本發(fā)明涉及遙感技術(shù)領(lǐng)域，特別是指一種基于能量特征、紋理特征及運動特征的云層圖像檢測方法。

背景技術(shù)：

近年來，遙感技術(shù)在現(xiàn)代軍事、天基探測和氣象分析等領(lǐng)域得到了廣泛的應(yīng)用，遙感圖像解譯是遙感技術(shù)的關(guān)鍵技術(shù)之一。遙感圖像解譯指的是根據(jù)圖像的幾何特征和物理性質(zhì)，進行綜合分析，從而揭示出物體或現(xiàn)象的質(zhì)量和數(shù)量特征，以及它們之間的相互關(guān)系，進而研究其發(fā)生發(fā)展過程和分布規(guī)律，也就是說根據(jù)圖像特征來識別它們所代表的物體或現(xiàn)象的性質(zhì)。虛警源對于遙感圖像解譯有較大的影響。而遙感圖像中往往存在著不同的虛警源，這些虛警源具有輻射強度高、隨時間變化等特點。例如:高空卷云是一種重要的虛警源。地球上有1/3到1/2的面積被云層覆蓋，對遙感圖像及目標探測系統(tǒng)而言，高空云層是一種主要的雜波。而卷云由于其形狀變化快、運動多變等特征，給遙感圖像的解譯帶來了一定困難。研究合適的卷云檢測算法，可以提高遙感成像及探測系統(tǒng)的精度，有利于實現(xiàn)其軍事及空間用途。

一般來說，卷云檢測往往采用光譜分析法，采集可見光及紅外等多通道數(shù)據(jù)，利用云層與其他地面物體的輻射差異來進行檢測。但這種方式是實時性不高，并且對成像設(shè)備要求高，不易于卷云檢測的開展。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種基于能量、紋理及運動特征的云層圖像檢測方法，解決現(xiàn)有技術(shù)中高空卷云難以被準確檢測的問題。

為解決上述技術(shù)問題，本發(fā)明的實施例提供一種云層圖像檢測方法，包括：檢測裝置接收包含n幀遙感圖像的遙感圖像序列fn(x,y)，其中n＝1,...,n為幀號，n為總幀數(shù)；所述檢測裝置從所述遙感圖像序列提取遙感圖像的能量特征，獲得能量顯著性圖所述檢測裝置計算所述能量顯著性圖的亮度對比度，獲得亮度對比度圖像所述檢測裝置提取所述亮度對比度圖的紋理特征，獲得紋理特征圖所述檢測裝置利用圖像運動信息，將所述紋理特征圖進行幀間關(guān)聯(lián)，提取感興趣區(qū)域roi，獲得云層檢測結(jié)果。

可選的，檢測裝置利用圖像運動信息，將所述紋理特征圖進行幀間關(guān)聯(lián)，提取感興趣區(qū)域roi，獲得云層檢測結(jié)果具體為：

所述檢測裝置設(shè)定亮度閾值t，對亮度對比度的結(jié)果進行閾值分割，獲得分割結(jié)果為thn(x,y)：所述檢測裝置對所述分割結(jié)果thn(x,y)進行開操作，消除孤立的亮點，去掉部分雜波，同時填充孔洞，獲得處理后的分割結(jié)果th′n(x,y)；所述檢測裝置將th′n(x,y)中像素值為1的區(qū)域標記為感興趣區(qū)域roi，計算并得到當前roi的中心坐標(xn,yn)；所述檢測裝置設(shè)定運動閾值mov，計算第n幀及第n+1幀的roi的中心之間的距離：如果dn<mov，所述檢測裝置則將n幀及第n+1幀的roi區(qū)域進行關(guān)聯(lián)；所述檢測裝置提取相互關(guān)聯(lián)的roi區(qū)域，所述相互關(guān)聯(lián)的roi區(qū)域為云層檢測結(jié)果。

