一种星载激光光斑影像几何参数的提取方法及系统

1.本发明涉及对地观测技术领域，特别涉及一种星载激光光斑影像几何参数的提取方法及系统。


背景技术：

2.星载激光对地观测是获取三维地理空间信息的重要遥感手段，通过激光测高技术，经过数据处理获取地表高程数据，广泛应用于测绘、林业、海洋、国土资源与环境等领域，其中激光测高是基于光斑定位技术辅助确定激光的指向，从而获取地面被照射点精确的高程数据。
3.中国在星载激光测高方面的研究起步较晚，2016年5月发射的资源三号02星搭载的激光测高仪是我国首颗对地观测激光测高仪，并首次开展了星载激光高度计的地面探测器在轨定标实验。尽管在过去的时间内，许多学者基于美国icesat卫星上搭载的记录激光发射时能量分布的相机lpa，提出了hough变换、灰度重心法、高斯拟合法、椭圆拟合法以及一些改进的方法进行光斑识别和几何参数提取，取得了骄人的成果。然而在噪声、图像复杂且形状多变、边缘模糊等情况的影响下。
4.上述方法存在噪声去除不彻底或轮廓提取不精确或因计算复杂而影响计算速度等问题。随着在高分七号卫星、陆地生态系统碳监测卫星等国产卫星上搭载的激光测高载荷均配备能对激光光斑的能量分布进行有效成像的足印相机，综合考虑光斑识别和几何参数提取的精度、速度以及普适性一直是研究的热点。


技术实现要素：

5.本技术的目的在于解决现有技术存在的缺陷。
6.本技术提供了一种星载激光光斑影像几何参数的提取方法及系统，基于星载激光光斑影像，在前人研究的基础上提出一种综合考虑信息提取精度、速度及普适性的光斑影像几何参数信息提取方法。
7.第一方面，本技术提供了一种星载激光光斑影像几何参数的提取方法，包括：获取待处理的光斑影像；分别使用n个阈值分割算法，对待处理的所述光斑影像进行阈值分割，得到对应的n组光斑分割影像，其中，n为大于1的整数；对所述n组光斑分割影像进行轮廓提取，得到对应的n组所述光斑影像的范围边界；对所述n组光斑影像的范围边界进行椭圆拟合，得到对应的n组拟合椭圆的几何参数；对比所述n组拟合椭圆的几何参数，选取一组拟合椭圆的几何参数，作为待处理的光斑影像的几何参数。
8.在一个可行的实施例中，所述n为3，所述分别使用n个阈值分割算法，包括：分别使用最大熵阈值分割法、高斯拟合法、最大类间方差法的3个阈值分割算法。
9.在一个可行的实施例中，所述最大熵阈值分割法，包括：给定所述待处理的光斑影像一个阈值，所述阈值将图像分割为背景区域和目标区域；计算每一灰度在背景区域和目标区域出现的概率；基于所述概率，计算背景区域和目标区域对应的熵和二者的总熵；遍历
所述阈值，当所述总熵达到最大值时，对应的阈值就是所求的最佳阈值。
10.在一个可行的实施例中，所述高斯拟合法，包括：利用高斯函数，对所述待处理的光斑影像进行平滑滤波处理；利用平滑滤波处理后的光斑影像作为一个阈值曲面，对所述待处理的光斑影像进行阈值分割，其中，待处理的光斑影像中的每个像素点都有一个与其相对应的数值进行比较，从而得到二值图像。
11.在一个可行的实施例中，所述最大类间方差法，包括：将所述待处理的光斑影像的灰度级划分为l(1，2，
…
l)，计算0～l各灰阶对应的像素个数、图像总像素个数和各灰阶出现的概率；使用阈值t将所述待处理的光斑影像分为背景a和目标b两类，其中a＝{1～t}，b＝{(t 1)～l}，基于所述各灰阶出现的概率，计算背景a和目标b产生的概率；基于所述各灰阶出现的概率和背景a和目标b产生的概率，计算a和b的平均灰度级，以及图像的灰度均值；基于所述背景a和目标b产生的概率、a和b的平均灰度级以及图像的灰度均值，计算背景a和目标b的类间方差，将阈值t遍历0～l各灰阶，计算的类间方差最大时的阈值t即为最佳阈值。
12.在一个可行的实施例中，所述对所述n组光斑分割影像进行轮廓提取，得到对应的n组所述光斑影像的范围边界，包括：对所述n组光斑分割影像中的边界和连通进行拓扑关系构造，确定对应的n组光斑分割影像中的外边界、孔边界及其层次关系，得到对应的n组所述光斑影像的范围边界。
13.在一个可行的实施例中，所述对所述n组光斑影像的范围边界进行椭圆拟合，得到对应的n组拟合椭圆的几何参数，包括：通过最小二乘法对所述n组光斑影像的范围边界进行椭圆拟合，得到对应的n组拟合椭圆的几何参数。
