CN116184407B - Sar影像辐射质量问题自动化标记方法、装置及设备 - Google Patents
Sar影像辐射质量问题自动化标记方法、装置及设备 Download PDFInfo
- Publication number
- CN116184407B CN116184407B CN202310150942.7A CN202310150942A CN116184407B CN 116184407 B CN116184407 B CN 116184407B CN 202310150942 A CN202310150942 A CN 202310150942A CN 116184407 B CN116184407 B CN 116184407B
- Authority
- CN
- China
- Prior art keywords
- thumbnail
- image
- azimuth
- determining
- blurring
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000005855 radiation Effects 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 104
- 238000012545 processing Methods 0.000 claims description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 15
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 9
- 210000000746 body region Anatomy 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 description 22
- 238000003860 storage Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000003809 water extraction Methods 0.000 description 1
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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- 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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9052—Spotlight mode
-
- 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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9094—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Radiation (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种SAR影像辐射质量问题自动化标记方法、装置及设备,所述方法包括:获得SAR影像的缩略图;对所述缩略图进行方位向散焦检测,并基于检测结果确定所述缩略图的方位向散焦程度;对所述缩略图进行增益不平衡检测,并基于检测结果确定所述缩略图中增益不平衡位置;对所述缩略图进行虚化模糊度检测,并基于检测结果确定所述缩略图的虚化模糊等级;基于所述方位向散焦程度、增益不平衡位置及虚化模糊等级对所述缩略图进行对应问题的标记。本发明的SAR影像辐射质量问题自动化标记方法能够快速准确发现SAR影响中存在的辐射质量问题,并能够进行有效标记。
Description
技术领域
本发明实施例涉及合成孔径雷达技术领域,特别涉及一种SAR影像辐射质量问题自动化标记方法、装置及设备。
背景技术
合成孔径雷达(SAR)具有全天时、全天候和高分辨率成像的特点,在军事和民用领域都得到了广泛的应用,但由于其特有的相干成像机理,使得SAR图像经常受到旁瓣噪声、相干斑等的影响,尤其是SAR影像的增益不平衡问题、散焦问题、虚化模糊问题会对SAR影像解译和干涉处理产生较大的干扰。因此研发SAR影像辐射质量问题快速标记算法,快速准确地发现SAR影像存在的辐射质量问题,对于SAR影像的推广和应用具有重要意义。
由于SAR的原始影像数据量较大,会制约SAR影像质量问题快速识别的效率,而影像的缩略图数据量小,处理速度快,能够反映SAR图像的增益不平衡、方位向散焦、虚化模糊等明显辐射质量问题。
在实际应用过程中,目前的SAR影像辐射质量评估算法多集中于对SAR影像的空间分辨率、峰值旁瓣比、积分旁瓣比、辐射分辨率等量化指标的计算,此类指标虽然能够在一定程度上反映影像的辐射质量,但对于方位向散焦、虚化模糊、增益不平衡等明显的辐射质量问题,未能建立良好的映射关系,难以实现此类问题的有效识别。
发明内容
本发明提供了一种能够快速准确发现SAR影响中存在的辐射质量问题,并能够进行有效标记的SAR影像辐射质量问题自动化标记方法、装置及设备。
为了解决上述技术问题,本发明实施例提供了一种SAR影像辐射质量问题自动化标记方法,包括:
获得SAR影像的缩略图;
对所述缩略图进行方位向散焦检测,并基于检测结果确定所述缩略图的方位向散焦程度;
对所述缩略图进行增益不平衡检测,并基于检测结果确定所述缩略图中增益不平衡位置;
对所述缩略图进行虚化模糊度检测,并基于检测结果确定所述缩略图的虚化模糊等级;
基于所述方位向散焦程度、增益不平衡位置及虚化模糊等级对所述缩略图进行对应问题的标记。
作为一可选实施例,所述对所述缩略图进行方位向散焦检测,包括:
