图像处理-遥感图像飞机小目标提取

2024-04-29 04:48

本文主要是介绍图像处理-遥感图像飞机小目标提取,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

第一个是遥感飞机图像小目标提取,就是一张从高空拍摄的机场的照片,最后完成时将图像中的飞机数量求出,并标记出位置。总的流程可以分为图片预处理,提取特征,匹配特征,标记计数。先在原图中截取背景单一的含有目标提取物的图片进行特征采集,可使匹配更加准确。特征采集过程与图像处理是一个过程,只是一个数据采集的过程。
预处理的目的是将图片二值化,利用连通域去除大面积的背景杂物,主要的杂物背景包括一些大面积的建筑物,停靠机台这样的。
首先将图片进行灰度化处理,灰度图像是RGB三个分量相同的一种特殊的彩色图像,一个像素点的范围是0-255,(第一种方法是求出每个像素的RGB三个分量的平均值,然后将这个平均值赋予这个像素的三个分量),然后根据大律算法(Otsu)进行自动阈值分割,大律算法就是最小类间差,按照图像的灰度特性,将图像分为背景和前景两个部分,因为方差是灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分差别越大,当部分前景错分为背景或部分背景都会导致两部分差别变小,因此使类间方差最大的分割意味着错分概率最小。还有一种简单的比较可行的方法就是对图片描绘灰度直方图,假如呈现双峰状态,则可以选波谷处的灰度值进行分割,进行这些处理后,图片将只剩下前景和背景,此时像素也只有0和1的差别了,一般飞机外壳是白色的,图像灰度化后对应部分也会相对较亮,所以一般提取目标物二值化化后的一般是白色区域部分,这个时候对图片进行开运算或者闭运算,闭运算是对图像先膨胀再进行腐蚀处理,开运算是对图像先腐蚀再膨胀,当目标提取物比较密集是使用闭运算效果比较好,否则选取开运算比较好,开运算可以去掉孤立的小点,毛刺和小桥,闭运算可以让很多重新弥合裂缝形成一个完整的连通域,然后利用regionprops函数去除面积过大或者过小的的连通阈区域,可以去除掉大面积的建筑物,因为二值化后像素就是0和1,此时通过统计1的个数就可以算出面积了,目标提取物的面积范围的确定可以以之前截取的样本计算出的面积为基准,波动范围根据图片的比例设定。利用角点检测(利用曲率和梯度)进一步确定待提取的目标连通阈,
(角点:主要指的是轮廓的交点,图像中亮度变化剧烈的点,或者是边缘中曲率取极大值的点,角点检测分两类:基于图像边缘的检测方法、基于图像灰度的检测方法。前者往往需要对图像边缘进行编码,这在很大程度上依赖于图像的分割和边缘提取,具有较大的计算量,而且检测目标局部发生变化就可能失败,后者主要是通过计算点的曲率及梯度来检测角点。
Harris-Laplacian 角点检测法是基于Moravec算子和自相关函数数理论得来的,通过计算自相关的特征值来判断是否有角点,具有尺寸不变形)
将已经处理的图像和原灰度图像都进行角点检测后,再进行与处理,选择角点较多的连通阈块作为目标提取块

这篇关于图像处理-遥感图像飞机小目标提取的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/945147

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

Verybot之OpenCV应用一:安装与图像采集测试

在Verybot上安装OpenCV是很简单的,只需要执行:         sudo apt-get update         sudo apt-get install libopencv-dev         sudo apt-get install python-opencv         下面就对安装好的OpenCV进行一下测试,编写一个通过USB摄像头采

[数据集][目标检测]血细胞检测数据集VOC+YOLO格式2757张4类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):2757 标注数量(xml文件个数):2757 标注数量(txt文件个数):2757 标注类别数:4 标注类别名称:["Platelets","RBC","WBC","sickle cell"] 每个类别标注的框数:

ROS - C++实现RosBag包回放/提取

文章目录 1. 回放原理2. 回放/提取 多个话题3. 回放/提取数据包,并实时发布 1. 回放原理 #include <ros/ros.h>#include <rosbag/bag.h>#include <std_msgs/String.h>int main(int argc, char** argv){// 初始化ROS节点ros::init(argc, argv,

【python计算机视觉编程——7.图像搜索】

python计算机视觉编程——7.图像搜索 7.图像搜索7.1 基于内容的图像检索(CBIR)从文本挖掘中获取灵感——矢量空间模型(BOW表示模型)7.2 视觉单词**思想****特征提取**: 创建词汇7.3 图像索引7.3.1 建立数据库7.3.2 添加图像 7.4 在数据库中搜索图像7.4.1 利用索引获取获选图像7.4.2 用一幅图像进行查询7.4.3 确定对比基准并绘制结果 7.

参会邀请 | 第二届机器视觉、图像处理与影像技术国际会议(MVIPIT 2024)

第二届机器视觉、图像处理与影像技术国际会议(MVIPIT 2024)将于2024年9月13日-15日在中国张家口召开。 MVIPIT 2024聚焦机器视觉、图像处理与影像技术,旨在为专家、学者和研究人员提供一个国际平台,分享研究成果,讨论问题和挑战,探索前沿技术。诚邀高校、科研院所、企业等有关方面的专家学者参加会议。 9月13日(周五):签到日 9月14日(周六):会议日 9月15日(周日

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

YOLOv8/v10+DeepSORT多目标车辆跟踪(车辆检测/跟踪/车辆计数/测速/禁停区域/绘制进出线/绘制禁停区域/车道车辆统计)

01:YOLOv8 + DeepSort 车辆跟踪 该项目利用YOLOv8作为目标检测模型,DeepSort用于多目标跟踪。YOLOv8负责从视频帧中检测出车辆的位置,而DeepSort则负责关联这些检测结果,从而实现车辆的持续跟踪。这种组合使得系统能够在视频流中准确地识别并跟随特定车辆。 02:YOLOv8 + DeepSort 车辆跟踪 + 任意绘制进出线 在此基础上增加了用户

[数据集][目标检测]智慧农业草莓叶子病虫害检测数据集VOC+YOLO格式4040张9类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):4040 标注数量(xml文件个数):4040 标注数量(txt文件个数):4040 标注类别数:9 标注类别名称:["acalcerosis","fertilizer","flower","fruit","grey