一种中尺度涡检测方法及装置制造方法及图纸

本申请提供了一种中尺度涡检测方法及装置，获取待识别图像，待识别图像包括初始图像和缩小图像，缩小图像为将初始图像按照预设比例进行缩小后的图像，从待识别图像中获取具有预设目标尺寸的区域，获取区域的梯度方向直方图，使用预先训练的检测模型，确定区域中的目标区域，目标区域为包括满足预设条件的中尺度涡的区域，检测模型依据任意一个区域的梯度方向直方图，判定任意一个区域中是否包括满足预设条件的中尺度涡，将目标区域的参考信息映射到初始图像中，得到中尺度涡的检测结果。本申请提供的中尺度涡的检测方案，能够识别出待识别图像中不同尺度的中尺度涡，使得检测结果具有较高的准确性。

A Mesoscale Eddy Detection Method and Device

【技术实现步骤摘要】
一种中尺度涡检测方法及装置
本申请涉及遥感图像处理领域，尤其涉及一种中尺度涡检测方法及装置。
技术介绍
随着科学与技术的发展，人类与海洋的关系越来越密切，人类进行海洋作业，例如，在海面上操作航舰和水下航线器。航舰和水下航线器在航行安全与使用效能方面受海洋流速分布的影响，其中，海洋流速分布受中尺度涡的影响，因此，航舰和水下航线器在航行安全与使用效能方面受中尺度涡的影响。在实际应用中，为了保证航舰和水下航线器在航行安全与使用效能，需要检测海洋中的中尺度涡。其中，中尺度涡可以在雷达拍摄的合成孔径雷达图像中体现。目前，检测中尺度涡的方法包括：在海量的合成孔径雷达图像中，通过专家目视解译的方法，检测是否存在中尺度涡，以及在检测到中尺度涡的情况下，对中尺度涡进行人工标记。通过人工检测与标记，需要耗费大量的人力与物力。因此，需要一种中尺度涡自动检测方案，并且，该中尺度涡检测方案具有较高的检测准确率。
技术实现思路
本申请提供了一种中尺度涡检测方法及装置，目的在于提供一种具有较高准确性的自动检测中尺度涡的方法。为了实现上述目的，本申请提供了以下技术方案：本申请提供了一种中尺度涡检测方法，包括：获取待识别图像，所述待识别图像包括初始图像和缩小图像，所述缩小图像为将所述初始图像按照预设比例进行缩小后的图像；从所述待识别图像中获取具有预设目标尺寸的区域；获取所述区域的梯度方向直方图；使用预先训练的检测模型，确定所述区域中的目标区域，所述目标区域为包括满足预设条件的中尺度涡的区域，所述检测模型依据任意一个区域的梯度方向直方图，判定所述任意一个区域中是否包括满足所述预设条件的中尺度涡；所述预设条件包括：最小外接矩形的大小与所述任意一个区域的大小相同；依据所述预设比例，将所述目标区域中的参考信息映射到所述初始图像中，得到所述中尺度涡的检测结果。可选的，所述目标区域的参考信息包括：所述目标区域所属的层级图像，以及所述目标区域在所属的层级图像中的位置；所述目标区域所属的层级图像为所述待识别图像中的至少一个；所述依据所述预设比例，将所述目标区域中的参考信息映射到所述初始图像中，得到所述中尺度涡的检测结果，包括：依据所述预设比例以及所述目标区域所属的层级图像，确定所述目标区域所属的层级图像与所述初始图像间的缩放比例；按照所述缩放比例，将所述目标区域在所属的层级图像中的位置映射到所述初始图像中，得到所述目标区域在所述初始图像中的位置；将所述目标区域在所述初始图像中的位置，作为所述中尺度涡的检测结果。可选的，所述预先训练的检测模型通过以下方式训练得到：获取训练样本；确定所述训练样本的梯度方向直方图；将所述训练样本的梯度方向直方图作为训练数据集；采用所述训练数据集对预设检测模型进行训练，得到训练后的检测模型；所述预设的检测模型为支持向量机；将所述训练后的检测模型作为所述预先训练的检测模型。可选的，所述获取训练样本，包括：获取多幅原始图像；所述多幅原始图像由存在中尺度涡的图像和不存在中尺度涡的图像构成；将所述存在中尺度涡的图像中所述中尺度涡的最小外接矩形所框出的区域，作为中尺度涡图像；将所述不存在中尺度涡的图像中预设大小的区域，作为非中尺度涡图像；将所述中尺度涡图像与所述非中尺度涡图像的尺寸统一为预设的目标尺寸，得到尺寸统一后的图像；将所述尺寸统一后的图像作为所述训练样本。