一种适用于星上在轨处理的高带宽遥感图像目标提取方法

摘要

本发明公开了一种适用于星上在轨处理的高带宽遥感图像目标提取方法，包括如下步骤：数据拼接：从单端口存储器按行串行读取4个图像像素数据并拼接为一个处理单元进行，按64像素、512像素进行分流输出；特征计算与统计：分流后的数据经均值、方差、Gamma值、直方图统计的脉动阵列算出特征值；异常提取：采用分散式存储结构满足特征值数据的需求方式进行异常提取，输出二值矩阵；目标检测：使用扩展的符号判别二值矩阵对每一个单元进行标号，对相邻相同标号进行合并，对相邻不同标号生成新的区域标注。本发明采用多数据流结构实现数据拼接、特征计算与统计、异常提取和目标检测的高带宽设计，提高了目标提取VLSI的带宽。

权利要求

1.一种适用于星上在轨处理的高带宽遥感图像目标提取方法，其特征在于，包括如下步骤：(1)数据拼接：从单端口存储器按行串行读取4个图像像素数据并拼接为一个处理单元进行，并按64像素、512像素两种情况进行分流输出；

(2)特征计算与统计：分流后的数据经均值、方差、Gamma值、直方图统计的脉动阵列算出特征值；

(3)异常提取：采用分散式存储结构满足两种特征值数据的需求方式分别是512×512像素方式和64×64像素方式进行异常提取，输出二值矩阵送入目标检测；

512×512像素方式和64×64像素方式使用特征值复用的乒乓存储，实现实时处理；

二值矩阵形成的具体方法为：将特征计算与统计得来的特征值，分别与训练参数相比对，训练参数根据图像种类而定，并与特征值一一映射到原始像素中，形成二值矩阵；

图像种类包括可见光图像、红外图像、多光谱图像；

(4)目标检测：首先使用扩展的符号判别二值矩阵对每一个单元进行标号，其次对相邻相同标号进行合并，对相邻不同标号生成新的区域标注，直至当前图像处理完毕；

目标检测的具体方法为：在二值矩阵中首先使用扩展的符号判别矩阵对每一个单元进行标号，并对相邻相同标号进行合并，对相邻不同标号生成新的区域标注，其次进行凸壳的计算、外接矩形求取，并取得当前图形的对称性、面积几何特征，在对目标最后的确认上，进行面积、长、宽、长宽比、偏心率、对称性特征的比较，直至当前图像处理完毕。

说明书

一种适用于星上在轨处理的高带宽遥感图像目标提取方法

技术领域

[0001] 本发明属于图像处理技术领域，更具体的说是涉及一种适用于星上在轨处理的高带宽遥感图像目标提取方法。

背景技术

[0002] 星上在轨目标检测是图像卫星系统最主要的功能之一，实现卫星对地的观测功能，应用于船只跟踪、搜救等。

[0003] 目标提取算法主要有基于HOG的方法、基于LBP的方法和基于深度学习的方法等。当前主流的在轨目标提取方法普遍采用单输入结构电路，虽然在实时性上能达到较高性能，但存在带宽浪费的情况，使得昂贵的带宽资源利用率不足。

[0004] 因此，如何提供一种适用于星上在轨处理的高带宽遥感图像目标提取方法是本领域技术人员亟需解决的问题。

发明内容

[0005] 有鉴于此，本发明提供了一种适用于星上在轨处理的高带宽遥感图像目标提取方法，采用多数据流结构实现对数据拼接、特征计算与统计、异常提取和目标检测的高带宽设计，从而提高了目标提取VLSI的带宽。

[0006] 为了实现上述目的，本发明采用如下技术方案：

[0007] 一种适用于星上在轨处理的高带宽遥感图像目标提取方法，包括如下步骤：

[0008] (1)数据拼接：从单端口存储器按行串行读取4个图像像素数据并拼接为一个处理单元进行，并按64像素、512像素两种情况进行分流输出；

[0009] (2)特征计算与统计：分流后的数据经均值、方差、Gamma值、直方图统计的脉动阵列算出特征值；

[0010] (3)异常提取：采用分散式存储结构满足两种特征值数据的需求方式分别是512×512像素方式和64×64像素方式进行异常提取，输出二值矩阵送入目标检测；

[0011] (4)目标检测：首先使用扩展的符号判别二值矩阵对每一个单元进行标号，其次对相邻相同标号进行合并，对相邻不同标号生成新的区域标注，直至当前图像处理完毕。

[0012] 优选的，512×512像素方式和64×64像素方式使用特征值复用的乒乓存储，实现实时处理。

[0013] 优选的，二值矩阵形成的具体方法为：将特征计算与统计得来的特征值，分别与训练参数相比对，训练参数根据图像种类而定，并与一一映射到原始像素中，形成二值矩阵。