对所述缩略图作形态学开运算处理,以去除所述缩略图中小面积的强能量区域,得到开运算图像,所述开运算处理包括膨胀运算和腐蚀运算;
基于所述开运算图像和缩略图作顶帽处理,得到对所述小面积的强能量区域进行效果增强的顶帽运算结果图;
对所述顶帽运算结果图进行霍夫直线检测处理,以提取出图中的方位向竖条纹;
采用层次聚类算法对所述方位向竖条纹进行清洗,得到每一类方位向竖条纹中最长的目标方向竖条纹。
作为一可选实施例,所述对所述顶帽运算结果图进行霍夫直线检测处理,以提取出图中的方位向竖条纹,包括:
对所述顶帽运算结果图进行二值化处理,生成能够表达所述缩略图的方位向散焦特征的二值图像;
构建投票器矩阵以模拟霍夫空间,所述投票器矩阵用于对过所述缩略图中有效点的直线位置进行投票;
对投票结果进行排序,并基于排序结果提取出所述方位向竖条纹。
作为一可选实施例,所述基于检测结果确定所述缩略图的方位向散焦程度,包括:
对多个所述目标方向竖条纹进行统计并计算其平均长度;
基于所述平均长度及对应阈值判定所述缩略图的方位向散焦程度。
作为一可选实施例,还包括:
采用梯度算子对所述缩略图进行卷积运算得到对应的梯度图;
对所述梯度图进行二值化处理,并基于开运算算法处理二值化后的所述梯度图,滤除所述梯度图中的图斑,以得到所述缩略图中水体区域的粗提取图像;
基于所述水体区域的粗提取图像为模板滤除所述缩略图中的对应图像内容,得到无水体区域的缩略图。
作为一可选实施例,所述对所述缩略图进行增益不平衡检测,基于检测结果确定所述缩略图中增益不平衡位置,包括:
计算确定所述无水体区域的缩略图的量化后的均值曲线,所述均值曲线包括方位向均值曲线及距离向均值曲线;
对所述均值曲线进行平滑滤波处理;
基于平滑滤波处理后的所述均值曲线采用零值定理确定出候选零点位置;
确定每个所述候选零点位置两侧的能量比;
基于各个所述能量比结合对应的阈值条件进行判定,过滤掉能量不满足所述阈值条件的候选零点位置,得到所述缩略图中表征增益不平衡位置的目标零点位置。
作为一可选实施例,所述对所述缩略图进行虚化模糊度检测,包括:
对所述缩略图进行分块处理,得到多个图像块;
计算确定每个所述图像块的能量特征;
采用拉普拉斯算子,结合卷积运算计算每个所述图像块的梯度信息,所述梯度信息包括梯度方差,所述梯度方差用于作为所述缩略图的模糊虚化指标;
结合灰度共生矩阵计算确定每个所述图像块的逆差矩和熵,并基于所述逆差矩和熵构建所述图像块的新的纹理特征。
作为一可选实施例,所述基于检测结果确定所述缩略图的虚化模糊等级,包括:
基于所述能量特征、梯度信息、纹理特征及预置的经验阈值综合确定所述图像块中是否存在虚化模糊区域;
统计具有虚化模糊区域的图像块相对所述缩略图的占比;
基于所述占比结果确定所述缩略图的虚化模糊等级。
本发明另一实施例同时提供一种SAR影像辐射质量问题自动化标记装置,包括:
获得模块,用于获得SAR影像的缩略图;
第一检测模块,用于对所述缩略图进行方位向散焦检测,并基于检测结果确定所述缩略图的方位向散焦程度;
第二检测模块,用于对所述缩略图进行增益不平衡检测,并基于检测结果确定所述缩略图中增益不平衡位置;
第三检测模块,用于对所述缩略图进行虚化模糊度检测,并基于检测结果确定所述缩略图的虚化模糊等级;
标记模块,用于根据所述方位向散焦程度、增益不平衡位置及虚化模糊等级对所述缩略图进行对应问题的标记。
本发明另一实施例还提供一种电子设备,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指令,所述指令被所述至少一个处理器执行以实现如上文中任一项实施例所述的SAR影像辐射质量问题自动化标记方法。
基于上述实施例的公开可以获知,本发明实施例具备的有益效果包括基于SAR影像的缩略图实现快速准确发现SAR影像中存在的辐射质量问题,同时能够对影像的方位向散焦、增益不平衡和虚化模糊的辐射质量问题进行自动化标记,为SAR影像批量生产和目标解译提供重要的技术支持,并有效提升SAR影像质量检查技术的效率,增加适用性,为该技术的工程化应用提供技术支撑。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中的SAR影像辐射质量问题自动化标记方法的流程图。
图2为本发明实施例中的SAR影像辐射质量问题自动化标记方法的应用流程图。
图3为本发明实施例中的方位向散焦检测数据处理流程图。
图4为本发明实施例中的方位向散焦检测结果对比图。
图5为本发明实施例中的增益不平衡检测数据处理流程图。
图6为本发明实施例中的增益不平衡检测结果对比图。
图7为本发明实施例中的虚化模糊检测数据处理流程图。
图8为本发明实施例中的虚化模糊检测结果对比图。
图9为本发明实施例中的SAR影像辐射质量问题自动化标记装置的结构框图。
具体实施方式
下面,结合附图对本发明的具体实施例进行详细的描述,但不作为本发明的限定。
应理解的是,可以对此处公开的实施例做出各种修改。因此,下述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例,并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本发明的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本发明进行了描述,但本领域技术人员能够确定地实现本发明的很多其它等效形式,它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
当结合附图时,鉴于以下详细说明,本公开的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本公开的具体实施例;然而,应当理解,所公开的实施例仅仅是本公开的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此,本文所公开的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本公开的相同或不同实施例中的一个或多个。
