CN115082810A - 同步轨道卫星红外图像船舶检测方法、装置、设备及介质 - Google Patents

同步轨道卫星红外图像船舶检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN115082810A
CN115082810A CN202210895594.1A CN202210895594A CN115082810A CN 115082810 A CN115082810 A CN 115082810A CN 202210895594 A CN202210895594 A CN 202210895594A CN 115082810 A CN115082810 A CN 115082810A
Authority
CN
China
Prior art keywords
frequency information
ship
wavelet coefficient
wavelet
infrared image
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
CN202210895594.1A
Other languages
English (en)
Other versions
CN115082810B (zh
Inventor
刘雨菡
潘宗序
胡玉新
韩冰
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202210895594.1A priority Critical patent/CN115082810B/zh
Publication of CN115082810A publication Critical patent/CN115082810A/zh
Application granted granted Critical
Publication of CN115082810B publication Critical patent/CN115082810B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/52—Scale-space analysis, e.g. wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • 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)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种同步轨道卫星红外图像的船舶检测方法、装置、设备及介质，涉及目标检测技术领域，方法包括：利用三维小波变换，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，得到多张小波系数图；对小波系数图包含的低频信息或高频信息进行处理，消除静态背景或抑制强边缘干扰或增强船舶或抑制与船舶相比变化慢的背景；对处理后的小波系数图进行重建，得到重建红外图像；对重建红外图像进行二值分割，并基于二值分割的结果对非船舶区域进行抑制，检测包含船舶的区域。该方法解决了现有方法对时域信息利用不充分以及同步轨道卫星红外影像中船舶无明显特征的问题，避免了对专业经验要求的依赖以及机器学习类方法对样本数量的需求。

Description

同步轨道卫星红外图像船舶检测方法、装置、设备及介质
技术领域
本发明涉及红外遥感图像处理中的目标检测技术领域，尤其涉及一种同步轨道卫星红外图像的船舶检测方法、装置、设备及介质。
背景技术
红外成像由于其灵活性、全天时监测、不受气候影响等优势，近年来已在军事等领域有着极为广泛的应用。船舶作为海上主要运输的载体以及重点观测的军事目标，使得船舶检测有着深远和重要的意义。然而，一方面，海面船舶的检测任务中存在大量的干扰源，如具有高辐射特性的陆地、海面的碎云等等。另一方面，由于红外遥感成像距离远、分辨率较低，因此，红外遥感影像中的干扰源更加容易与成像十分弱小的真实船舶目标混淆，使检测难度进一步增大。
目前，针对红外遥感图像中的船检测方法相对较少，主要分为基于传统检测流程与基于机器学习的方法。传统的检测流程主要包含海陆分割及船舶检测两个流程，而基于机器学习的主要利用图像处理中的方法对船舶进行特征提取与增强进而检测目标，或使用深度神经网络进行模型训练后再检测目标。例如，基于频谱残留变换的红外遥感图像舰船目标检测方法，首先根据海面与其他干扰源的特性构建频谱残差模型，之后对图像进行显著性特征提取，最后在显著图中进行船舶的提取。又例如，尺度自适应分层多阈值热红外遥感舰船的检测方法，首先对高斯拉普拉斯函数(Laplacion of Gaussian，LoG)进行了尺度归一化处理，之后根据极大值准则进行尺度自适应筛选，最后利用船舶成像相对较小的特点，采用多阈值分层方法进行船舶检测。
然而，传统的红外遥感船舶检测方法大多基于空域的对比度、视觉显著性、形态学等特征进行检测，导致时域的运动信息丢失。并且，利用地理信息排除虚警的方法对专业经验要求较高，不具有普适性。此外，基于深度神经网络的方法需要大量的样本进行训练，且目标需要有明显的可学习的特征。但是红外遥感图像中船舶成像十分弱小，不具有颜色、纹理、形状等特征，且遥感影像的获取较为困难，难以支持基于机器学习类方法的发展。
发明内容
鉴于上述技术问题，本发明一方面提供一种同步轨道卫星红外图像的船舶检测方法，包括：利用三维小波变换，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，得到多张小波系数图；对小波系数图包含的低频信息或高频信息进行处理，消除静态背景或抑制强边缘干扰或增强船舶或抑制与船舶相比变化慢的背景；对处理后的小波系数图进行重建，得到重建红外图像；对重建红外图像进行二值分割，并基于二值分割的结果对非船舶区域进行抑制，检测包含船舶的区域。
根据本发明的实施例，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，具体包括：从水平像素、垂直像素和时间三个方向进行分解，获得多张小波系数图，其中，多张小波系数图包括三个方向均为高频信息的小波系数图、三个方向均为低频信息的小波系数图和部分方向为高频信息且其余方向为低频信息的小波系数图。
