基於混合二階梯度矩陣特徵值的結冰河流檢測方法及裝置
2024-04-14 22:10:05
1.本發明涉及遙感圖像紅外成像目標檢測技術領域,特別涉及一種基於混合二階梯度矩陣特徵值的結冰河流檢測方法及裝置。
背景技術:
2.隨著紅外探測技術的發展,紅外成像目標檢測在精確制導、預警、偵察等方面起著重要的作用。然而自然界中的某些場景,如結冰河流、湖泊、捲雲、雪山、林火等會產生高反射和較強的輻射能量,在紅外成像場景圖像中和特定目標一樣具有較強的視覺顯著性和高亮響應,因此會對特定目標的檢測產生強幹擾,從而引起較高的檢測虛警率。
3.目前的河流檢測技術中,大部分基於可見光波段的數據,針對紅外成像數據的研究較少。同時,部分河流檢測方法利用機器學習,通過提取河流的特徵,如紋理、局部熵等,將提取的特徵輸入分類器中進行訓練,該類方法需要大量的樣本,對樣本數據有很強的依賴性,然而公開紅外圖像結冰河流數據較少,難以支持分類器的學習。也有的檢測方法利用活動輪廓模型和邊緣信息來檢測河流,並使用數學形態學方法對提取到的河流進一步優化。此外,為了充分利用河流的方向性,現有的方法中一般利用gabor變換或剪切波變換等對圖像進行多尺度、多方向分析,這無疑會增加檢測方法的運行時間。
4.因此,需要提出一種高效準確的結冰河流檢測方法。
技術實現要素:
5.本發明的目的在於:為了解決目前的河流檢測速度慢和需要大量樣本數據進行訓練學習的問題,本發明提供了一種基於混合二階梯度矩陣特徵值的結冰河流檢測方法,能夠實現對結冰河流的高效率、高精度的檢測。
6.本發明採用的技術方案如下:
7.一種基於混合二階梯度矩陣特徵值的結冰河流檢測方法,包括以下步驟:
8.步驟1.獲取待處理的包含結冰河流的原始紅外圖像i1;
9.步驟2.計算原始紅外圖像的混合二階梯度矩陣,根據混合二階梯度矩陣的特徵值和特徵向量得到結冰河流候選區域圖和河流方向矢量圖;
10.步驟3.根據步驟2中得到的河流方向矢量圖設計對應方向的濾波模板,計算濾波模板在河流候選區域圖上的響應值,得到河流區域增強圖像;
11.步驟4對河流區域增強圖像進行二值化處理,依據先驗信息和實驗結果,設定合適的區域面積尺寸閾值,剔除面積較小區域,輸出結冰河流的檢測結果。
12.進一步的,所述步驟2包括如下步驟:
13.步驟2.1選取尺度因子為σ1的高斯函數對圖像i1進行平滑濾波,得到圖像i2,σ1的取值範圍為0.5~3.5;
14.步驟2.2分別計算圖像i2中每個像素點的x方向的二階梯度、y方向的二階梯度和交叉二階梯度得到圖像i2中每個像素點的混合二階梯度矩陣;
15.步驟2.3根據矩陣h計算相應的特徵值和特徵向量,數值最大的特徵值對應的矩陣為i3,數值最小的特徵值對應的矩陣為i4,計算結冰河流候選區域圖i5,公式如下:
[0016][0017]
其中λ為比例因子,針對8位圖像,λ的取值範圍為2~15,abs表示求絕對值;
[0018]
步驟2.4對步驟2.3中得到最小的特徵值對應的特徵向量使用反正切函數,得到河流方向矢量圖i6。
[0019]
進一步的,所述步驟3包括如下步驟:
[0020]
步驟3.1記圖像i6中位置為(m,n)的角度值為θi,設計θi方向下的濾波模板f
mn
,f
mn
的尺寸為len
×
len,l為θi方向下河流的長度,取值範圍為10~20,σ2代表了河流的寬度,取值範圍為0.5~4;
[0021]
針對濾波模板f
mn
中的任一點(x,y),記旋轉角度θi後的新的坐標為(x
′
,y
′
),計算濾波模板f
mn
中(x,y)的權重係數,計算公式如下:
[0022][0023]
對f
mn
中每個非零像素點減去f的均值得到最終的濾波模板f
mn
′
;
[0024]
步驟3.2在圖像i5中以(m,n)中心,取大小為len
