快速图像分析制造技术

本发明专利技术涉及用于快速分析图像的系统和方法，其在航空电子环境中特别有用。一种特定的方法描述了以下步骤：计算算法复杂度和/或逻辑深度，以便根据结构化、组织或顺序的离散水平对包括图像和/或在这些图像中确定的兴趣点的对象进行快速分类。然后，复杂的图像处理操作可能会涉及图像的受限部分。复杂度或逻辑深度计算操作可以例如包括以下步骤：无损地逐行和/或逐列地压缩所述对象；确定这些对象的压缩率的统计分布；基于压缩率或统计矩确定一个或多个分数：以及对一个或多个接收到的图像进行本地或全局分类。发展描述了系统和软件方面。

Fast image analysis

【技术实现步骤摘要】
快速图像分析
本专利技术总体上涉及航空任务管理领域。本专利技术尤其涉及用于快速检测已知对象的图像处理。
技术介绍
飞机的某些飞行阶段可能特别重要。例如，在滑行阶段期间存在碰撞风险。起飞过程中可能会出现故障或由于地理环境(例如山脉)而造成特殊危害。各种着陆或进场程序本身就具有特定的风险(尤其是在交通繁忙的情况下，由于遵守有时很复杂的程序而导致的故障)。低空飞行阶段原则上也是危险的。在关键阶段，机组人员必须遵守预定义的程序和规定(这会导致大量的工作量)，并且无论天气状况如何(甚至可能很差)，同时都必须采取安全的路线，因此必须尽早预测潜在的危险情况(例如碰撞风险)。过去，机组人员视情况根据他们的经验并使用基本工具(手表、指南针)解决了许多情况。如今，仪器已经有了长足发展，并且已经开发了许多飞行员辅助系统，例如以增强视觉系统(缩写为EVS)、合成视觉系统(缩写为SVS)和组合视觉系统(缩写为CVS)的形式。这些EVS、SVS和CVS系统的部署通常很复杂，尤其是关于要实施的算法方面(例如，处理器所需的功率、图形界面的复杂度并考虑了实时性)。如今，尽管现代飞机中部署的解决方案非常复杂，但它们完全基于人类的决策制定。例如，EVS系统读取2D传感器(例如红外摄像机)提供的信息，然后提高图像的整体对比度(例如使用常规的线性和/或非线性滤波技术)。寻找某些类型的相关轮廓(例如，直线、圆)。在适用的情况下，准备提高的图像表示(例如，某些像素的伪色、轮廓的增加、对比度的提高等)。结果图像显示给飞行员。因此需要人类智慧以便解释图像。不幸的是，当这些图像非常嘈杂时，可能很难甚至无法解释它们。机器无法令人满意地为人类提供帮助。就其本身而言，CVS系统使用几种类型的传感器以便组合其信息。这种类型的系统通常试图降低噪声和/或最大化有效载荷信息。这样，就时间或计算能力而言，数据处理操作通常是复杂且昂贵的(更多的语义复杂性)。组合了几种类型的传感器，以便使噪声最小化并使可用信息最大化。首先，信号由各种传感器(红外摄像机、雷达等)集合采集。在接下来的步骤中，然后形成图像并对其进行统计分析(加强对比度等)。这些图像最后被划分为区域或地区(轮廓、兴趣点等)。在这些区域的每个区域中寻找预定义的已知对象(例如，使用参数模型)。然后将在图像区域中执行的各种检测操作融合、关联或与物理对象相关联(冗余检查、矛盾检测、必然性确定、拓扑的观察和分析等)。接下来，取决于确定的必然性来解释和合成信息。最后，将结果信息“总体”呈现给飞行员(取决于SVS类型)。这种方法再次要求人类智能以便解释数据(然而，这些“更容易”通过构造来理解)。尤其不再需要示出由传感器提供的初始图像。一般而言，提供了处理图像的内容的分析的科学文献。尽管最近在学习，特别是深度学习方面取得了进展，但是该主题仍然很复杂，并且出现了许多技术问题。在航空电子学中，工业上和操作上需要用于快速检测已知对象的先进方法和系统。
技术实现思路