可選的，檢測裝置從所述遙感圖像序列提取遙感圖像的能量特征，獲得能量顯著性圖具體為：

所述檢測裝置對所述遙感圖像序列進行傅里葉變換：sn(ωx,ωy)＝f[fn(x,y)],n＝1,...,n，其中，f表示傅里葉變換算子，(ωx,ωy)表示變換到頻域的坐標；所述檢測裝置計算傅里葉變換的幅值，并取對數(shù)得到對數(shù)譜：ln(ωx,ωy)＝log[|sn(ωx,ωy)|]，其中|·|表示幅值算子；計算相位譜p(ωx,ωy)：其中表示相位算子；所述檢測裝置將所述對數(shù)譜與大小為m×m的均值濾波模板卷積，得到平滑譜：v(ωx,ωy)＝ln(ωx,ωy)*hm(ωx,ωy)，其中均值濾波模板為：所述檢測裝置將對數(shù)譜與平滑譜相減，獲得譜殘差r(ωx,ωy)：r(ωx,ωy)＝ln(ωx,ωy)-v(ωx,ωy)，檢測裝置將譜殘差r(ωx,ωy)與相位譜p(ωx,ωy)進行二維離散傅里葉反變換，得到能量顯著性圖

可選的，檢測裝置所述檢測裝置提取所述亮度對比度圖的紋理特征，獲得紋理特征圖具體為：檢測裝置構(gòu)建濾波器：其中，x′＝a^-m(xcosθ+ysinθ)，y′＝a^-m(-xcosθ+ysinθ)，a^-m為尺度因子，θ表示核函數(shù)的方向，λ表示正弦函數(shù)的波長，ψ表示相位偏移，σ表示高斯函數(shù)的標準差，γ表示函數(shù)的寬高比；所述檢測裝置將濾波器與遙感圖像卷積，得到濾波結(jié)果，所述濾波結(jié)果為紋理特征圖：

本發(fā)明的上述技術(shù)方案的有益效果如下：上述方案中，由于檢測裝置采用圖像處理的方式進行遙感圖像中的云層檢測，降低了對傳感器的要求，同時可以準確地檢測到卷云的位置及大?。徊⑶也捎玫乃惴ê唵?，計算效率高，可以滿足實時性要求。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，并可依照說明書的內(nèi)容予以實施，以下以本發(fā)明的較佳實施例并配合附圖詳細說明如下。

附圖說明

圖1為本發(fā)明的云層圖像檢測方法的流程圖。

圖2為本發(fā)明的一個例子的一組含有卷云的紅外圖像。

圖3為對圖2紅外圖像的能量顯著性圖。

圖4為圖3能量顯著性圖的亮度對比度圖像。

圖5為圖4亮度對比度圖像的紋理特征圖。

圖6為云層檢測結(jié)果。

具體實施方式

為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖及具體實施例進行詳細描述。

本發(fā)明針對現(xiàn)有的高空卷云難以被準確檢測的問題，提供一種基于能量、紋理及運動特征的云層圖像檢測方法。

如圖1所示，本發(fā)明的實施例提出一種基于能量、紋理及運動特征的云層圖像檢測方法，該方法應(yīng)用于檢測裝置，具體包括：

步驟1：檢測裝置接收n幀遙感圖像，記為遙感圖像序列，這個遙感圖像序列可以用函數(shù)fn(x,y)來表示，其中n＝1,...,n為幀號，n為總幀數(shù)。例如：圖2為一組含有卷云的紅外遙感圖像。

步驟2：檢測裝置從遙感圖像序列分別提取每幀遙感圖像的能量特征，根據(jù)每幀遙感圖像的能量特征，獲得能量顯著性圖，該能量顯著性圖記為例如：圖3為對圖2的含有卷云的紅外圖像進行能量特征提取，獲得的能量顯著性圖。