根据本发明的实施例，对小波系数图包含的低频信息或高频信息进行处理，具体包括：对三个方向均为低频信息的小波系数图的小波系数进行置零，消除静态背景；对水平像素方向为低频信息且其余方向为高频信息的小波系数图的小波系数进行置零，抑制强边缘干扰；对垂直像素方向为低频信息且其余方向为高频信息的小波系数图的小波系数进行置零，抑制强边缘干扰。
根据本发明的实施例，对小波系数图包含的低频信息或高频信息进行处理，具体包括：对水平像素方向和垂直像素方向均为高频信息且时间方向为低频信息的小波系数图进行非线性变换，增强船舶。
根据本发明的实施例，非线性变换为平方计算。
根据本发明的实施例，对小波系数图包含的低频信息或高频信息进行处理，具体包括：对时间方向为高频信息且水平像素方向和垂直像素方向不全为高频信息的小波系数图的小波系数进行收缩，抑制与船舶相比变化慢的背景。
根据本发明的实施例，根据
Figure 395851DEST_PATH_IMAGE001
对小波系数进行收缩，其中，A old 为收缩前的小波系数，A new 为收缩后的小波系数，Th为小波系数收缩阈值，|∙|为取绝对值。
本发明第二方面提供一种同步轨道卫星红外图像的船舶检测装置，包括：分解模块，用于利用小波变换，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，得到多张小波系数图；处理模块，用于对小波系数图包含的低频信息或高频信息进行处理，消除静态背景或抑制强边缘干扰或增强船舶或抑制与船舶相比变化慢的背景；重建模块，用于对处理后的小波系数图进行重建，得到重建红外图像；检测模块，用于对重建红外图像进行二值分割，并基于二值分割的结果对非船舶区域进行抑制，检测包含船舶的区域。
本发明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上述方法。
本发明第四方面提供一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现上述方法。
根据本发明实施例提供的同步轨道卫星红外图像的船舶检测方法、装置、设备及介质，至少具备以下有益效果：
通过同时从空域及时域进行多尺度的频带分析，并对含有不同频率成分的小波系数进行相应的处理，增强了同步轨道卫星红外影像中的船舶目标，进而提高了船舶检测的精度，解决了现有方法对时域信息利用不充分的问题，也避免了对专业经验要求的依赖。从同步轨道卫星序列红外图像中船舶的空时域特性出发，通过利用空域特征及时域运动特征，解决了红外遥感影像中船舶无明显特征的问题，同时避免了机器学习类方法对样本数量的需求。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本发明实施例的同步轨道卫星红外图像船舶检测方法的流程图；
图2示意性示出了根据本发明实施例的同步轨道卫星红外图像船舶检测的原理图；
图3示意性示出了根据本发明实施例的同步轨道卫星红外图像船舶检测装置的框图；
图4示意性示出了根据本发明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一部分实施例，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。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，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。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或可以互相通讯；可以是直接连接，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或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要理解的是，术语“纵向”、“长度”、“周向”、“前”、“后”、“左”、“右”、“顶”、“底”、“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，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的子系统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发明的限制。
贯穿附图，相同的元素由相同或相近的附图标记来表示。可能导致本发明的理解造成混淆时，将省略常规结构或构造。并且图中各部件的形状、尺寸、位置关系不反映真实大小、比例和实际位置关系。另外，在本发明中，不应将位于括号之间的任何参考符号构造成对本发明的限制。
类似地，为了精简本发明并帮助理解各个公开方面中的一个或多个，在上面对本发明示例性实施例的描述中，本发明的各个特征有时被一起分到单个实施例、图或者对其描述中。参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或者多个实施例或示例中以合适的方式结合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。
针对现有技术的不足，本发明提供了一种联合时空信息的同步轨道卫星序列红外影像船舶检测方法，具体利用三维小波变换对序列红外图像在空域及时域进行多尺度分解，并根据面积筛选规则进行虚警抑制，提供了一种利用时域信息的新检测思路，解决现有方法中时域信息丢失等问题。
图1示意性示出了根据本发明实施例的同步轨道卫星红外图像船舶检测方法的流程图。图2示意性示出了根据本发明实施例的同步轨道卫星红外图像船舶检测的原理图。
请参阅图1，结合图2，同步轨道卫星红外图像的船舶检测方法例如可以包括操作S101~操作S104。
在操作S101，利用三维小波变换，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，得到多张小波系数图。
在本发明一实施例中，可以从水平像素、垂直像素和时间三个方向（维度）对同步轨道卫星红外图像进行多尺度分解，获得多张小波系数图，其中，多张小波系数图包括三个方向均为高频信息的小波系数图、三个方向均为低频信息的小波系数图和部分方向为高频信息且其余方向为低频信息的小波系数图。
例如，将获取的待处理的同步轨道卫星红外序列影像记为img(x,y,t)，其中，(x,y)表示分辨率，对应于水平像素和垂直像素，t表示时间，对序列图像中的每一图像的三个维度列（x）、行（y）和时间（t）进行三维小波变换，获得每一张图像在一级分解后的小波系数图d，分别包含xyt、Xyt、xYt、XYt、xyT、XyT、xYT、XYT，即代表含有不同低频与高频细节的8张小波系数图，其中大写字母表示含有该方向的高频细节，小写字母表示该方向为低频信息。