14.在一个可行的实施例中，所述对比所述n组拟合椭圆的几何参数，选取一组拟合椭圆的几何参数，作为待处理的光斑影像的几何参数，包括：从包括噪声、对比度、光斑长宽比、光斑尺度4个方面，对所述n组拟合椭圆的几何参数进行仿真与对比精度、速度以及普适性，得到一组拟合椭圆的几何参数，作为待处理的光斑影像的几何参数。
15.第二方面，本技术提供了一种星载激光光斑影像几何参数的提取系统，包括：获取模块，用于获取待处理的光斑影像；阈值分割模块，用于分别使用n个阈值分割算法，对待处理的所述光斑影像进行阈值分割，得到对应的n组光斑分割影像，其中，n为大于1的整数；轮廓提取模块，用于对所述n组光斑分割影像进行轮廓提取，得到对应的n组所述光斑影像的范围边界；椭圆拟合模块，用于对所述n组光斑影像的范围边界进行椭圆拟合，得到对应的n组拟合椭圆的几何参数；光斑影像几何参数确定模块，用于对比所述n组拟合椭圆的几何参数，选取一组拟合椭圆的几何参数，作为待处理的光斑影像的几何参数。
16.第三方面，本技术提供了一种星载激光光斑影像几何参数的提取设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种星载激光光斑影像几何参数的提取方法。
17.第四方面，本技术提供了一种星载激光光斑影像几何参数的提取介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述的一种星载激光光斑影像几何参数的提取方法。
18.本技术提供了一种星载激光光斑影像几何参数的提取方法，主要步骤包括：首先，由于星载激光光斑存在一定的背景噪声和随机噪声，通过最大熵值法、高斯拟合法和最大
类间方差算法(otsu)等进行阈值分割，最大程度的降低噪声对光斑识别和几何参数提取的影响；其次，基于suzuk等提出的算法对分割后的光斑进行轮廓提取并椭圆拟合，确定光斑范围的边界，该边缘检测方法的精度高于log、roberts、canny等算子；然后利用最小二乘法对确定的范围边界进行椭圆拟合，以椭圆的几何参数代替光斑的几何参数；最后，考虑噪声、对比度、光斑长宽比以及光斑尺寸等对光斑识别和几何参数提取的影响，从上述4个方面进行光斑仿真，对比基于不同阈值分割的椭圆拟合法的精度、效率以及普适性，从而选取最佳方法。本技术在综合分析前人研究方法优缺点的基础上，提出一种有较高精度、效率和普适性的基于阈值分割的椭圆拟合法，实现光斑几何参数的高精度提取。
附图说明
19.图1为本发明实施例的一种星载激光光斑影像几何参数的提取方法的流程示意图；
20.图2为本发明实施例的一种星载激光光斑影像几何参数的提取方法的图像中边界和连通域的拓扑关系示例图；
21.图3为本发明实施例的一种星载激光光斑影像几何参数的提取方法的图像中连通域的拓扑关系示例图；
22.图4为本发明实施例的一种星载激光光斑影像几何参数的提取方法的图像中边界的拓扑关系示例图；
23.图5为本发明实施例的一种星载激光光斑影像几何参数的提取方法的图像中四连通的像素点的示例图；
24.图6为本发明实施例的一种星载激光光斑影像几何参数的提取方法的图像中八连通的像素点的示例图；
25.图7为本发明实施例的一种星载激光光斑影像几何参数的提取系统的组成示意图。
具体实施方式
26.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。基于本发明中的实施例，本技术领域的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。
27.为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
28.实施例1
29.图1为本发明实施例的一种星载激光光斑影像几何参数的提取方法的流程示意图，如图1所示，本发明实施例提供了一种星载激光光斑影像几何参数的提取方法，主要包括以下步骤：
30.步骤s110，获取待处理的光斑影像；
31.步骤s120，对所述待处理的光斑影像进行预处理；
32.步骤s130，最大熵阈值分割法、高斯拟合法、最大类间方差法(otsu法)的3个阈值分割算法，对待处理的所述光斑影像进行阈值分割，得到对应的3组光斑分割影像；
33.步骤s140，对所述3组光斑分割影像进行轮廓提取，得到对应的3组所述光斑影像的范围边界；