×
len的圖像塊p
mn
,計算濾波模板f
mn
′
在i5上的響應值,得到河流區域增強圖像i7,計算公式如下:
[0025][0026]
其中,對於8位圖像,β的取值範圍為5~20。
[0027]
本發明還提供了一種基於混合二階梯度矩陣特徵值的結冰河流檢測裝置,包括以下模塊:
[0028]
數據獲取模塊:獲取待處理的包含結冰河流的原始紅外圖像i1;
[0029]
特徵計算模塊:計算原始紅外圖像i1的混合二階梯度矩陣,根據混合二階梯度矩陣的特徵值和特徵向量得到結冰河流候選區域圖和河流方向矢量圖;
[0030]
濾波模塊:根據得到的河流方向矢量圖設計對應方向的濾波模板,計算濾波模板在河流候選區域圖上的響應值,得到河流區域增強圖像;
[0031]
輸出模塊:對河流區域增強圖像進行二值化處理,依據先驗信息和實驗結果,設定合適的區域面積尺寸閾值,剔除面積較小區域,輸出結冰河流的檢測結果。
[0032]
上述裝置中,特徵計算模塊實現包括如下步驟:
[0033]
步驟2.1選取尺度因子為σ1的高斯函數對原始紅外圖像i1進行平滑濾波,得到圖像i2,σ1的取值範圍為0.5~3.5;
[0034]
步驟2.2分別計算圖像i2中每個像素點的x方向的二階梯度、y方向的二階梯度和交叉二階梯度得到圖像i2中每個像素點的混合二階梯度矩陣h;
[0035]
步驟2.3根據矩陣h計算相應的特徵值和特徵向量,數值最大的特徵值對應的矩陣為i3,數值最小的特徵值對應的矩陣為i4,根據i3和i4計算結冰河流候選區域圖i5,公式如
下:
[0036][0037]
其中λ為比例因子,針對8位圖像,λ的取值範圍為2~15,abs表示求絕對值;
[0038]
步驟2.4對步驟2.3中得到最小的特徵值對應的特徵向量使用反正切函數,得到河流方向矢量圖i6。
[0039]
上述裝置中,所述濾波模塊具體實現包括如下步驟:
[0040]
步驟3.1記河流方向矢量圖i6中位置為(m,n)的角度值為θi,設計θi方向下的濾波模板f
mn
,f
mn
的尺寸為len
×
len,l為θi方向下河流的長度,取值範圍為10~20,σ2代表了河流的寬度,取值範圍為0.5~4;
[0041]
針對濾波模板f
mn
中的任一點(x,y),記旋轉角度θi後的新的坐標為(x
′
,y
′
),計算濾波模板f
mn
中位置為(x,y)的權重係數,計算公式如下:
[0042][0043]
對f
mn
中每個非零像素點減去f
mn
的均值得到最終的濾波模板f
mn
′
;
[0044]
步驟3.2在圖像i5中以(m,n)中心,取大小為len
×
len的圖像塊p
mn
,計算濾波模板f
mn
′
在圖像i5上的響應值,得到河流區域增強圖像i7,計算公式如下:
[0045][0046]
其中,對於8位圖像,β的取值範圍為5~20。
[0047]
綜上所述,由於採用了上述技術方案,本發明的有益效果是:
[0048]
1.本發明通過紅外圖像中每個像素點的混合二階梯度矩陣的特徵向量,得到了河流的流向,避免了常規的使用多個方向的濾波器增強河流的流程,減少了計算量。
[0049]
2.由於在結冰河流區域其混合二階梯度矩陣中數值最大的特徵值遠大於數值最小的特徵值,且數值最大的特徵值為負數,根據該數值條件能夠剔除部分非河流區域,進而通過河流橫截面的類高斯形狀設計相應的濾波模板增強河流區域,進一步凸顯了河流的顯著性。
附圖說明
[0050]
為了更清楚地說明本發明實施例的技術方案,下面將對實施例中所需要使用的附圖作簡單地介紹,應當理解,以下附圖僅示出了本發明的某些實施例,因此不應被看作是對範圍的限定,對於本領域普通技術人員來講,在不付出創造性勞動的前提下,還可以根據這些附圖獲得其他相關的附圖。