三维小波变换计算公式如下：
Figure 175588DEST_PATH_IMAGE002
其中，d表示获得的小波系数，具体包含沿三个不同方向的低频与高频细节系数，
Figure 377987DEST_PATH_IMAGE003
表示三维小波变换操作。
在操作S102，对小波系数图包含的低频信息或高频信息进行处理，以消除静态背景或抑制强边缘干扰或增强船舶或抑制与船舶相比变化慢的背景。
在本发明一实施例中，对三个方向均为低频信息的小波系数图的小波系数进行置零，消除静态背景。对水平像素方向为低频信息且其余方向为高频信息的小波系数图的小波系数进行置零，抑制强边缘干扰；对垂直像素方向为低频信息且其余方向为高频信息的小波系数图的小波系数进行置零，抑制强边缘干扰。
示例性地，xyt为3个方向均是低频信息的小波系数，主要包含的是序列中的静态背景信息，因此直接将小波系数置零，以消除静态背景。同理，Xyt和xYt分别代表x方向和y方向的高频信息，主要包含了图像中的强边缘，因此同样做置零处理，以抑制强边缘干扰。
在本发明另一实施例中，对水平像素方向和垂直像素方向均为高频信息且时间方向为低频信息的小波系数图进行非线性变换，增强船舶。
示例性地，对同时包含x方向和y方向高频信息的XYt小波系数，进行非线性变换，由于同时对x和y方向提取了高频信息，因此小波系数中不含有水平或垂直的边缘信息，却保留了目标信息，因此对系数进行非线性变换即可有效增强目标船舶。
其中，非线性变换例如可以采用平方计算。计算公式例如可以为：
Figure 192359DEST_PATH_IMAGE004
其中，XYt new 表示小波系数图XYt的变换后的小波系数，XYt old 表示小波系数图XYt的变换前的小波系数。
在本发明又一实施例中，对时间方向为高频信息且水平像素方向和垂直像素方向不全为高频信息的小波系数图的小波系数进行收缩，抑制与船舶相比变化慢的背景，从而实现对时域变化较快的船舶目标的增强。
示例性地，对xyT、XyT、xYT、XYT小波系数图进行小波系数收缩。获得处理后的小波系数。
根据
Figure 77139DEST_PATH_IMAGE001
对小波系数进行收缩，其中，A old 为收缩前的小波系数，A new 为收缩后的小波系数，Th为小波系数收缩阈值，|∙|为取绝对值。
Th的计算公式例如可以为：
Figure 344172DEST_PATH_IMAGE005
其中，μ表示小波系数的计算均值，k为系数，σ为小波系数的计算标准差。
也即，A old 表示xyT、XyT、xYT、XYT小波系数图分别对应的收缩前的小波系数xyT old 、XyT old 、xYT old 、XYT old ，A new 表示xyT、XyT、xYT、XYT小波系数图分别对应的收缩后的小波系数xyT new 、XyT new 、xYT new 、XYT new 。
以xyT小波系数图为例，计算公式为：
Figure 543072DEST_PATH_IMAGE006
在操作S103，对处理后的小波系数图进行重建，得到重建红外图像。
在操作S104，对重建红外图像进行二值分割，并基于二值分割的结果对非船舶区域进行虚警抑制，检测包含船舶的区域。
在本发明一实施例中，首先，可以设定分割阈值，对重建后的图像进行二值分割，获得粗检测结果。然后，设定面积筛选阈值，对粗检测结果中的每个联通区域进行面积筛选，根据设计的面积筛选规则对非船舶区域进行虚警抑制，包括：对大于阈值的区域进行置零，小于等于阈值的区域进行保留，获得最终的精检测结果。
根据本发明实施例提供的船舶检测方法，通过同时从空域及时域进行多尺度的频带分析，并对含有不同频率成分的小波系数进行相应的处理，增强了同步轨道卫星红外影像中的船舶目标，进而提高了船舶检测的精度，解决了现有方法对时域信息利用不充分的问题，也避免了对专业经验要求的依赖。从同步轨道卫星序列红外图像中船舶的空时域特性出发，通过利用空域特征及时域运动特征，解决了红外遥感影像中船舶无明显特征的问题，同时避免了机器学习类方法对样本数量的需求。
图3示意性示出了根据本发明实施例的用于同步轨道卫星红外图像的船舶检测装置的框图。
如图3所示，用于卫星红外图像的船舶检测装置300可以包括分解模块310、处理模块320、重建模块330以及检测模块340。
分解模块310，用于利用小波变换，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，得到多张小波系数图。
处理模块320，用于对小波系数图包含的低频信息或高频信息进行处理，以消除静态背景或抑制强边缘干扰或增强船舶或抑制与船舶相比变化慢的背景。
重建模块330，用于对处理后的小波系数图进行重建，得到重建红外图像。
检测模块340，用于对重建红外图像进行二值分割，并基于二值分割的结果对非船舶区域进行抑制，检测包含船舶的区域。
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。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至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本发明实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，分解模块310、处理模块320、重建模块330以及检测模块340中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本发明的实施例，分解模块310、处理模块320、重建模块330以及检测模块340中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，分解模块310、处理模块320、重建模块330以及检测模块340中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
需要说明的是，本发明的同步轨道卫星红外图像的船舶检测装置部分与本发明的实施例中同步轨道卫星红外图像的船舶检测方法部分是相对应的，其具体实施细节及带来的技术效果也是相同的，在此不再赘述。