34.步骤s150，通过最小二乘法对所述3组光斑影像的范围边界进行椭圆拟合，得到对应的3组拟合椭圆的几何参数；
35.步骤s160，提取所述3组拟合椭圆的几何参数，作进一步处理；
36.步骤s170，从噪声、对比度、光斑长宽比以及光斑尺度4个方面，对提取的所述3组拟合椭圆的几何参数进行仿真，获取不同阈值分割算法处理后的仿真光斑影像；
37.步骤s180，对比经不同阈值分割算法处理后进行椭圆拟合过程中提取参数的精度、速度以及普适性，从而选取最佳的提取方法。
38.在步骤s130中，分别使用最大熵阈值分割法、高斯拟合法、最大类间方差法(otsu法)的3个阈值分割算法，对所述3个阈值分割算法作进一步说明。
39.(1)最大熵阈值分割法
40.熵是一种统计方法，用来确定随机数据源中所包含的信息数量。最大熵阈值分割的依据是图像分割选取最佳阈值后，分割后的图像所保留的信息量应该最大，即熵最大。最大熵阈值算法思想如下：
41.1)对于灰度变化在(0～l)的图像给定一阈值q，该阈值将图像分割为背景区域b(0～q)和目标区域o(q 1～l)；
42.2)计算每一灰度在各自区域出现的概率pi；
[0043][0044]
式中，pb(q)、po(q)分别为背景和目标区域像素的累积概率，两者之和等于1。
[0045]
3)基于公式(1)，计算背景区域和目标区域对应的熵，表示如下：
[0046][0047]
4)基于公式(2)，计算图像的总熵为：
[0048]
φ(q)＝hb(q) ho(q)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0049]
5)基于公式(3)，遍历灰度值，如公式5所示，当总熵达到最大时对应的灰度值就是所求的最佳阈值q。
[0050]
q＝max{φ(q)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0051]
(2)高斯拟合法
[0052]
高斯拟合法可以用作高斯曲面阈值分割，是将高斯滤波后的图像作为阈值面对原图进行分割的一种方法，这种方法可很好的抵制噪声的影响。该方法的思想是，首先利用高斯函数对图像进行平滑滤波处理；然后，利用高斯滤波后的图像作为一个阈值曲面，对原图进行阈值分割。此时原图中每个像素点都有一个与其相对应的数值进行比较，从而得到二值图像。高斯曲面函数见式(5)。
[0053][0054]
公式5中，a是光斑的幅值；(x0，y0)为光斑质心，δx、δy分别为x、y方向上的标准差；i(x，y)为(x，y)位置上的强度值。
[0055]
因为光斑尺度小且光斑内能量近似服从高斯分布，所以高斯曲面阈值分割有着较高精度，抗干扰能力较强，但是计算量较大，且对光斑内能量分布依赖性大。当对于大的且不符合高斯分布的光斑，该方法的精度会较低。
[0056]
(3)最大类间方差法(otsu法)
[0057]
otsu法是日本学者nobuyuki otsu于1979年提出的一种对图像进行二值化的高效算法，简称otsu。它的算法思想是根据方差的计算在图像灰度直方图上寻找最佳阈值把图像分为目标和背景两类要素，使得两类间的灰度值差异最大而每类间的灰度差异最小，即类间方差最大。具体算法步骤如下：
[0058]
1)设一幅图像的灰度级为l(1，2，
…
l)，计算0～l各灰阶对应的像素个数ni、图像总像素n和各灰阶出现的概率pi，得到公式(6)、公式(7)；
[0059][0060]
pi＝ni/n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0061]
2)基于公式(7)，将阈值为t的图像分为背景a和目标b两类，其中a＝{1～t}，b＝{(t 1)～l}，计算a和b产生的概率pa，pb；
[0062][0063]
3)基于公式(8)，计算a和b的平均灰度级ua，ub，以及图像的灰度均值u；
[0064][0065]
u＝ua×
pa ub×
pbꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0066]
4)基于公式(8)、公式(9)、公式(10)，遍历0～l各灰阶，如公式(11)所示，计算类间方差σ2，如公式(12)所示，计算类间方差σ2最大时的阈值t即为最佳阈值。
[0067]