可选的，所述确定任意一个所述训练样本的梯度方向直方图，包括：对该训练样本进行归一化，得到归一化训练样本；计算所述归一化训练样本中各像素的梯度，得到所述归一化训练样本的梯度图；将所述归一化训练样本的梯度图划分为多个子区域，并将所划分得到的每个子区域作为细胞单元；计算所述归一化训练样本的梯度图中每个所述细胞单元的梯度方向直方图；计算所述归一化训练样本的梯度图中每个块的梯度方向直方图；所述归一化训练样本的梯度图中的任意一个块由多个所述细胞单元组成；任意一个块的梯度方向直方图通过构成该块的细胞单元的梯度方向直方图串联得到；将所述归一化训练样本的梯度图中每个块的梯度方向直方图进行串联，得到所述该训练样本的梯度方向直方图。可选的，还包括：在所述检测模型对每个所述区域的判定结果为不存在所述中尺度涡的情况下，输出所述待识别图像中不存在所述中尺度涡的检测结果。本申请还提供了一种中尺度涡检测装置，包括：第一获取模块，用于获取待识别图像，所述待识别图像包括初始图像和缩小图像，所述缩小图像为将所述初始图像按照预设比例进行缩小后的图像；第二获取模块，用于从所述待识别图像中获取具有预设目标尺寸的区域；第三获取模块，用于获取所述区域的梯度方向直方图；确定模块，用于使用预先训练的检测模型，确定所述区域中的目标区域，所述目标区域为包括满足预设条件的中尺度涡的区域，所述检测模型依据任意一个区域的梯度方向直方图，判定所述任意一个区域中是否包括满足所述预设条件的中尺度涡；所述预设条件包括：最小外接矩形的大小与所述任意一个区域的大小相同；映射模块，用于依据所述预设比例，将所述目标区域中的参考信息映射到所述初始图像中，得到所述中尺度涡的检测结果。可选的，所述映射模块，用于依据所述预设比例，将所述目标区域中的参考信息映射到所述初始图像中，得到所述中尺度涡的检测结果，包括：依据所述预设比例以及所述目标区域所属的层级图像，确定所述目标区域所属的层级图像与所述初始图像间的缩放比例；按照所述缩放比例，将所述目标区域在所属的层级图像中的位置映射到所述初始图像中，得到所述目标区域在所述初始图像中的位置；将所述目标区域在所述初始图像中的位置，作为所述中尺度涡的检测结果。可选的，所述装置还包括训练模块；所述训练模块，用于获取训练样本；确定所述训练样本的梯度方向直方图；将所述训练样本的梯度方向直方图作为训练数据集；采用所述训练数据集对预设检测模型进行训练，得到训练后的检测模型；所述预设的检测模型为支持向量机；将所述训练后的检测模型作为所述预先训练的检测模型。可选的，所述训练模块，用于获取训练样本，包括：获取多幅原始图像；所述多幅原始图像由存在中尺度涡的图像和不存在中尺度涡的图像构成；将所述存在中尺度涡的图像中所述中尺度涡的最小外接矩形所框出的区域，作为中尺度涡图像；将所述不存在中尺度涡的图像中预设大小的区域，作为非中尺度涡图像；将所述中尺度涡图像与所述非中尺度涡图像的尺寸统一为预设的目标尺寸，得到尺寸统一后的图像；将所述尺寸统一后的图像作为所述训练样本。可选的，所述训练模块，用于确定任意一个所述训练样本的梯度方向直方图，包括：对该训练样本进行归一化，得到归一化训练样本；计算所述归一化训练样本中各像素的梯度，得到所述归一化训练样本的梯度图；将所述归一化训练样本的梯度图划分为多个子区域，并将所划分得到的每个子区域作为细胞单元；计算所述归一化训练样本的梯度图中每个所述细胞单元的梯度方向直方图；计算所述归一化训练样本的梯度图中每个块的梯度方向直方图；所述归一化训练样本的梯度图中的任意一个块由多个所述细胞单元组成；任意一个块的梯度方向直方图通过构成该块的细胞单元的梯度方向直方图串联得到；将所述归一化训练样本的梯度图中每个块的梯度方向直方图进行串联，得到所述该训练样本的梯度方向直方图。可选的，所述装置还包括：输出模块；所述输出模块，用于在所本文档来自技高网...