[0014] 优选的，图像种类包括可见光图像、红外图像、多光谱图像。

[0015] 优选的，目标检测的具体方法为：在二值矩阵中首先使用扩展的符号判别矩阵对每一个单元进行标号，并对相邻相同标号进行合并，对相邻不同标号生成新的区域标注，其次进行凸壳的计算、外接矩形求取，并取得当前图形的对称性、面积等几何特征，在对目标最后的确认上，进行面积、长、宽、长宽比、偏心率、对称性等特征的比较，直至当前图像处理完毕。

[0016] 本发明的有益效果在于：

[0017] 通过采用多数据流结构实现星上目标提取算法，充分利用了多路数据的输入特性，提高了系统带宽的利用率，在受限的星上资源约束下进一步提高系统吞吐率。

附图说明

[0018] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

[0019] 图1附图为数据调度方法的流程图。

[0020] 图2附图为转换前的在轨目标提取系统的核心调度单元的结构图。

[0021] 图3附图为转换后的目标提取系统的数据流模型图。

[0022] 图4附图为星载环境下的数据源分析图。

具体实施方式

[0023] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0024] 请参阅附图1，本发明提供了一种适用于星上在轨处理的高带宽遥感图像目标提取方法，包括如下步骤：

[0025] (1)数据拼接：从单端口存储器按行串行读取4个图像像素数据并拼接为一个处理单元进行，并按64像素、512像素两种情况进行分流输出；如图3中， D0～D3为数据总线上的四个延迟寄存，组成一个处理单元为拼接。同时按照64 个为一组，512个为一组进行分流，形成数据流。

[0026] (2)特征计算与统计：分流后的数据经均值、方差、Gamma值、直方图统计的脉动阵列算出特征值，即异常提取所需特征值。

[0027] 图2所示，I为处理单元，I0为I的寄存单元，I1为I0的寄存单元。I送入 Gamma并寄存为I0，寄存数据的累加分别可得Gamma前后的均值，I0继续寄存并计算其平方和，进而由平方和与均值得到方差。把I0、I1进行比较，其或非的结果作为Flag结果与计数器一起决定当前写入的直方图存储器的值，当flag 为0时，表示二者相同，计数器继续累积；当二者不同时，Flag为1，此时计数器读取直方图存储器的值并自增1从新写入直方图存储器。若碰到数据流结束，即64或者512的数据流中断，直接自增1写入。

[0028] (3)异常提取：采用分散式存储结构满足两种特征值数据的需求方式分别是512×512像素方式和64×64像素方式进行异常提取，该方式使用特征值复用的乒乓存储，实现实时处理。最后输出二值矩阵送入目标检测；

[0029] (4)将特征计算与统计得来的特征值，分别与训练参数相比对，训练参数根据图像种类而定，并与一一映射到原始像素中，形成二值矩阵。图像种类包括可见光图像、红外图像、多光谱图像等，依靠特征计算与统计可分别对每一种图像进行参数的训练，且个不相同，如表1所示：

[0030]

[0031] 表1

[0032] 其中A1～A4，B1～B4，C1～C4均与不同分辨率训练图像相关，且A1、B1 与C1各不相同。

[0033] 为满足两种不同的数据组织方式，在数据拼接后，我们采用灵活的分散存储，如图3所示，为每一个BlockRam设计大小为512×64像素。同时在存储模块附带片选逻辑，即可以灵活的为不同的数据请求提供数据。

[0034] (4)目标检测：首先使用扩展的符号判别二值矩阵对每一个单元进行标号，其次对相邻相同标号进行合并，对相邻不同标号生成新的区域标注，直至当前图像处理完毕。

[0035] 目标检测的具体方法为：在二值矩阵中首先使用扩展的符号判别矩阵对每一个单元进行标号，并对相邻相同标号进行合并，对相邻不同标号生成新的区域标注，其次进行凸壳的计算、外接矩形求取，并取得当前图形的对称性、面积等几何特征，在对目标最后的确认上，进行面积、长、宽、长宽比、偏心率、对称性等特征的比较，直至当前图像处理完毕。

[0036] 多数据流结构，对于新点的处理，需知道BCDEH五个点位置，连通域分析需要获取每个像素的5个近邻居，再从“1”值近邻向外扩展，对于记录“1”值的坐标位置将其置零，如果要在每个周期处理2个二值图像数据，那么每周期要能提供至少5个邻居数据，此问题可通过增加少量数据寄存解决。数据流通过标记选择为每一个单元分配标签，分配时若有多个数据存在，则需要判断其4/8邻域的标签，以4邻域为例，则需要A～E的五个寄存的标签信息并更新数据表，同时进行航缓存。待扫描完当前行没有更新任何信息时，对之前的标签表进行合并，并通过控制模块更新到标记选择里，为新的处理单元分配释放的标签。

[0037] 通过采用多数据流结构实现星上目标提取算法，充分利用了多路数据的输入特性，提高了系统带宽的利用率，在受限的星上资源约束下进一步提高系统吞吐率。

[0038] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

[0039] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。