σ2＝pa(u
a-u)2 pb(u
b-u)2＝pa×
pb×
(u
a-ub)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0068][0069]
otsu算法因计算简单，且不受图像亮度和对比度的影响，被认为是图像分类中阈值选取的最佳方法，被广泛应用。方差是对图像灰度值分布均匀性的一种度量，背景和目标间的方差越大，说明构成图像的两类要素差别越大，当发生错分时类间方差会变小，因此，类间方差最大的阈值分割意味着错分概率最小。
[0070]
在步骤s140中，对所述轮廓提取过程作进一步说明。
[0071]
通过suzuk等发表在论文topological structural analysis of digitized binary imagesby border following中算法对分割后的光斑进行轮廓提取，确定质心范围
边界。该算法通过对灰度图进行拓扑分析，确定图像边界的围绕关系，即确定外边界、孔边界以及他们的层次关系，由于这些边界和原图的区域具有一一对应关系，因此我们就可以用边界来表示原图。一幅图像中边界和连通域可以构成的拓扑关系如图2-4所示。
[0072]
轮廓提取算法步骤如下：
[0073]
(1)假设输入光斑图像为f＝{fij}，将初始跟踪的边界编号(记为nbd)设为1(即f的frame作为第一个边界)，对f进行光栅扫描，每次扫描遇到以下情况，确定外边界和孔边界：
[0074]
1)当f(i,j-1)＝0，f(i,j)＝1时，(i,j)是外边界的起始点，nbd ＝1，(i2,j2)
←
(i,j-1)。
[0075]
2)当f(i,j)》＝1，f(i,j 1)＝0时，(i,j)是孔边界的起始点，nbd ＝1，(i2,j2)
←
(i,j 1)，如果f(i,j)》1，则lnbd
←
f(i,j)。
[0076]
当我们扫描图片的新行的起始位置时，将上一个边界b’的编号(记为lnbd)重置为1。
[0077]
(2)根据上一个边界b’和当前边界b的类型，确定当前边界b的父边界。
[0078]
(3)从边界开始点(i,j)开始，按1)到5)进行边界跟踪。
[0079]
1)以(i,j)为中心，(i2,j2)为起始点，按顺时针方向查找(i,j)的4(8)邻域(参见图5和图6，图5为4邻域，图6为8邻域)是否存在非0像素点。如找到非0像素点，则令(i,j)是顺时针方向的第一个非0像素点；否则令f(i,j)＝-nbd，转到4)；
[0080]
2)(i2,j2)
←
(i1,j1)，(i3,j3)
←
(i,j)；
[0081]
3)以(i3,j3)为中心，按逆时针方向，(i2,j2)的下一个点为起始点查找(i3,j3)的4(8)邻域是否存在非0像素点，令(i4,j4)是逆时针方向的第一个非0像素点。
[0082]
4)存在三种情况：
[0083]
a)如果(i3,j3 1)是3)中已经检查过的像素点且是0的像素点，则f(i3,j3)
←‑
nbd。
[0084]
b)如果(i3,j3 1)不是3)中已经检查过的0像素点且f(i3,j3)＝1，则f(i3,j3)
←
nbd。
[0085]
c)其他情况，不改变f(i3,j3)。
[0086]
5)如果(i4,j4)＝(i,j)且(i3,j3)＝(i1,j1)，此时回到了边界的开始点，则转到(4)；否则令(i2,j2)
←
(i3,j3)，(i3,j3)
←
(i4,j4)，转到3)；
[0087]
(4)如果f(i,j)≠1，则lnbd
←
|f(i,j)|，从点(i,j 1)继续光栅扫描。当扫到图片的右下角顶点时结束。
[0088]
在步骤s150中，对所述椭圆拟合过程作进一步说明。
[0089]
通过最小二乘法对所述轮廓提取结果进行椭圆拟合；椭圆拟合是根据轮廓提取结果，利用最小二乘法对轮廓进行拟合，提取的椭圆几何形状参数作为光斑影像中光斑的参数。在二维平面坐标系中，一般椭圆的形式表示见式(13)：
[0090]
ax2 bxy cy2 dx ey f＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0091]
直接应用上述方程对轮廓提取后的离散点n(n≥6)进行基于代数距离的最小二乘处理，得到方差中的各系数。所拟合的目标函数见式(14)所示：