本专利技术涉及用于图像的快速分析的系统和方法，其在航空电子环境中特别有用。一种特定的方法描述了以下步骤：计算算法复杂度和/或逻辑深度，以便根据结构化、组织或顺序的离散水平对包括图像和/或在这些图像中确定的兴趣点的对象进行快速分类。然后，复杂的图像处理操作可能会涉及图像的受限部分。复杂度或逻辑深度计算操作可以例如包括以下步骤：无损地逐行和/或逐列地压缩所述对象；确定这些对象的压缩率的统计分布，基于压缩率或统计矩来确定一个或多个分数；以及对一个或多个接收到的图像进行本地或全局分类。发展描述了系统和软件方面。本专利技术有利地利用以下事实：任何人的构造都遵守设计、结构、几何形状和数学规则。因此，通过使用传感器将在这些人类构造上执行的测量关联起来，所收集的图形并非纯粹是随机的(诸如，举例来说，白噪声)，并且能够检测到“特定顺序”。更一般地，本专利技术可以用于区分自然界中的可变序列。生命世界(即没有人类创造的形式)包含复杂的结构，但是也可以检测和区分有序的程度(例如，树中的鸟具有的结构至少与树的叶子的结构顺序不同)。有利地，由于本专利技术通过短而快速的算法来实现，因此响应时间被最小化并且飞行员的注意力能够被机器更快地处理的对象吸引。更具体而言，本专利技术有利地使得有可能快速使计算操作流水线化，即在图像的小且相关的子部分上启动更复杂的计算操作。无需使用复杂的计算操作即可执行此操作(例如，先验分析大型对象数据库，以便使用机器学习技术实时比较测量结果)。有利地，本专利技术使得有可能概率性地确定相关对象的存在，从而可以跟踪和/或监视哪些相关对象(但仍不能确定地识别它们)。有利地，根据本专利技术的系统和方法独立于所使用的传感器的类型(它们可以是有源的和/或无源的)。具体地，本专利技术取决于传感器提供的数据的(或多或少)随机特征。本专利技术有利地使得可以将EVS系统的世界(其使用无源和/或有源信息传感器，例如红外摄像机、UV、雷达、激光器)与CVS系统的世界(其在多模式环境中融合数据)连接。本专利技术使得可以帮助飞行员更好地了解他的环境，从而更好地掌握环境。特别地，本专利技术可以允许飞行机组非常早地预期，例如在每个接收到的图像的分析阶段中的CVS系统的上游。尽管存在噪声图像，本专利技术仍然使得可以为飞行员提供有效载荷信息，以吸引他的注意力。有利地，尽管有非常嘈杂(例如2D)的信息(机器的优势，这种信息很难被人类飞行员解释或无法被人类飞行员解释)，但是仍然可以特别地进行这种检测。具体而言，可以从算法复杂度的角度快速分析非常嘈杂的信息。根据该信息，根据本专利技术的方法使得可以预期、准备、优化或通过对比来防止复杂计算操作(例如复杂的图像处理操作)的启动，并且这样做可以提高实时性能和/或较早检测一个或多个相关对象的能力。有利地，本专利技术使得可以向飞行员提供与要监视的特定地理区域有关的警报。在一些实施例中，本专利技术可以特别地使得可以在与要监视的这些地理区域相关联的某些对象上启动更深入的机器计算操作。有利地，根据本专利技术的方法可以用于除航空领域以外的领域中，例如以便检测伴随烟雾或雾的火灾(例如以便探索某些区域优先于其他区域，尽管尚未确定这些区域的确切含义)。类似地，根据本专利技术的方法可以用于机动车驾驶领域。有利地，实施例可以改善“可见性”，即飞行员的视野，例如，较早地在跑道上的雾气或碎屑中检测出越过跑道的车辆(除了专用的检测系统之外)。航空安全得到改善。附图说明参照以下附图，将显示本专利技术的各个方面和优点，以支持对本专利技术的一种优选的但非限制性的实施方式的描述：图1是根据本专利技术的系统的一般结构的描述。图2示出了根据本专利技术的方法的步骤的示例。图3示出了由红外传感器提供的第一噪声图像(灰度)上的兴趣点的计算的示例。图4示出了第二图像，其中检测到更多兴趣点。图5示出了第三图像，其中检测到的兴趣点以某种结构(轻微或较弱的构造的)布置。图6示出了第四图像，其中所检测的兴趣点以高度结构化(即“有组织的”结构)的顺本文档来自技高网...

