述线性结构元素中的第一设定值对齐的像素点，确定为第二候选像素点；将遍历到的像素点的像素值替换为所述第二候选像素点中的最大像素值。
可选的，所述线性结构元素的数量为4；
第二融合单元，具体用于：
将4个第二中间图像对应像素点的像素值求平均值，获得目标检测图像。
本发明实施例所提供的一种基于雷达图像的目标检测装置可执行本发明任意实施例所提供的一种基于雷达图像的目标检测方法，具备执行方法相应的功能模块和有益效果。
实施例五
图6是根据本发明实施例五提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如基于雷达图像的目标检测方法。
在一些实施例中，基于雷达图像的目标检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的基于雷达图像的目标检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于雷达图像的目标检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (12)

1.一种基于雷达图像的目标检测方法，其特征在于，包括：
对待处理雷达图像进行滤波处理，获得预处理图像；
对所述预处理图像进行边缘检测，获得边缘检测图像；
对所述边缘检测图像进行二值化处理，获得二值化图像；
对所述二值化图像执行设定边缘处理操作，获得目标检测图像。
2.根据权利要求1所述的方法，其特征在于，对待处理雷达图像进行滤波处理，包括：
采用如下任意一种滤波方式对所述待处理雷达图像进行滤波处理：均值滤波、中值滤波、最大值滤波或者最小值滤波。
3.根据权利要求1所述的方法，其特征在于，对所述预处理图像进行边缘检测，获得边缘检测图像，包括：
采用两个设定边缘检测算子与所述预处理图像进行卷积计算，获得两张卷积图；
对所述两张卷积图进行融合，获得边缘检测图像。
4.根据权利要求3所述的方法，其特征在于，对所述两张卷积图进行融合，获得边缘检测图像，包括：
将所述两张卷积图中的对应像素点的像素值按照设定方式融合，获得边缘检测图像。
5.根据权利要求1所述的方法，其特征在于，对所述边缘检测图像进行二值化处理，获得二值化图像，包括：
将所述边缘检测图像中像素点的像素值与预设阈值进行比较；
若像素值大于或等于所述预设阈值，则将所述像素点的像素值修改为第一设定值；若像素值小于所述预设阈值，则将所述像素点的像素值修改为第二设定值，获得二值化图像。
6.根据权利要求1所述的方法，其特征在于，所述设定边缘处理包括第一边缘处理和/或第二边缘处理；其中，所述第一边缘处理为先进行边缘腐蚀再进行边缘膨胀，所述第二边缘处理为先进行边缘膨胀再进行边缘腐蚀。
7.根据权利要求6所述的方法，其特征在于，对所述二值化图像执行设定边缘处理操作，获得目标检测图像，包括：
基于设定结构元素对所述二值化图像执行所述设定边缘处理操作，获得第一中间图像；
基于至少一个线性结构元素对所述第一中间图像执行所述设定边缘处理操作，获得至少一个第二中间图像；其中，所述设定结构元素和所述线性结构元素为设定大小的二值矩阵；
将所述至少一个第二中间图像进行融合，获得目标检测图像。
8.根据权利要求7所述的方法，其特征在于，对图像进行边缘腐蚀，包括：
遍历图像中的像素点，将遍历到的像素点与所述设定结构元素或者所述线性结构元素的核心点对齐，获取图像与所述设定结构元素或者所述线性结构元素中的第三设定值对齐的像素点，确定为第一候选像素点；
将遍历到的像素点的像素值替换为所述第一候选像素点中的最小像素值；
对图像进行边缘膨胀，包括：
遍历图像中的像素点，将遍历到的像素点与所述设定结构元素或者所述线性结构元素的核心点对齐，获取图像与所述设定结构元素或者所述线性结构元素中的第三设定值对齐的像素点，确定为第二候选像素点；
将遍历到的像素点的像素值替换为所述第二候选像素点中的最大像素值。
9.根据权利要求7所述的方法，其特征在于，所述线性结构元素的数量为4，将所述至少一个第二中间图像进行融合，获得目标检测图像，包括：
将4个第二中间图像对应像素点的像素值求平均值，获得目标检测图像。
10.一种基于雷达图像的目标检测装置，其特征在于，包括：
预处理图像获取模块，用于对待处理雷达图像进行滤波处理，获得预处理图像；
边缘检测图像获取模块，用于对所述预处理图像进行边缘检测，获得边缘检测图像；
二值化图像获取模块，用于对所述边缘检测图像进行二值化处理，获得二值化图像；
目标检测图像获取模块，用于对所述二值化图像执行设定边缘处理操作，获得目标检测图像。
11.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的基于雷达图像的目标检测方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-9中任一项所述的基于雷达图像的目标检测方法。
CN202210608182.5A 2022-05-31 2022-05-31 基于雷达图像的目标检测方法、装置、设备及介质 Active CN114994671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210608182.5A CN114994671B (zh) 2022-05-31 2022-05-31 基于雷达图像的目标检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210608182.5A CN114994671B (zh) 2022-05-31 2022-05-31 基于雷达图像的目标检测方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN114994671A true CN114994671A (zh) 2022-09-02
CN114994671B CN114994671B (zh) 2023-11-28

