[发明专利]基于光学遥感卫星近红外谱段的海面船舶在轨识别方法有效
| 申请号: | 201910324177.X | 申请日: | 2019-04-22 |
| 公开(公告)号: | CN110059640B | 公开(公告)日: | 2020-09-01 |
| 发明(设计)人: | 于树海;贺小军;安源 | 申请(专利权)人: | 长光卫星技术有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/32;G06K9/34;G06K9/38 |
| 代理公司: | 长春众邦菁华知识产权代理有限公司 22214 | 代理人: | 张伟 |
| 地址: | 130000 吉林省长*** | 国省代码: | 吉林;22 |
| 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 光学 遥感 卫星 红外 海面 船舶 识别 方法 | ||
1.一种基于光学遥感卫星近红外谱段的海面船舶在轨识别方法,其特征在于,包括以下步骤:
获取光学遥感卫星拍摄的近红外多光谱遥感图像,并对所述近红外多光谱遥感图像进行位深转换,得到转换后的8bit图像;
对所述8bit图像进行图像二值化处理,获得所述8bit图像对应的第一二值化图像;
对所述第一二值化图像进行连通域检测;
对进行连通域检测后的所述第一二值化图像进行目标分割,得到分割后的图像;
对所述分割后的图像进行图像二值化处理,获得所述分割后的图像对应的第二二值化图像;
对所述第二二值化图像进行形态学处理,得到形态学处理后的待处理图像;
对所述待处理图像进行连通域检测;
对进行连通域检测后的所述待处理图像进行船舶粗检测,得到目标疑似感兴趣区域;
计算所述目标疑似感兴趣区域中目标的长度、宽度和置信度,并根据所述长度、所述宽度和所述置信度获得船舶精检测结果;
进行图像二值化处理的过程包括以下步骤:
计算待二值化处理的图像的自适应阈值,所述待二值化处理的图像为所述8bit图像或者所述分割后的图像;
以所述自适应阈值为参考,将所述待二值化处理的图像中灰度值小于所述自适应阈值的像素点的灰度值设置为0,将灰度值大于所述自适应阈值的像素点的灰度值设置为255;
其中,计算待二值化处理的图像的自适应阈值的步骤包括:
计算所述待二值化处理的图像的初始化阈值;
遍历所述待二值化处理的图像中的每一个像素点,计算灰度值小于所述初始化阈值的像素点的数量和灰度和,计算灰度值大于所述初始化阈值的像素点的数量和灰度和,并根据所述灰度值小于所述初始化阈值的像素点的数量和灰度和以及灰度值大于所述初始化阈值的像素点的数量和灰度和对所述初始化阈值进行修正,得到修正初始化阈值;
对所述修正初始化阈值进行迭代计算,得到所述待二值化处理的图像的自适应阈值。
2.根据权利要求1所述的基于光学遥感卫星近红外谱段的海面船舶在轨识别方法,其特征在于,对所述第二二值化图像进行形态学处理的过程包括以下步骤:
对所述第二二值化图像进行膨胀操作,其中核函数为3*3的矩形核,迭代次数为1次;
对进行膨胀操作后的图像进行腐蚀操作,其中核函数为3*3的矩形核,迭代次数为1次;
对进行腐蚀操作后的图像再次进行膨胀操作,其中核函数为3*3的矩形核,迭代次数为2次。
3.根据权利要求1所述的基于光学遥感卫星近红外谱段的海面船舶在轨识别方法,其特征在于,对进行连通域检测后的所述第一二值化图像进行目标分割,得到分割后的图像的步骤包括:
为进行连通域检测后的所述第一二值化图像中的连通域设定面积阈值和周长阈值;
计算进行连通域检测后的所述第一二值化图像中每个连通域的面积和周长,并将面积大于所述面积阈值或者周长大于所述周长阈值的连通域的灰度值设置为0,得到分割后的图像。
4.根据权利要求3所述的基于光学遥感卫星近红外谱段的海面船舶在轨识别方法,其特征在于,
所述面积阈值为10000像素,所述周长阈值为10000像素。
5.根据权利要求1所述的基于光学遥感卫星近红外谱段的海面船舶在轨识别方法,其特征在于,对进行连通域检测后的所述待处理图像进行船舶粗检测,得到目标疑似感兴趣区域的步骤包括:
为进行连通域检测后的所述待处理图像中的连通域设定面积阈值、周长阈值、面积周长比阈值和紧致度阈值,并根据所述面积阈值、所述周长阈值、所述面积周长比阈值和所述紧致度阈值构建关于连通域的面积、周长、面积周长比和紧致度的判定条件;
计算进行连通域检测后的所述待处理图像中每个连通域的面积、周长、面积周长比和紧致度,并将满足所述判定条件的连通域作为目标疑似感兴趣区域。
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长光卫星技术有限公司,未经长光卫星技术有限公司许可,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/201910324177.X/1.html,转载请声明来源钻瓜专利网。