【技术保护点】
1.一种用于分析图像的方法，包括以下步骤：/n从装载在飞机上的一个或多个图像采集设备接收图像；/n确定所述图像的和/或在所述图像中确定的多个兴趣点的算法复杂度和/或逻辑深度；/n根据结构化、组织或顺序的离散水平来对所述图像和/或所述兴趣点进行分类；/n确定所述图像的和/或在所述图像中确定的多个兴趣点的算法复杂度和/或逻辑深度的所述步骤包括以下步骤：/n确定所接收的图像的逐行和/或逐列的无损压缩率和/或/n确定所述兴趣点的水平坐标和/或垂直坐标的所述无损压缩率；/n确定所述无损压缩率的统计分布；/n基于所述无损压缩率和/或其分布来确定一个或多个分数；/n基于将一个或多个预定义阈值应用于所确定的分数，根据结构化、组织或顺序的离散水平，对所述图像和/或所述兴趣点进行分类。/n

【技术特征摘要】
20181018 FR 18010941.一种用于分析图像的方法，包括以下步骤：
从装载在飞机上的一个或多个图像采集设备接收图像；
确定所述图像的和/或在所述图像中确定的多个兴趣点的算法复杂度和/或逻辑深度；
根据结构化、组织或顺序的离散水平来对所述图像和/或所述兴趣点进行分类；
确定所述图像的和/或在所述图像中确定的多个兴趣点的算法复杂度和/或逻辑深度的所述步骤包括以下步骤：
确定所接收的图像的逐行和/或逐列的无损压缩率和/或
确定所述兴趣点的水平坐标和/或垂直坐标的所述无损压缩率；
确定所述无损压缩率的统计分布；
基于所述无损压缩率和/或其分布来确定一个或多个分数；
基于将一个或多个预定义阈值应用于所确定的分数，根据结构化、组织或顺序的离散水平，对所述图像和/或所述兴趣点进行分类。


2.根据权利要求1所述的方法，确定所述图像的和/或在所述图像中确定的多个兴趣点的算法复杂度和/或逻辑深度的所述步骤包括以下步骤：
确定所接收的图像的逐行或逐列的无损压缩率；
通过计算第一阶统计矩到第四阶统计矩来确定所述无损压缩率的统计分布；
基于平均压缩率，来确定在0和1之间的表征所述一个图像的总体随机水平的总体索引。


3.根据权利要求1和2中任一项所述的方法，包括以下步骤：
根据一个或多个预定义的α阈值将所述图像归类或分类为离散化的类，例如：
如果所述平均压缩率大于4，则将所述图像分类为被结构化的；
如果所述压缩率的分布基于第三阶统计矩和第四阶统计矩是不对称的，则将所述图像分类为被局部结构化的；以及
在其他情况下将所述图像分类为被略微结构化或未知的。


4.根据前述权利要求中任一项所述的方法，还包括：确定所述图像中的一个或多个兴趣点的存在的步骤。


5.根据权利要求4所述的方法，还包括以下步骤：
对所述兴趣点的水平坐标或垂直坐标进行无损压缩；
确定所述兴趣点的水平压缩率或垂直压缩率；
根据所述兴趣点的水平压缩率或垂直压缩率来确定与所述图像...

【专利技术属性】
技术研发人员：C·努韦尔，S·埃莱罗，
申请(专利权)人：塔莱斯公司，
类型：发明
国别省市：法国;FR