【技术保护点】
1.一种中尺度涡检测方法，其特征在于，包括：获取待识别图像，所述待识别图像包括初始图像和缩小图像，所述缩小图像为将所述初始图像按照预设比例进行缩小后的图像；从所述待识别图像中获取具有预设目标尺寸的区域；获取所述区域的梯度方向直方图；使用预先训练的检测模型，确定所述区域中的目标区域，所述目标区域为包括满足预设条件的中尺度涡的区域，所述检测模型依据任意一个区域的梯度方向直方图，判定所述任意一个区域中是否包括满足所述预设条件的中尺度涡；所述预设条件包括：最小外接矩形的大小与所述任意一个区域的大小相同；依据所述预设比例，将所述目标区域中的参考信息映射到所述初始图像中，得到所述中尺度涡的检测结果。

【技术特征摘要】
1.一种中尺度涡检测方法，其特征在于，包括：获取待识别图像，所述待识别图像包括初始图像和缩小图像，所述缩小图像为将所述初始图像按照预设比例进行缩小后的图像；从所述待识别图像中获取具有预设目标尺寸的区域；获取所述区域的梯度方向直方图；使用预先训练的检测模型，确定所述区域中的目标区域，所述目标区域为包括满足预设条件的中尺度涡的区域，所述检测模型依据任意一个区域的梯度方向直方图，判定所述任意一个区域中是否包括满足所述预设条件的中尺度涡；所述预设条件包括：最小外接矩形的大小与所述任意一个区域的大小相同；依据所述预设比例，将所述目标区域中的参考信息映射到所述初始图像中，得到所述中尺度涡的检测结果。2.根据权利要求1所述的方法，其特征在于，所述目标区域的参考信息包括：所述目标区域所属的层级图像，以及所述目标区域在所属的层级图像中的位置；所述目标区域所属的层级图像为所述待识别图像中的至少一个；所述依据所述预设比例，将所述目标区域中的参考信息映射到所述初始图像中，得到所述中尺度涡的检测结果，包括：依据所述预设比例以及所述目标区域所属的层级图像，确定所述目标区域所属的层级图像与所述初始图像间的缩放比例；按照所述缩放比例，将所述目标区域在所属的层级图像中的位置映射到所述初始图像中，得到所述目标区域在所述初始图像中的位置；将所述目标区域在所述初始图像中的位置，作为所述中尺度涡的检测结果。3.根据权利要求1所述的方法，其特征在于，所述预先训练的检测模型通过以下方式训练得到：获取训练样本；确定所述训练样本的梯度方向直方图；将所述训练样本的梯度方向直方图作为训练数据集；采用所述训练数据集对预设检测模型进行训练，得到训练后的检测模型；所述预设的检测模型为支持向量机；将所述训练后的检测模型作为所述预先训练的检测模型。4.根据权利要求3所述的方法，其特征在于，所述获取训练样本，包括：获取多幅原始图像；所述多幅原始图像由存在中尺度涡的图像和不存在中尺度涡的图像构成；将所述存在中尺度涡的图像中所述中尺度涡的最小外接矩形所框出的区域，作为中尺度涡图像；将所述不存在中尺度涡的图像中预设大小的区域，作为非中尺度涡图像；将所述中尺度涡图像与所述非中尺度涡图像的尺寸统一为预设的目标尺寸，得到尺寸统一后的图像；将所述尺寸统一后的图像作为所述训练样本。5.根据权利要求3所述的方法，其特征在于，所述确定任意一个所述训练样本的梯度方向直方图，包括：对该训练样本进行归一化，得到归一化训练样本；计算所述归一化训练样本中各像素的梯度，得到所述归一化训练样本的梯度图；将所述归一化训练样本的梯度图划分为多个子区域，并将所划分得到的每个子区域作为细胞单元；计算所述归一化训练样本的梯度图中每个所述细胞单元的梯度方向直方图；计算所述归一化训练样本的梯度图中每个块的梯度方向直方图；所述归一化训练样本的梯度图中的任意一个块由多个所述细胞单元组成；任意一个块的梯度方向直方图通过构成该块的细胞单元的梯度方向直方图串联得到；将所述归一化训练样本的梯度图中每个块的梯度方向直方图进行串联，得到所述该训练样本的梯度方向直方图。6.根据权利要求1～5任意一项所述的方法，其特征在于，还包括：在所述检测模型对每个所述区域的判定结果为不存在所述中尺度涡的情况下，输出所述待识别图像中不存在所述中尺度涡的检测结...

【专利技术属性】
技术研发人员：王怡然，李晓明，贾童，
申请(专利权)人：三亚中科遥感研究所，中国科学院遥感与数字地球研究所，
类型：发明
国别省市：海南,46