下面,结合附图详细的说明本发明实施例。
如图1和图2所示,本发明实施例提供一种SAR影像辐射质量问题自动化标记方法,包括:
S100:获得SAR影像的缩略图;
S101:对缩略图进行方位向散焦检测,并基于检测结果确定缩略图的方位向散焦程度;
S102:对缩略图进行增益不平衡检测,并基于检测结果确定缩略图中增益不平衡位置;
S103:对缩略图进行虚化模糊度检测,并基于检测结果确定缩略图的虚化模糊等级;
S104:基于方位向散焦程度、增益不平衡位置及虚化模糊等级对缩略图进行对应问题的标记。
也即,本实施例提出了一种完整的基于缩略图的SAR影像辐射质量问题快速标记方法,分别从影像的方位向散焦、虚化模糊、增益不平衡三个方面,实现对影像辐射质量问题的自动化标记。
基于上述实施例的公开可以获知,本实施例具备的有益效果包括基于SAR影像的缩略图实现快速准确发现SAR影像中存在的辐射质量问题,同时能够对影像的方位向散焦、增益不平衡和虚化模糊的辐射质量问题进行自动化标记,为SAR影像批量生产和目标解译提供重要的技术支持,并有效提升SAR影像质量检查技术的效率,增加适用性,为该技术的工程化应用提供技术支撑。另外,由于是仅基于缩略图便可实现辐射质量问题的标记,相比以往需要结合正常尺寸的SAR影像进行分析处理的过程相比,本实施例中的方法可以大大降低设备处理负荷,提升处理速度。
具体地,在获得SAR影像的缩略图时,可以采用压缩成像处理的方法得到。而由SAR图像匹配压缩成像原理可知,SAR图像聚焦需要精确获知散射体与传感器之间的距离,并校正相关的相位延迟。散焦的产生主要原因是错误的假设成像期间天线相位中心以已知速度经过一条路径,而实际上雷达偏离了这条路径。雷达轨道的偏移会引起接收信号不确定的多普勒调制,导致SAR影像在方位向上不能聚焦,形成方位向上的散焦图像。在影像的质量检查过程中,SAR图像方位向的散焦的一种具体表现为图像中存在明显的细小条纹,会对SAR图像的解译和干涉产生较大的干扰,故而需对SAR影像进行方位向散焦检测。
在对缩略图进行方位向散焦检测时,包括:
S105:对缩略图作形态学开运算处理,以去除缩略图中小面积的强能量区域,得到开运算图像,开运算处理包括膨胀运算和腐蚀运算;
S106:基于开运算图像和缩略图作顶帽处理,得到对小面积的强能量区域进行效果增强的顶帽运算结果图;
S107:对顶帽运算结果图进行霍夫直线检测处理,以提取出图中的方位向竖条纹;
S108:采用层次聚类算法对方位向竖条纹进行清洗,得到每一类方位向竖条纹中最长的目标方向竖条纹。
其中,对顶帽运算结果图进行霍夫直线检测处理,以提取出图中的方位向竖条纹,包括:
S109:对顶帽运算结果图进行二值化处理,生成能够表达缩略图的方位向散焦特征的二值图像;
S110:构建投票器矩阵以模拟霍夫空间,投票器矩阵用于对过缩略图中有效点的直线位置进行投票;
S111:对投票结果进行排序,并基于排序结果提取出方位向竖条纹。
具体地,SAR影像方位向散焦造成的细小条纹,其能量明显大于周围地物,但受到斑点噪声和地物类型的影响,其通常表现为宽3~5个像元、长短不一的非连续条纹,故而需对图像的方位向散焦特征进行增强,便于后续的条纹提取操作。形态学滤波中的顶帽运算,能够突出原图像中的高能量区域,可以用于SAR影像中散焦特征的增强。
SAR影像的顶帽运算首先需进行形态学的开运算,令SAR影像的原始缩略图表示为I(x,y),则I(x,y)作形态学开运算可表达为:
G(x,y)=I(x,y)oB
式中G(x,y)为作形态学开运算后的图像,B为形态学滤波的结构元素,o为开运算符号,其中开运算为膨胀和腐蚀运算的组合,转换后可以表达为:
式中e为作形态学腐蚀运算符号,为形态学腐蚀运算符号。经过形态学的开运算能够去除SAR影像中面积较小的强能量区域,而此类区域为方位向散焦检测的主要目标,结合原图像,即缩略图,采用顶帽运算就可取得此类区域的增强效果,顶帽运算的结果可以表达为:
H(x,y)=I(x,y)-G(x,y)
式中H(x,y)为顶帽运算结果图。
由于方位向散焦主要表现为在方位向的细小条纹,故而在获取顶帽运算的结果后,散焦检测问题已转换为方位向直线的检测问题。霍夫直线检测利用点与线的对偶性,将笛卡尔空间的直线检测问题转换为霍夫空间的统计峰值问题。
笛卡尔空间中直线可以表示为:
y=kx+b
式中k为直线的斜率,b为直线在y轴的截距。
霍夫空间中的直线可以表示为:
ρ=xcosθ+ysinθ
式中ρ为直线到原点的垂线距离,θ为垂线与x轴的夹角。笛卡尔平面的一条直线与霍夫空间中的一点(ρ,θ)对应。过平面内的一点(x0,y0)的直线在空间中表现为一条曲线,可以表示为:
ρ=x0 cosθ+y0 sinθ
由上式可以看出,直线目标存在的可能性问题可转换为经目标点的曲线相交数量问题。
在实际计算过程中,首先基于Otsu算法对SAR图像顶帽运算的结果进行二值化,生成表达图像方位向散焦特征的二值图像,同时构建“投票器”矩阵用于近似霍夫空间,然后在“投票器”中对代表过图像有效点的直线位置进行投票,基于排序后的投票结果,提取出方位向竖条纹。
进一步地,由于SAR图像自身的成像特点,单个方位向散焦目标通常会存在多条长度类似、距离相近的竖条纹,这对客观评价图像总体的散焦程度会产生较大干扰,故而需采用层次聚类算法对竖条纹检测结果进行清洗,减少单个散焦目标的竖条纹数量。
首先选取竖条纹的方位向中心坐标Caz和条纹长度Laz作为层次聚类的特征,再以欧式距离为度量准则,对竖条纹的检测结果进行层次聚类,最后选取同类中Laz最大的竖条纹作为散焦目标的竖条纹,其可以表达为:
Lm=Laz(n)
Cm=Caz(n)
式中Lm、Cm分别为第m类的竖条纹长度和方位向中心坐标,n为同类中最长的竖条纹编号。
在获得检测结果后,也即获得了各类竖条纹长度中的最长竖条纹后,基于检测结果确定缩略图的方位向散焦程度,包括:
对多个目标方向竖条纹进行统计并计算其平均长度;
基于平均长度及对应阈值判定缩略图的方位向散焦程度。
例如,基于方位向散焦检测结果进行统计,以平均相对长度为指标,判定SAR影像的方位向散焦程度。平均相对长度可以表达为:
式中,Lmean为平均相对长度,AN为方位向的总像元数,N为总的条带数。
因此,综上所述,如图3所示,SAR影像的方位向散焦检测的检测步骤可概括如下:
(1)基于形态学滤波法对SAR影像的缩略图作开运算处理;
(2)基于开运算图像和原始影像缩略图作顶帽处理;
(3)对顶帽处理得到的图像作图像分块处理,并进行分块归一化;
(4)基于自适应阈值分割算法,实现顶帽图像的二值化处理;
(5)对二值化图像作霍夫直线检测,获取图像的方位向线段数据集,即方位向条纹数据集;
(6)基于线段的位置特征和长度特征采用聚类算法,对线段数据集进行分类和清洗,删除位置相近、长度相近的线段,避免对质量等级评定结果的干扰;
(7)基于清洗后的线段数据集和相关阈值条件,评定SAR影像的方位向散焦程度。
在完成了方位向散焦检测后,可基于检测结果对图像进行自动标记,如图4所示,图4中(b)中线条标记处为识别处的方位向散焦竖条纹,点标记的为线段的端点,本实施例中共检测出竖条纹99条,平均相对长度为3.48,为中度方位向散焦。
进一步地,SAR影像的天线增益会受到波束中心指向抖动及天线波束方向图的影响而发生变化,增益的变化往往会导致雷达照射能量不均匀,进而引起SAR影像的不均衡,具体通常表现为局部辐射强,局部辐射弱的现象,无法反映目标真实的散射特征。存在增益问题的SAR图像方位向均值或距离向均值的变化是从平缓到加速,再平缓的变化过程,由此可以从SAR图像的行均值和列均值入手,进行极值探测,再结合水体粗提取和能量比减少地物变化造成的误判,实现增益问题的量化检测。
为了实现对SAR影像缩略图的增益不平衡检测,本实施例中的方法还包括:
S112:采用梯度算子对缩略图进行卷积运算得到对应的梯度图;
S113:对梯度图进行二值化处理,并基于开运算算法处理二值化后的梯度图,滤除梯度图中的图斑,以得到缩略图中水体区域的粗提取图像;
S114:基于水体区域的粗提取图像为模板滤除缩略图中的对应图像内容,得到无水体区域的缩略图。
具体地,传统的增益不平衡检测方法,通常以零点的位置判断增益不平衡的位置,这通常会在有海陆交界的SAR影像中存在误判,因此需结合水体(区域)提取算法,避免海陆变化对增益不平衡检测的影响。
SAR影像中水面的辐射强度弱,梯度变化小,故而可以采用梯度算子对图像进行卷积运算实现水体的粗提取。SAR影像(缩略图)水体提取的梯度卷积运算可以表达为:
IG(x,y)=I(x,y)*W(u,v)=ΣI(x-u,y-v)W(u,v),(u,v)
获取梯度图像后,可以基于Otsu算法对梯度图像进行二值化,再由前述的公式G(x,y)=I(x,y)oB进行图像的形态学滤波开运算,以滤除梯度图中的小图斑,即可获取水体(区域)的粗略提取图像。之后便可以提取的水体图像为模板,滤除原始缩略图中的水体像元,得到无水体区域的缩略图。
当得到了无水体区域的缩略图后,可基于该缩略图进行增益不平衡检测,具体地,对缩略图进行增益不平衡检测,基于检测结果确定缩略图中增益不平衡位置,包括:
S115:计算确定无水体区域的缩略图的量化后的均值曲线,均值曲线包括方位向均值曲线及距离向均值曲线;
S116:对均值曲线进行平滑滤波处理;
S117:基于平滑滤波处理后的均值曲线采用零值定理确定出候选零点位置;
S118:确定每个候选零点位置两侧的能量比;
S119:基于各个能量比结合对应的阈值条件进行判定,过滤掉能量不满足阈值条件的候选零点位置,得到缩略图中表征增益不平衡位置的目标零点位置。
例如,上述步骤中以及下文中所述的缩略图或SAR影像均指无水体区域的缩略图。对于存在增益问题的SAR影像在方位向和距离向灰度上往往呈现连续的变化,因此需从方位向和距离向提取其均值曲线,其均值曲线获取方法可以表达为:
式中Am(x)为方位向灰度变化曲线,m为距离向的像元数量,Rm(y)为距离向灰度变化曲线,n为方位向的像元数量。
由于SAR影像的灰度变化通常在均值附近上下波动,所以可以以图像均值为标准对SAR影像进行量化,量化方法可以表达为:
Amr(x)=Am(x)-Imean
Rmr(y)=Rm(y)-Imean
式中Imean为SAR影像的灰度均值,Amr(x),Rmr(y)分别为方位向和距离向量化后的均值曲线。
进一步地,由于SAR影像受到斑点噪声的影像,量化后均值曲线虽能反映辐射能量在距离向或方位向整体变化趋势,但往往会出现多个零点的情况,这对SAR影像的增益变化位置判断会产生干扰,因此需对量化后的均值曲线进行平滑滤波。采用移动均值法进行平滑滤波,可以表达为:
式中Ams为移动均值滤波后的灰度变化曲线,Am可以为量化后的方位向均值曲线或距离向均值曲线,n为平滑窗口大小,可根据均值曲线的长度自适应确定。
接着,对平滑后的均值曲线,可以采用零值定理快速判断出零点位置,也即是确定候选零点位置。但由于SAR影像拍摄范围内地物类型繁杂,不同地物的辐射特征也有较大差异,在地物变化较小的影像中,正常影像的灰度变化也可能在零点周围波动,因此需结合零点位置两侧的能量比进行判定,过滤掉能量比较小的零点位置,以得到缩略图中表征增益不平衡位置的目标零点位置。SAR影像的能量计算方法可以表达为:
在候选零点位置两侧分别以指定宽度选取相应的图块计算能量比值,能量比的计算方法可以表达为:
Er=If/Ib
式中Er为能量比,If,Ib分别为零点位置两侧选取图像块的能量,为便于对比,以If表示能量较强的图块的能量。
因此,综上所述,如图5所示,本实施例中对SAR影像缩略图的增益不平衡检测过程可概况如下:
(1)对SAR影像的缩略图分别在方位向和距离向取均值,同时各自减去SAR影像均值并进行量化处理;
(2)对量化后的均值离散点分别进行平滑滤波,避免斑点噪声的影响
(3)对滤波后的均值离散点进行曲线拟合,判断与横轴的交点个数,筛选出可能存在增益不平衡的幅值变化位置,也即判断出候选零点位置;