图4示意性示出了根据本发明实施例的适于实现上文描述的方法的电子设备的框图。图4示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，根据本发明实施例的电子设备400包括处理器401，其可以根据存储在只读存储器（ROM）402中的程序或者从存储部分408加载到随机访问存储器（RAM）403中的程序而执行各种适当的动作和处理。处理器401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401还可以包括用于缓存用途的板载存储器。处理器401可以包括用于执行根据本发明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 403中，存储有电子设备400操作所需的各种程序和数据。处理器 401、ROM402以及RAM403通过总线404彼此相连。处理器401通过执行ROM 402和/或RAM403中的程序来执行根据本发明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ROM402和RAM 403以外的一个或多个存储器中。处理器401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发明实施例的方法流程的各种操作。
根据本发明的实施例，电子设备400还可以包括输入/输出（I/O）接口405，输入/输出（I/O）接口405也连接至总线404。电子设备400还可以包括连接至I/O接口405的以下部件中的一项或多项：包括键盘、鼠标等的输入部分406；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407；包括硬盘等的存储部分408；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409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，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410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408。
根据本发明的实施例，根据本发明实施例的方法流程可以被实现为计算机软件程序。例如，本发明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409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被处理器401执行时，执行本发明实施例的系统中限定的上述功能。根据本发明的实施例，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。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本发明实施例的方法。
根据本发明的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如，根据本发明的实施例，计算机可读存储介质可以包括上文描述的ROM402和/或RAM 403和/或ROM 402和RAM 403以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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、程序段、或代码的一部分，上述模块、程序段、或代码的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，两个接连地表示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，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。本领域技术人员可以理解，本发明的各个实施例中记载的特征可以进行多种组合和/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。

Claims (10)

1.一种同步轨道卫星红外图像的船舶检测方法，其特征在于，包括：
利用三维小波变换，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，得到多张小波系数图；
对小波系数图包含的低频信息或高频信息进行处理，消除静态背景或抑制强边缘干扰或增强船舶或抑制与船舶相比变化慢的背景；
对处理后的小波系数图进行重建，得到重建红外图像；
对所述重建红外图像进行二值分割，并基于二值分割的结果对非船舶区域进行虚警抑制，检测包含船舶的区域。
2.根据权利要求1所述的船舶检测方法，其特征在于，所述在空域和时域上对同步轨道卫星红外图像进行多尺度分解，具体包括：
从水平像素、垂直像素和时间三个方向进行分解，获得多张小波系数图，其中，所述多张小波系数图包括三个方向均为高频信息的小波系数图、三个方向均为低频信息的小波系数图和部分方向为高频信息且其余方向为低频信息的小波系数图。
3.根据权利要求2所述的船舶检测方法，其特征在于，所述对小波系数图包含的低频信息或高频信息进行处理，具体包括：
对三个方向均为低频信息的小波系数图的小波系数进行置零，消除所述静态背景；
对水平像素方向为低频信息且其余方向为高频信息的小波系数图的小波系数进行置零，抑制强边缘干扰；
对垂直像素方向为低频信息且其余方向为高频信息的小波系数图的小波系数进行置零，抑制强边缘干扰。
4.根据权利要求2所述的船舶检测方法，其特征在于，所述对小波系数图包含的低频信息或高频信息进行处理，具体包括：
对水平像素方向和垂直像素方向均为高频信息且时间方向为低频信息的小波系数图进行非线性变换，增强所述船舶。
5.根据权利要求4所述的船舶检测方法，其特征在于，所述非线性变换为平方计算。
6.根据权利要求2所述的船舶检测方法，其特征在于，所述对小波系数图包含的低频信息或高频信息进行处理，具体包括：
对时间方向为高频信息且水平像素方向和垂直像素方向不全为高频信息的小波系数图的小波系数进行收缩，抑制与船舶相比变化慢的背景。
7.根据权利要求6所述的船舶检测方法，其特征在于，根据
Figure 326443DEST_PATH_IMAGE001