其中，這里的每幀遙感圖像的能量特征采用譜殘差特征。其具體步驟如下：

21，檢測裝置對遙感圖像序列進行傅里葉變換：

sn(ωx,ωy)＝f[fn(x,y)],n＝1,...,n

其中，f表示傅里葉變換算子，(ωx,ωy)表示變換到頻域的坐標。

22，檢測裝置計算傅里葉變換的幅值，并取對數(shù)得到對數(shù)譜：

ln(ωx,ωy)＝log[|sn(ωx,ωy)|]

其中|·|表示幅值算子。同時計算相位譜：

其中表示相位算子。

23，檢測裝置將上一步得到的對數(shù)譜與大小為m×m的均值濾波模板卷積，得到平滑譜：

v(ωx,ωy)＝ln(ωx,ωy)*hm(ωx,ωy)

其中均值濾波模板為：

24，檢測裝置將對數(shù)譜與平滑譜相減，得到譜殘差：

r(ωx,ωy)＝ln(ωx,ωy)-v(ωx,ωy)

25，檢測裝置將譜殘差r(ωx,ωy)與相位譜p(ωx,ωy)進行二維離散傅里葉反變換，得到能量顯著性圖：

步驟3：檢測裝置計算能量顯著性圖的亮度對比度，獲得亮度對比度圖像，該對比度圖像記為例如：圖4為對圖3的能量顯著性圖的進行亮度對比度計算后獲得的亮度對比度圖像。

步驟4：檢測裝置提取亮度對比度圖的紋理特征，得到紋理特征圖，該紋理特征圖記為例如：圖5為對圖4的亮度對比度圖像進行紋理特征提取后獲得的紋理特征圖。

這里的紋理特征可以采用方向gabor特征來表示。具體的得到紋理特征圖過程包括：

41，所述檢測裝置構(gòu)建濾波器：

其中，x′＝a^-m(xcosθ+ysinθ)，y′＝a^-m(-xcosθ+ysinθ)。a^-m為尺度因子，θ表示gabor核函數(shù)的方向，λ表示正弦函數(shù)的波長，ψ表示相位偏移，σ表示高斯函數(shù)的標準差，γ表示函數(shù)的寬高比。選取不同的方向，即可得到gabor多方向濾波器。

42，檢測裝置將gabor濾波器與輸入圖像卷積，得到濾波結(jié)果，該濾波結(jié)果即為紋理特征圖：

步驟5：檢測裝置利用圖像運動信息，將紋理特征圖進行幀間關(guān)聯(lián)，提取感興趣區(qū)域，獲得云層檢測結(jié)果。例如：圖6為最終的云層檢測結(jié)果。

下面詳細介紹上述步驟5的過程：

51，檢測裝置設(shè)定亮度閾值t，對亮度對比度的結(jié)果進行閾值分割，獲得分割結(jié)果，該分割結(jié)果記為thn(x,y)：

52，檢測裝置對分割結(jié)果進行開操作，消除孤立的亮點，去掉部分雜波，同時填充孔洞，將處理后的分割結(jié)果記為th′n(x,y)。將th′n(x,y)中像素值為1的區(qū)域標記為感興趣區(qū)域(regionofinterest,roi)，計算并得到當前roi的中心坐標，并將當前roi的中心坐標記為(xn,yn)。

53，檢測裝置設(shè)定運動閾值mov，計算第n幀及第n+1幀的roi的中心之間的距離：

如果dn<mov，檢測裝置則將n幀及第n+1幀的roi區(qū)域進行關(guān)聯(lián)；如果dn>mov，則關(guān)聯(lián)失敗，檢測裝置不對n幀及第n+1幀的roi區(qū)域進行關(guān)聯(lián)。

54，檢測裝置提取相互關(guān)聯(lián)的roi區(qū)域，該相互關(guān)聯(lián)的roi區(qū)域即為卷云檢測結(jié)果。

綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

由于檢測裝置采用圖像處理的方式進行遙感圖像中的卷云檢測，降低了對傳感器的要求，同時可以準確地檢測到卷云的位置及大??；并且采用的算法簡單，計算效率高，可以滿足實時性要求。

以上所述是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明所述原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。