(4)以指定的宽度计算增益变化位置两侧的能量比,通过与设计阈值的对比,筛选出增益变化的候选点;
(5)针对筛选后可能存在增益变化的SAR图像,基于图像梯度和形态学滤波进行水体的粗提取,同时以水体图像为模板,滤除原始图像中的水体像元;
(6)基于滤除水体的图像结合前述步骤进行增益不平衡的二次判断,确定是否是由海陆交接引起的幅值变化;
(7)对判定为增益不平衡的影像输出增益变化位置。
在完成了增益不平衡检测后,可基于检测结果对图像进行自动标记,如图6所示,图6中(b)中用线条标记处了增益变化发生的位置。
上述过程是先对原始缩略图进行增益不平衡判断,确定出有增益不平衡的缩略图后再进行水体区域的提取,并滤除水体区域,之后对滤除水体区域的缩略图再次进行增益不平衡的判断。而实际应用是,也可以先对SAR影像的缩略图进行水体的粗提取,接着基于提取水体区域后的缩略图直接进行增益不平衡的判断,以确定出目标零点位置,也即增益变化位置。
进一步地,由于地面干扰、匹配滤波参数偏差可能导致SAR影像成像存在问题,其具体表现为SAR影像中存在虚化模糊现象,影像的对比度差,地物目标难以区分。由于SAR影像的虚化模糊使得SAR影像的边缘信息被削弱,图像的局部梯度特征变化缓慢,因此针对此类问题可从图像梯度入手,分块构建SAR影像的梯度图像,再结合SAR影像的纹理特征,评估图像的虚化模糊程度。
本实施例中对缩略图进行虚化模糊度检测,包括:
S120:对缩略图进行分块处理,得到多个图像块;
S121:计算确定每个图像块的能量特征;
S122:采用拉普拉斯算子,结合卷积运算计算每个图像块的梯度信息,梯度信息包括梯度方差,梯度方差用于作为缩略图的模糊虚化指标;
S123:结合灰度共生矩阵计算确定每个图像块的逆差矩和熵,并基于逆差矩和熵构建图像块的新的纹理特征。
具体地,由于SAR影像的虚化模糊通常存在于局部区域,因此需对图像进行分块处理,分块检测模糊特征,同时对各块的图像进行归一化,建立合理的量化范围。影像归一化可以表达为:
Gmax=Imean+F*Istd,Gmin=Imean-F*Istd
式中IM(x,y)为归一化后的像元灰度,Tmax,Tmin分别为量化的目标范围,Tmax可取1,Tmin可取0,Imean,Istd分别为目标区域SAR影像的均值和标准差,F为比例因子,可取2或3。
同时由于SAR影像的虚化模糊区域通常为强散射目标造成的邻近区域的虚化模糊,故而需对SAR影像的能量进行统计,可以表达为:
式中IE为图块的能量,Q为图块的像元坐标集合。
在结合梯度算法处理SAR影像时,由于SAR影像虚化模糊区域梯度变化明显较小,边缘信息弱,采用拉普拉斯算子,卷积计算图像的梯度信息,拉普拉斯算子表达为:
IG(x,y)=I(x,y)*W(u,v)=∑I(x-u,y-v)W(u,v),(u,v)
式中IG为梯度图像,W为拉普拉斯卷积核。
进一步地,SAR影像的模糊虚化区域灰度变化缓慢,图像灰度的连续性较强,同时纹理的非均匀程度低,故而可结合灰度共生矩阵,通过逆差矩和熵相结合来构建SAR影像模糊特征的量化描述。
SAR影像的逆差距可以表达为:
式中IDM为逆差矩,G(x,y)为灰度共生矩阵,k为量化的灰度级。
SAR影像的熵可以表达为:
式中ENT为SAR影像的熵。
由于灰度变化缓慢的SAR影像会有较大的逆差矩,而其纹理的熵较小,为进一步准确描述此类影像,可将逆差矩与熵相结合,构建新的SAR影像纹理特征ENTI,具体可以表达为:
ENTI=ENT/IDM
式中ENTI为结合逆差矩和熵构建的SAR影像纹理特征。
在基于检测结果确定缩略图的虚化模糊等级时,包括:
S124:基于能量特征、梯度信息、纹理特征及预置的经验阈值综合确定图像块中是否存在虚化模糊区域;
S125:统计具有虚化模糊区域的图像块相对缩略图的占比;
S126:基于占比结果确定缩略图的虚化模糊等级。
例如,由前述内容可以获取SAR影像的局部梯度特征(即梯度信息)、能量特征、以及由逆差矩和熵构建的纹理特征,再结合实际测得的经验阈值,可做出影像是否存在虚化模糊的判定,具体可以表达为:
IGS<TGS I ENTI<TET I IE>TEN
式中TGS,TET,TEN分别为对应特征的经验阈值。统计整幅影像虚化模糊图块的比例,即可对图像的模糊程度进行等级评定。
如图7所示,由上述内容可综合确定,本实施例中对SAR影像进行虚化模糊检测时,过程可概况如下:
(1)对缩略图影像进行分块,并作归一化处理,突出分块图像的局部特征,建立统一的量化范围;
(2)对每个图像块计算SAR影像的能量特征;
(2)构建拉普拉斯算子,计算每个图像块的图像梯度,统计梯度信息,基于图块梯度标准差计算评定每个图像模糊程度的梯度特征;
(4)基于灰度共生矩阵的逆差矩和熵计算评定图像模糊程度的纹理特征;
(5)综合SAR影像的能量特征、梯度特征、纹理特征和相关经验阈值,检测影像中的模糊图块;
(6)计算模糊图块占整幅影像的比例,评定SAR影像的虚化模糊等级。
在完成了虚化模糊检测后,可基于检测结果对图像进行自动标记,如图8所示,图8中的(b)中用方框标记了虚化模糊图像块,本实施例中模糊图像块所占整幅图像的比例为27.47%,为重度虚化模糊。
如图9所示,本发明另一实施例同时提供一种SAR影像辐射质量问题自动化标记装置100,包括:
获得模块,用于获得SAR影像的缩略图;
第一检测模块,用于对所述缩略图进行方位向散焦检测,并基于检测结果确定所述缩略图的方位向散焦程度;
第二检测模块,用于对所述缩略图进行增益不平衡检测,并基于检测结果确定所述缩略图中增益不平衡位置;
第三检测模块,用于对所述缩略图进行虚化模糊度检测,并基于检测结果确定所述缩略图的虚化模糊等级;
标记模块,用于根据所述方位向散焦程度、增益不平衡位置及虚化模糊等级对所述缩略图进行对应问题的标记。
作为一可选实施例,所述对所述缩略图进行方位向散焦检测,包括:
对所述缩略图作形态学开运算处理,以去除所述缩略图中小面积的强能量区域,得到开运算图像,所述开运算处理包括膨胀运算和腐蚀运算;