对小波系数进行收缩，其中，A old 为收缩前的小波系数，A new 为收缩后的小波系数，Th为小波系数收缩阈值，|∙|为取绝对值。
8.一种同步轨道卫星红外图像的船舶检测装置，其特征在于，包括：
分解模块，用于利用小波变换，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，得到多张小波系数图；
处理模块，用于对小波系数图包含的低频信息或高频信息进行处理，消除静态背景或抑制强边缘干扰或增强船舶或抑制与船舶相比变化慢的背景；
重建模块，用于对处理后的小波系数图进行重建，得到重建红外图像；
检测模块，用于对所述重建红外图像进行二值分割，并基于二值分割的结果对非船舶区域进行抑制，检测包含船舶的区域。
9.一种电子设备，其特征在于，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，其特征在于，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至7中任一项所述的方法。
CN202210895594.1A 2022-07-28 2022-07-28 同步轨道卫星红外图像船舶检测方法、装置、设备及介质 Active CN115082810B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210895594.1A CN115082810B (zh) 2022-07-28 2022-07-28 同步轨道卫星红外图像船舶检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210895594.1A CN115082810B (zh) 2022-07-28 2022-07-28 同步轨道卫星红外图像船舶检测方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115082810A true CN115082810A (zh) 2022-09-20
CN115082810B CN115082810B (zh) 2022-11-08

Family

ID=83243010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210895594.1A Active CN115082810B (zh) 2022-07-28 2022-07-28 同步轨道卫星红外图像船舶检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115082810B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533507A (zh) * 2009-04-24 2009-09-16 西安电子科技大学 一种自适应的图像强纹理水印方法
US20120183073A1 (en) * 2011-01-17 2012-07-19 Jaime Milstein Systems and methods for wavelet and channel-based high definition video encoding
CN104268870A (zh) * 2014-09-24 2015-01-07 北京津同利华科技有限公司 基于小波变换直方图的短波红外焦平面非均匀性校正算法
FR3033067A1 (fr) * 2015-02-20 2016-08-26 Brgm Procede de determination de la bathymetrie a partir d'images satellitaires optiques quasi synchrones
US9836433B1 (en) * 2012-04-02 2017-12-05 Rockwell Collins, Inc. Image processing using multiprocessor discrete wavelet transform
CN108198198A (zh) * 2017-12-22 2018-06-22 湖南源信光电科技股份有限公司 基于小波变换和导向滤波的单帧红外小目标检测方法
CN109191420A (zh) * 2018-07-02 2019-01-11 上海卫星工程研究所 一种船舶目标切片图像的roi压缩方法
CN109685728A (zh) * 2018-11-30 2019-04-26 中南大学 基于局部时频域变换的数字图像处理方法
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
CN114724019A (zh) * 2022-03-31 2022-07-08 湘潭大学 一种基于小波变换和可分离卷积语义分割的遥感图像海冰智能监测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533507A (zh) * 2009-04-24 2009-09-16 西安电子科技大学 一种自适应的图像强纹理水印方法
US20120183073A1 (en) * 2011-01-17 2012-07-19 Jaime Milstein Systems and methods for wavelet and channel-based high definition video encoding
US9836433B1 (en) * 2012-04-02 2017-12-05 Rockwell Collins, Inc. Image processing using multiprocessor discrete wavelet transform
CN104268870A (zh) * 2014-09-24 2015-01-07 北京津同利华科技有限公司 基于小波变换直方图的短波红外焦平面非均匀性校正算法
FR3033067A1 (fr) * 2015-02-20 2016-08-26 Brgm Procede de determination de la bathymetrie a partir d'images satellitaires optiques quasi synchrones
CN108198198A (zh) * 2017-12-22 2018-06-22 湖南源信光电科技股份有限公司 基于小波变换和导向滤波的单帧红外小目标检测方法