Family

ID=83032099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210608182.5A Active CN114994671B (zh) 2022-05-31 2022-05-31 基于雷达图像的目标检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN114994671B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106093890A (zh) * 2016-08-26 2016-11-09 零八电子集团有限公司 建立剩余杂波图抑制雷达剩余杂波的方法
CN109410228A (zh) * 2018-08-22 2019-03-01 南京理工大学 基于多尺度数学形态学特征融合的海洋内波检测算法
CN110111350A (zh) * 2019-04-24 2019-08-09 桂林航天工业学院 一种焊接熔池边缘检测方法、装置及存储介质
CN111950523A (zh) * 2020-08-28 2020-11-17 珠海大横琴科技发展有限公司 基于航拍的船只检测优化方法、装置、电子设备及介质
CN112561940A (zh) * 2020-12-08 2021-03-26 中国人民解放军陆军工程大学 密集多目标参数提取的方法、装置及终端设备
US20210201023A1 (en) * 2019-12-26 2021-07-01 Ping An Technology (Shenzhen) Co., Ltd. Cultivated land recognition method in satellite image and computing device
CN113658196A (zh) * 2021-08-18 2021-11-16 北京中星天视科技有限公司 红外图像中船舶的检测方法、装置、电子设备和介质
WO2021227838A1 (zh) * 2020-05-13 2021-11-18 杭州睿琪软件有限公司 图像处理方法、系统及计算机可读存储介质
CN114529715A (zh) * 2022-04-22 2022-05-24 中科南京智能技术研究院 一种基于边缘提取的图像识别方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106093890A (zh) * 2016-08-26 2016-11-09 零八电子集团有限公司 建立剩余杂波图抑制雷达剩余杂波的方法
CN109410228A (zh) * 2018-08-22 2019-03-01 南京理工大学 基于多尺度数学形态学特征融合的海洋内波检测算法
CN110111350A (zh) * 2019-04-24 2019-08-09 桂林航天工业学院 一种焊接熔池边缘检测方法、装置及存储介质
US20210201023A1 (en) * 2019-12-26 2021-07-01 Ping An Technology (Shenzhen) Co., Ltd. Cultivated land recognition method in satellite image and computing device
WO2021227838A1 (zh) * 2020-05-13 2021-11-18 杭州睿琪软件有限公司 图像处理方法、系统及计算机可读存储介质
CN111950523A (zh) * 2020-08-28 2020-11-17 珠海大横琴科技发展有限公司 基于航拍的船只检测优化方法、装置、电子设备及介质
CN112561940A (zh) * 2020-12-08 2021-03-26 中国人民解放军陆军工程大学 密集多目标参数提取的方法、装置及终端设备
CN113658196A (zh) * 2021-08-18 2021-11-16 北京中星天视科技有限公司 红外图像中船舶的检测方法、装置、电子设备和介质
CN114529715A (zh) * 2022-04-22 2022-05-24 中科南京智能技术研究院 一种基于边缘提取的图像识别方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
易成涛 等: "基于数学形态学的雷达图像边缘检测算法", 指挥控制与仿真, no. 01 *

Also Published As

Publication number Publication date
CN114994671B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN111260616A (zh) 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法
Yu et al. Efficient crack detection method for tunnel lining surface cracks based on infrared images
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
CN114638818B (zh) 图像处理方法、装置、电子设备及存储介质
CN108318773B (zh) 一种输电导线断股检测方法及系统
CN114862889A (zh) 基于遥感图像的道路边缘提取方法和装置
Othman et al. Road crack detection using adaptive multi resolution thresholding techniques
CN116071272A (zh) 一种图像校正方法、装置、电子设备及其存储介质
CN116128849A (zh) 一种混凝土坝水下裂缝检测方法、装置、设备及存储介质
CN116703925B (zh) 一种轴承缺陷检测方法、装置、电子设备及存储介质
CN116128916B (zh) 一种基于空间能流对比度的红外弱小目标增强方法
CN111179289B (zh) 一种适用于网页长图宽图的图像分割方法
Raikar et al. Automatic building detection from satellite images using internal gray variance and digital surface model
CN117132496A (zh) 一种基于图像处理的化石尺寸测量和轮廓复原方法
CN114994671B (zh) 基于雷达图像的目标检测方法、装置、设备及介质
CN116385415A (zh) 一种边缘缺陷检测方法、装置、设备及存储介质
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN116109652A (zh) 基于改进区域生长算法的图像分割方法、系统、设备
CN115546764A (zh) 一种障碍物检测方法、装置、设备及存储介质
CN115376106A (zh) 基于雷达图的车型识别方法、装置、设备及介质
CN115841632A (zh) 输电线路提取方法、装置以及双目测距方法
Sun et al. Research on image segmentation and extraction algorithm for bicolor water level gauge
Yu et al. Crack detection algorithm of complex bridge based on image process
CN110472472B (zh) 基于sar遥感图像的机场检测方法与装置
Mustapha et al. Crack Detection on Surfaces Using Digital Image Processing

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