基于所述开运算图像和缩略图作顶帽处理,得到对所述小面积的强能量区域进行效果增强的顶帽运算结果图;
对所述顶帽运算结果图进行霍夫直线检测处理,以提取出图中的方位向竖条纹;
采用层次聚类算法对所述方位向竖条纹进行清洗,得到每一类方位向竖条纹中最长的目标方向竖条纹。
作为一可选实施例,所述对所述顶帽运算结果图进行霍夫直线检测处理,以提取出图中的方位向竖条纹,包括:
对所述顶帽运算结果图进行二值化处理,生成能够表达所述缩略图的方位向散焦特征的二值图像;
构建投票器矩阵以模拟霍夫空间,所述投票器矩阵用于对过所述缩略图中有效点的直线位置进行投票;
对投票结果进行排序,并基于排序结果提取出所述方位向竖条纹。
作为一可选实施例,所述基于检测结果确定所述缩略图的方位向散焦程度,包括:
对多个所述目标方向竖条纹进行统计并计算其平均长度;
基于所述平均长度及对应阈值判定所述缩略图的方位向散焦程度。
作为一可选实施例,还包括:
卷积模块,用于采用梯度算子对所述缩略图进行卷积运算得到对应的梯度图;
处理模块,用于对所述梯度图进行二值化处理,并基于开运算算法处理二值化后的所述梯度图,滤除所述梯度图中的图斑,以得到所述缩略图中水体区域的粗提取图像;
粗提取模块,用于根据所述水体区域的粗提取图像为模板滤除所述缩略图中的对应图像内容,得到无水体区域的缩略图。
作为一可选实施例,所述对所述缩略图进行增益不平衡检测,基于检测结果确定所述缩略图中增益不平衡位置,包括:
计算确定所述无水体区域的缩略图的量化后的均值曲线,所述均值曲线包括方位向均值曲线及距离向均值曲线;
对所述均值曲线进行平滑滤波处理;
基于平滑滤波处理后的所述均值曲线采用零值定理确定出候选零点位置;
确定每个所述候选零点位置两侧的能量比;
基于各个所述能量比结合对应的阈值条件进行判定,过滤掉能量不满足所述阈值条件的候选零点位置,得到所述缩略图中表征增益不平衡位置的目标零点位置。
作为一可选实施例,所述对所述缩略图进行虚化模糊度检测,包括:
对所述缩略图进行分块处理,得到多个图像块;
计算确定每个所述图像块的能量特征;
采用拉普拉斯算子,结合卷积运算计算每个所述图像块的梯度信息,所述梯度信息包括梯度方差,所述梯度方差用于作为所述缩略图的模糊虚化指标;
结合灰度共生矩阵计算确定每个所述图像块的逆差矩和熵,并基于所述逆差矩和熵构建所述图像块的新的纹理特征。
作为一可选实施例,所述基于检测结果确定所述缩略图的虚化模糊等级,包括:
基于所述能量特征、梯度信息、纹理特征及预置的经验阈值综合确定所述图像块中是否存在虚化模糊区域;
统计具有虚化模糊区域的图像块相对所述缩略图的占比;
基于所述占比结果确定所述缩略图的虚化模糊等级。
本发明另一实施例还提供一种电子设备,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指令,所述指令被所述至少一个处理器执行以实现如上文中任一项实施例所述的SAR影像辐射质量问题自动化标记方法。
进一步地,本发明一实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的SAR影像辐射质量问题自动化标记方法。应理解,本实施例中的各个方案具有上述方法实施例中对应的技术效果,此处不再赘述。
进一步地,本发明实施例还提供了一种计算机程序产品,所述计算机程序产品被有形地存储在计算机可读介质上并且包括计算机可读指令,所述计算机可执行指令在被执行时使至少一个处理器执行诸如上文所述实施例中的SAR影像辐射质量问题自动化标记方法。
需要说明的是,本发明的计算机存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储介质(RAM)、只读存储介质(ROM)、可擦式可编程只读存储介质(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储介质(CD-ROM)、光存储介质件、磁存储介质件、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、系统或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输配置为由指令执行系统、系统或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、天线、光缆、RF等等,或者上述的任意合适的组合。
另外,本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (10)
1.一种SAR影像辐射质量问题自动化标记方法,其特征在于,包括:
获得SAR影像的缩略图;
对所述缩略图进行方位向散焦检测,并基于检测结果确定所述缩略图的方位向散焦程度;
对所述缩略图进行增益不平衡检测,并基于检测结果确定所述缩略图中增益不平衡位置;
对所述缩略图进行虚化模糊度检测,并基于检测结果确定所述缩略图的虚化模糊等级;
基于所述方位向散焦程度、增益不平衡位置及虚化模糊等级对所述缩略图进行对应问题的标记。
2.根据权利要求1所述的SAR影像辐射质量问题自动化标记方法,其特征在于,所述对所述缩略图进行方位向散焦检测,包括:
对所述缩略图作形态学开运算处理,以去除所述缩略图中小面积的强能量区域,得到开运算图像,所述开运算处理包括膨胀运算和腐蚀运算;
基于所述开运算图像和缩略图作顶帽处理,得到对所述小面积的强能量区域进行效果增强的顶帽运算结果图;
对所述顶帽运算结果图进行霍夫直线检测处理,以提取出图中的方位向竖条纹;
采用层次聚类算法对所述方位向竖条纹进行清洗,得到每一类方位向竖条纹中最长的目标方向竖条纹。
3.根据权利要求2所述的SAR影像辐射质量问题自动化标记方法,其特征在于,所述对所述顶帽运算结果图进行霍夫直线检测处理,以提取出图中的方位向竖条纹,包括:
对所述顶帽运算结果图进行二值化处理,生成能够表达所述缩略图的方位向散焦特征的二值图像;