CN109191420A (zh) * 2018-07-02 2019-01-11 上海卫星工程研究所 一种船舶目标切片图像的roi压缩方法
CN109685728A (zh) * 2018-11-30 2019-04-26 中南大学 基于局部时频域变换的数字图像处理方法
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
CN114724019A (zh) * 2022-03-31 2022-07-08 湘潭大学 一种基于小波变换和可分离卷积语义分割的遥感图像海冰智能监测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
P MEGHA 等: "Low contrast satellite image restoration based on adaptive histogram equalization and discrete wavelet transform", 《2016 INTERNATIONAL CONFERENCE ON COMMUNICATION AND SIGNAL PROCESSING (ICCSP)》 *
温佩芝等: "基于小波变换的海面背景红外小目标检测方法", 《光电工程》 *
王文秀: "红外遥感图像舰船目标在线检测关键技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN115082810B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN110310264B (zh) 一种基于dcnn的大尺度目标检测方法、装置
US9734398B2 (en) Method and apparatus for identifying object
Franklin et al. Texture analysis of IKONOS panchromatic data for Douglas-fir forest age class separability in British Columbia
Meng et al. Pansharpening for cloud-contaminated very high-resolution remote sensing images
US20180225527A1 (en) Method, apparatus, storage medium and device for modeling lane line identification, and method, apparatus, storage medium and device for identifying lane line
CN112396640B (zh) 图像配准方法、装置、电子设备及存储介质
US9651661B2 (en) Methods and systems for local principal axis rotation angle transform
CN105303526A (zh) 一种基于海岸线数据及频谱分析的舰船目标检测方法
CN110930438B (zh) 图像配准方法、装置、电子设备及存储介质
US20190286875A1 (en) Cloud detection in aerial imagery
CN114240805B (zh) 一种多角度sar动态成像检测方法及装置
Sutanto et al. PERBANDINGAN KLASIFIKASI BERBASIS OBYEK DAN KLASIFIKASIBERBASIS PIKSEL PADA DATA CITRA SATELIT SYNTHETICAPERTURE RADAR UNTUK PEMETAAN LAHAN (COMPARISON OF OBJECT BASED AND PIXEL BASEDCLASSIFICATION ON SYNTHETIC APERTURE RADAR SATELLITEIMAGE DATA FOR LAND MAPPING)
Li et al. Sea–sky line detection using gray variation differences in the time domain for unmanned surface vehicles
CN110633759A (zh) 图像融合方法、装置及电子设备
US8989462B2 (en) Systems, methods and computer readable storage mediums storing instructions for applying multiscale bilateral filtering to magnetic resonance (RI) images
CN115082810B (zh) 同步轨道卫星红外图像船舶检测方法、装置、设备及介质
CN112489108A (zh) 一种远海珊瑚礁水下表面积反演重建的方法及装置
CN112164006B (zh) 一种影像匀色方法、装置、电子设备及存储介质
Zhang et al. Aerial image series quality assessment
US11847824B2 (en) Computer vision systems and methods for detecting and aligning land property boundaries on aerial imagery
Zhou et al. Automatic extraction of lakes on the Qinghai-Tibet Plateau from Sentinel-1 SAR images
Hashim et al. Geometric and radiometric evaluation of RazakSAT medium-sized aperture camera data
CN108765350A (zh) 一种面向航天光学遥感图像量子化滤波方法
CN111986312A (zh) 一种船舶轨迹绘制方法、终端设备及存储介质
CN110619613A (zh) 一种图像锐化方法、电子设备及计算机可读存储介质

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