[发明专利]基于高分辨率光学遥感影像的弱小目标快速检测方法有效
申请号: | 201911298224.4 | 申请日: | 2019-12-17 |
公开(公告)号: | CN111027497B | 公开(公告)日: | 2023-03-31 |
发明(设计)人: | 吴金建;梁富虎;石光明 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06V20/13 | 分类号: | G06V20/13;G06T3/40;G06T5/30;G06T7/13;G06T7/155;G06T7/187;G06T7/45 |
代理公司: | 陕西电子工业专利中心 61205 | 代理人: | 王品华;黎汉华 |
地址: | 710071*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 高分辨率 光学 遥感 影像 弱小 目标 快速 检测 方法 | ||
1.一种基于高分辨率可见光遥感影像的弱小目标检测方法,其特征在于,包括如下:
(1)将待测多光谱图像先转为8位RGB彩色图像,再转为灰度图像I;
(2)对二维灰度图像I用不同滤波核进行扩展小波变换,得到扩展小波变换后的灰度图像W;
(3)使用基于加速分割测试的fast9算法对扩展小波变换后的灰度图像W进行角点检测,得到角点检测结果c,再根据空间位置关系过滤掉密集的角点,保留分布较为分散的角点;
(4)以每一个保留的角点为中心,切取其固定尺寸大小的区域,并对每个区域进行先膨胀后腐蚀的形态学闭操作,得到形态学闭操作后的切片区域;
(5)对形态学闭操作后的切片区域进行如下处理:
(5a)对形态学闭操作后的切片区域进行像素联合概率密度统计,并对概率进行归一化,得到灰度共生矩阵P,再计算P的对比度S和相关性R;
(5b)使用canny边缘检测算子对每个切片区域进行边缘检测,再对边缘检测的结果进行连通区域标记,并选取面积最大的连通域;
(6)使用区域属性统计函数regionprops获取面积最大的连通区域的属性,并根据属性提取形状参数,即连通区域的长宽差h、紧致度t和矩形度g;
(7)利用(6)提取的形状参数与(5b)计算灰度共生矩阵P的对比度S和相关性R的联合特征来筛选角点,保留的每个角点所在的局部区域即为目标区域。
2.根据权利要求1所述的方法,其中(1)将待测多光谱图像转为8位RGB彩色图像,是根据待测图像的成像特性进行:
(1a)判断待测图像的位数:
如果待测图像是16位4通道多光谱图像,则使用如下公式将其转为8位4通道多光谱图像E:
E=uint8(double(D)/4095*255)
其中,D是16位4通道图像,uint8是将图像强制转换为uint8格式的函数,double表示将像素值转为双精度浮点类型,/代表相除,*代表相乘;
如果待测图像是8位4通道多光谱图像,则不需要进行转换。
(1a)然后置换8位4通道多光谱图像E的R、B通道,并合并R、G、B通道得到RGB彩色图像。
3.根据权利要求1所述的方法,其中(2)对二维灰度图像I用不同滤波核进行扩展小波变换,其实现如下:
(2a)选取不同滤波核:
其中,z1和z2表示水平与垂直方向,V(z1)、V(z2)分别表示滤波核与滤波核Y(z1)、Y(z2)分别表示滤波核/与滤波核/T表示转置符号;
(2b)用步骤(2a)选取的水平和垂直方向滤波核对灰度图I进行水平和垂直方向滤波,得到低频系数Ii(z1,z2)、高频垂直细节高频水平细节/
其中,i表示将灰度图I小波分解后的第i个尺度,z1i和z2i表示第i个尺度上的水平方向与垂直方向,Ii-1(z1,z2)表示当前尺度的上一尺度灰度图;
(2c)将步骤(2b)得到的高频垂直细节与高频水平细节/点乘,对点乘结果取绝对值得到扩展小波变换后的灰度图W:
4.根据权利要求1所述的方法,其中(3)中使用基于加速分割测试的fast9算法对扩展小波变换后的灰度图像W进行角点检测,其实现如下:
(3a)设定角点检测阈值t的取值范围为20~120,
(3b)将t输入到fast9函数中并进行非极大值抑制,得到角点检测结果c:
c=fast9(W,t,1)
其中,数值1代表对检测结果进行非极大值抑制。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911298224.4/1.html,转载请声明来源钻瓜专利网。