构建投票器矩阵以模拟霍夫空间,所述投票器矩阵用于对过所述缩略图中有效点的直线位置进行投票;
对投票结果进行排序,并基于排序结果提取出所述方位向竖条纹。
4.根据权利要求2所述的SAR影像辐射质量问题自动化标记方法,其特征在于,所述基于检测结果确定所述缩略图的方位向散焦程度,包括:
对多个所述目标方向竖条纹进行统计并计算其平均长度;
基于所述平均长度及对应阈值判定所述缩略图的方位向散焦程度。
5.根据权利要求1所述的SAR影像辐射质量问题自动化标记方法,其特征在于,还包括:
采用梯度算子对所述缩略图进行卷积运算得到对应的梯度图;
对所述梯度图进行二值化处理,并基于开运算算法处理二值化后的所述梯度图,滤除所述梯度图中的图斑,以得到所述缩略图中水体区域的粗提取图像;
基于所述水体区域的粗提取图像为模板滤除所述缩略图中的对应图像内容,得到无水体区域的缩略图。
6.根据权利要求5所述的SAR影像辐射质量问题自动化标记方法,其特征在于,所述对所述缩略图进行增益不平衡检测,基于检测结果确定所述缩略图中增益不平衡位置,包括:
计算确定所述无水体区域的缩略图的量化后的均值曲线,所述均值曲线包括方位向均值曲线及距离向均值曲线;
对所述均值曲线进行平滑滤波处理;
基于平滑滤波处理后的所述均值曲线采用零值定理确定出候选零点位置;
确定每个所述候选零点位置两侧的能量比;
基于各个所述能量比结合对应的阈值条件进行判定,过滤掉能量不满足所述阈值条件的候选零点位置,得到所述缩略图中表征增益不平衡位置的目标零点位置。
7.根据权利要求1所述的SAR影像辐射质量问题自动化标记方法,其特征在于,所述对所述缩略图进行虚化模糊度检测,包括:
对所述缩略图进行分块处理,得到多个图像块;
计算确定每个所述图像块的能量特征;
采用拉普拉斯算子,结合卷积运算计算每个所述图像块的梯度信息,所述梯度信息包括梯度方差,所述梯度方差用于作为所述缩略图的模糊虚化指标;
结合灰度共生矩阵计算确定每个所述图像块的逆差矩和熵,并基于所述逆差矩和熵构建所述图像块的新的纹理特征。
8.根据权利要求7所述的SAR影像辐射质量问题自动化标记方法,其特征在于,所述基于检测结果确定所述缩略图的虚化模糊等级,包括:
基于所述能量特征、梯度信息、纹理特征及预置的经验阈值综合确定所述图像块中是否存在虚化模糊区域;
统计具有虚化模糊区域的图像块相对所述缩略图的占比;
基于所述占比结果确定所述缩略图的虚化模糊等级。
9.一种SAR影像辐射质量问题自动化标记装置,其特征在于,包括:
获得模块,用于获得SAR影像的缩略图;
第一检测模块,用于对所述缩略图进行方位向散焦检测,并基于检测结果确定所述缩略图的方位向散焦程度;
第二检测模块,用于对所述缩略图进行增益不平衡检测,并基于检测结果确定所述缩略图中增益不平衡位置;
第三检测模块,用于对所述缩略图进行虚化模糊度检测,并基于检测结果确定所述缩略图的虚化模糊等级;
标记模块,用于根据所述方位向散焦程度、增益不平衡位置及虚化模糊等级对所述缩略图进行对应问题的标记。
10.一种电子设备,其特征在于,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指令,所述指令被所述至少一个处理器执行以实现如权利要求1-8任一项所述的SAR影像辐射质量问题自动化标记方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310150942.7A CN116184407B (zh) | 2023-02-22 | 2023-02-22 | Sar影像辐射质量问题自动化标记方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310150942.7A CN116184407B (zh) | 2023-02-22 | 2023-02-22 | Sar影像辐射质量问题自动化标记方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116184407A CN116184407A (zh) | 2023-05-30 |
CN116184407B true CN116184407B (zh) | 2023-08-22 |
Family
ID=86447266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310150942.7A Active CN116184407B (zh) | 2023-02-22 | 2023-02-22 | Sar影像辐射质量问题自动化标记方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116184407B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778232A (zh) * | 2023-06-01 | 2023-09-19 | 自然资源部国土卫星遥感应用中心 | Sar图像竖条纹检测方法、装置、设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846845A (zh) * | 2018-06-22 | 2018-11-20 | 西安电子科技大学 | 基于缩略图与分层模糊聚类的sar图像分割方法 |
CN111311562A (zh) * | 2020-02-10 | 2020-06-19 | 浙江华创视讯科技有限公司 | 虚焦图像的模糊度检测方法及装置 |
KR102173012B1 (ko) * | 2020-08-26 | 2020-11-02 | 국방과학연구소 | 압축 센싱 기반 합성 개구면 레이다의 영상 생성 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 |