[0051]
圖1為本發明的流程圖;
[0052]
圖2為本發明實施例1中含有結冰河流的紅外圖像原圖;
[0053]
圖3為本發明實施例1中的結冰河流候選區域圖;
[0054]
圖4為本發明實施例1中的河流區域增強圖;
[0055]
圖5為本發明實施例1中的結冰河流檢測結果圖。
具體實施方式
[0056]
為方便本領域技術人員理解本發明的技術內容,下面結合附圖對本發明的內容進行詳細的說明。
[0057]
實施例1
[0058]
如圖1所示,一種基於混合二階梯度矩陣特徵值的結冰河流檢測方法,包括如下步驟:
[0059]
步驟1.獲取待處理的包含結冰河流的原始紅外圖像i1;
[0060]
步驟2.計算原始紅外圖像的混合二階梯度矩陣,根據混合二階梯度矩陣的特徵值和特徵向量得到結冰河流候選區域圖和河流方向矢量圖;
[0061]
步驟3.根據步驟2中得到的河流方向矢量圖設計對應方向的濾波模板,計算濾波模板在河流候選區域圖上的響應值,得到河流區域增強圖像;
[0062]
步驟4對河流區域增強圖像進行二值化處理,依據先驗信息和實驗結果,設定合適的區域面積尺寸閾值,剔除面積較小區域,輸出結冰河流的檢測結果。
[0063]
在上述技術方案的基礎上,所述步驟2包括如下步驟:
[0064]
步驟2.1選取尺度因子為σ1的高斯函數對圖像i1進行平滑濾波,得到圖像i2,σ1的取值範圍為0.5~4;
[0065]
步驟2.2分別計算圖像i2中每個像素點的x方向的二階梯度、y方向的二階梯度和交叉二階梯度得到圖像i2中每個像素點的混合二階梯度矩陣;
[0066]
步驟2.3根據矩陣h計算相應的特徵值和特徵向量,數值最大的特徵值對應的矩陣為i3,數值最小的特徵值對應的矩陣為i4,計算結冰河流候選區域圖i5,公式如下:
[0067][0068]
其中λ為比例因子,針對8位圖像,λ的取值範圍為2~15,abs表示求絕對值;
[0069]
步驟2.4對步驟2.3中得到最小的特徵值對應的特徵向量使用反正切函數,得到河流方向矢量圖i6。
[0070]
在上述技術方案的基礎上,所述步驟3包括如下步驟:
[0071]
步驟3.1記圖像i6中位置為(m,n)的角度值為θi,設計θi方向下的濾波模板f
mn
,f
mn
的尺寸為len
×
len,l為θi方向下河流的長度,取值範圍為10~20,σ2代表了河流的寬度,取值範圍為0.5~4;
[0072]
針對濾波模板f
mn
中的任一點(x,y),記旋轉角度θi後的新的坐標為(x
′
,y
′
),計算濾波模板f
mn
中(x,y)的權重係數,計算公式如下:
[0073][0074]
對f
mn
中每個非零值像素點減去f的均值得到最終的濾波模板f
mn
′
;
[0075]
步驟3.2在圖像i5中以(m,n)中心,取大小為的圖像塊p
mn
,
計算濾波模板f
mn
′
在i5上的響應值,得到河流區域增強圖像i7,計算公式如下:
[0076][0077]
其中,針對8位圖像,β的取值範圍為5~20。
[0078]
上述方案中,通過利用混合二階梯度矩陣的最小特徵值對應的特徵向量,求出每個像素點對應曲率變化較小的方向,在河流像素點則對應著河流的流向,進而通過河流橫截面的類高斯形狀設計相應的濾波模板增強河流區域,進一步凸顯了河流的顯著性,避免了常規的使用多個方向的濾波器增強河流的流程,減少了計算量。
[0079]
領域的普通技術人員將會意識到,這裡所述的實施例是為了幫助讀者理解本發明的原理。應被理解為本發明的保護範圍並不局限於這樣堵塞特別陳述和實施例。對於本領域的技術人員來說,本發明可以有各種更改和變化。凡在本發明的精神和原則之內,所作的任何修改、等他替換、改進等,均應包含在本發明的權利要求範圍之內。