[0092][0093]
由极值原理可知，欲使f(a,b,c,d,e,f)的值最小，需有：
[0094][0095]
基于公式15，由此得到一个线性方程组，然后应用消元法，即可求出参数a，b，c，d，e，f的值。并计算得到椭圆的几何参数：椭圆质心(x，y),长轴a，长轴的转角θ，详见式(16)-(19)。
[0096][0097][0098][0099][0100]
在步骤s160中(16)-(19)，以公式计算得出的椭圆的几何参数作为当前光斑影像的几何参数。
[0101]
在步骤s170和s180中，本发明实施例从噪声、对比度、光斑长宽比以及光斑尺度4个方面进行仿真，获取不同阈值分割算法处理后的仿真光斑影像，对比经不同阈值分割算法处理后进行椭圆拟合过程中提取参数的精度、速度以及普适性，从而选取最佳的提取方法。
[0102]
实施例2
[0103]
如图7所示，一种星载激光光斑影像几何参数的提取系统，其特征在于，包括：
[0104]
获取模块，用于获取待处理的光斑影像；
[0105]
阈值分割模块，用于分别使用n个阈值分割算法，对待处理的所述光斑影像进行阈值分割，得到对应的n组光斑分割影像，其中，n为大于1的整数；
[0106]
轮廓提取模块，用于对所述n组光斑分割影像进行轮廓提取，得到对应的n组所述光斑影像的范围边界；
[0107]
椭圆拟合模块，用于对所述n组光斑影像的范围边界进行椭圆拟合，得到对应的n组拟合椭圆的几何参数；
[0108]
光斑影像几何参数确定模块，用于在一定规范下，对所述n组拟合椭圆的几何参数进行仿真与对比，得到其中效果最优的拟合椭圆的几何参数，作为待处理的光斑影像的几何参数，对应的提取方法，作为最优提取方法。
[0109]
实施例3：
[0110]
一种星载激光光斑影像几何参数的提取设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例1所述的方法。
[0111]
实施例4：
[0112]
一种星载激光光斑影像几何参数的提取介质，其上存储有计算机程序，该程序被
处理器执行时实现如实施例1所述的方法。
[0113]
本发明实施例提供了一种星载激光光斑影像几何参数的提取方法，能够降低光斑影像的背景噪声和随机噪声，并精确提取获取光斑影像的范围和边界，最后通过椭圆拟合法准确计算光斑影像的几何参数。
[0114]
本发明实施例提供了一种星载激光光斑影像几何参数的提取方法，包括以下步骤：通过至少一种阈值分割算法对光斑影像进行阈值分割，滤除影像中的噪声；对经过阈值分割后的光斑影像进行光斑轮廓提取，获取轮廓提取结果；对所述轮廓提取结果进行椭圆拟合，计算出的椭圆几何参数作为光斑的几何参数；其中，当通过多种阈值分割算法对光斑影像进行阈值分割时，通过仿真实验获取不同阈值分割算法处理后的仿真光斑影像，通过比对各仿真光斑影像，选取提取效果最优的阈值分割算法。
[0115]
本发明实施例在综合分析前人研究方法优缺点的基础上，提出一种有较高精度、效率和普适性的基于阈值分割的椭圆拟合法，实现光斑几何参数的高精度提取。其步骤包括：首先对星载激光光斑进行阈值分割，消除噪声对光斑识别的影响；其次，根据图像中边界和连通域的拓扑关系对分割后的光斑进行轮廓提取；然后，利用最小二乘法对轮廓提取结果进行拟合，计算椭圆几何参数并作为光斑的几何参数；最后，从对提取结果产生影响的噪声、对比度、光斑长宽比、光斑尺度等方面进行光斑数据仿真，从3种光斑几何参数提取方法中选取最优方法。该发明专利的结论可为后续国产卫星激光测高仪数据处理提供参考。
[0116]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0117]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0118]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所以理解的是，以上所述仅为本发明的具体实施方式之一而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做出的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。