CN112363144A (zh) * | 2020-11-27 | 2021-02-12 | 西安空间无线电技术研究所 | 环扫雷达距离模糊和方位模糊鉴别方法 |
CN113569713A (zh) * | 2021-07-23 | 2021-10-29 | 浙江大华技术股份有限公司 | 视频图像的条纹检测方法及装置、计算机可读存储介质 |
CN114092748A (zh) * | 2021-11-30 | 2022-02-25 | 中国科学院空天信息创新研究院 | Sar无意识干扰检测方法、装置、设备和介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8928763B2 (en) * | 2008-12-09 | 2015-01-06 | Abbyy Development Llc | Detecting and correcting blur and defocusing |
-
2023
- 2023-02-22 CN CN202310150942.7A patent/CN116184407B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108846845A (zh) * | 2018-06-22 | 2018-11-20 | 西安电子科技大学 | 基于缩略图与分层模糊聚类的sar图像分割方法 |
CN111311562A (zh) * | 2020-02-10 | 2020-06-19 | 浙江华创视讯科技有限公司 | 虚焦图像的模糊度检测方法及装置 |
KR102173012B1 (ko) * | 2020-08-26 | 2020-11-02 | 국방과학연구소 | 압축 센싱 기반 합성 개구면 레이다의 영상 생성 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 |
CN112363144A (zh) * | 2020-11-27 | 2021-02-12 | 西安空间无线电技术研究所 | 环扫雷达距离模糊和方位模糊鉴别方法 |
CN113569713A (zh) * | 2021-07-23 | 2021-10-29 | 浙江大华技术股份有限公司 | 视频图像的条纹检测方法及装置、计算机可读存储介质 |
CN114092748A (zh) * | 2021-11-30 | 2022-02-25 | 中国科学院空天信息创新研究院 | Sar无意识干扰检测方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
SAR成像阴影边缘散焦误差分析;刘琦 等;国外电子测量技术;第35卷(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116184407A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
CN108681525B (zh) | 一种基于车载激光扫描数据的路面点云强度增强方法 | |
CN110031843B (zh) | 基于roi区域的sar图像目标定位方法、系统、装置 | |
CN103971127B (zh) | 一种前视雷达成像海面目标关键点检测识别方法 | |
CN105976376B (zh) | 一种基于部件模型的高分辨sar图像目标检测方法 | |
CN116184407B (zh) | Sar影像辐射质量问题自动化标记方法、装置及设备 | |
CN107862271B (zh) | 一种舰船目标的检测方法 | |
US20130033394A1 (en) | Synthetic aperture radar chip level cross-range streak detector | |
CN112017223A (zh) | 基于改进SIFT-Delaunay的异源图像配准方法 | |
CN113064162A (zh) | 应用于机场跑道异物检测雷达系统的检测方法、装置 | |
CN112986964A (zh) | 基于噪声邻域密度的光子计数激光点云自适应去噪方法 | |
CN103077499A (zh) | 基于相似块的sar图像预处理方法 | |
CN109829902B (zh) | 一种基于广义S变换和Teager属性的肺部CT图像结节筛选方法 | |
CN107835998A (zh) | 用于识别数字图像中的表面类型的分层平铺方法 | |
CN112164079B (zh) | 一种声呐图像分割方法 | |
CN113408519A (zh) | 一种基于模板旋转匹配的指针仪表读数的方法及系统 | |
JP2019190998A (ja) | 空洞識別システム及び空洞識別方法 | |
CN112734816A (zh) | 基于CSS-Delaunay的异源图像配准方法 | |
Magnier et al. | Ridges and valleys detection in images using difference of rotating half smoothing filters | |
CN116823827A (zh) | 一种基于图像处理的矿石粉碎效果评价方法 | |
CN117036971A (zh) | 自适应局部空谱一致下的机载LiDAR数据建筑物提取方法 | |
CN113822361B (zh) | 一种基于汉明距离的sar图像相似程度度量方法和系统 | |
CN115661660A (zh) | Sar图像桥梁快速检测方法及设备 | |
CN108564054B (zh) | 一种基于cfar的精确溢油检测方法 | |
CN113298759A (zh) | 水域检测方法、装置、电子设备及存储介质 |
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 |