(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211177679.2 (22)申请日 2022.09.27 (65)同一申请的已公布的文献号 申请公布号 CN 115272872 A (43)申请公布日 2022.11.01 (73)专利权人 南通商翼信息科技有限公司 地址 226000 江苏省南 通市开发区广州路 42号458室 (72)发明人 葛仕艳　曹玉荣　 (74)专利代理 机构 邯郸泽科知识产权代理有限 公司 13169 专利代理师 张萍 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01)G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G01D 18/00(2006.01) 审查员 徐晓艳 (54)发明名称 一种传感器 干扰信号检测方法 (57)摘要 本公开涉及数据 识别技术领域， 具体涉及一 种传感器干扰信号检测方法， 该方法包括： 通过 识别图形获取目标高光谱图像， 具体可以采用高 光谱传感器进行图形识别， 然后根据获取到的目 标高光谱图像进行波 段提取、 色调类别划分和灰 度边缘检测， 得到色调类别分割线集合和边缘线 集合， 接着， 对色调类别分割线集合和边缘线集 合进行匹配度识别、 边缘波段清晰度变化识别、 邻域相似识别和干扰信号检测等， 确定传感器的 干扰信号。 因此， 本公开提供的方法采用图形识 别的方式， 并进行相关的数据处理， 解决了干扰 信号检测的准确度低下的技术问题， 产生了提高 了干扰信号检测的准确度的技 术效果。 权利要求书4页 说明书15页 附图2页 CN 115272872 B 2022.12.16 CN 115272872 B 1.一种传感器干扰信号检测方法， 其特 征在于， 包括以下步骤： 获取传感器得到的目标高光谱图像， 对所述目标高光谱图像进行波段提取， 得到目标 色彩图像； 对所述目标色彩图像进行色调类别划分， 得到色调类别分割线集 合； 对所述目标色彩图像进行 灰度边缘检测， 得到边 缘线集合； 根据所述色调类别分割 线集合中的每个色调类别分割 线和所述边缘线集合， 对所述色 调类别分割线进行匹配度识别， 确定所述色调类别 分割线对应的初始类别线， 得到初始类 别线集合； 从所述边缘线集合中去除满足类别分割条件的边 缘线， 得到类内分割线集 合； 分别对所述初始类别线集合中的每条初始类别线和所述类内分割线集合中的每个类 内分割线进行边缘波段清晰度变化识别， 分别确定所述初始类别线和所述类内分割线对应 的类别低噪波段， 得到类别低噪波段集 合； 根据所述类别低噪波段集合， 分别对所述初始类别线集合和所述类内分割 线集合进行 邻域相似识别， 细化所述初始类别线集合和所述类内分割线集合， 得到细化类别线集合和 细化类内分割线集 合； 根据所述细化类别线集合和所述细化类内分割 线集合， 分别对所述细化类别线集合和 所述细化类内分割线集合进行低噪波段相似识别， 更新所述细化类别线集合和所述细化类 内分割线集 合， 得到更新类别线集 合和更新类内分割线集 合； 根据所述初始类别线集合、 所述类内分割线集合、 所述更新类别线集合和所述更新类 内分割线集 合， 进行干扰信号检测， 生成传感器的信号干扰情况。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述色调类别分割 线进行匹配度识 别， 包括： 分别确定所述色调类别分割线和所述 边缘线集合中的各个边 缘线对应的方向链码； 根据所述色调类别分割 线对应的方向链码， 确定所述色调类别分割 线与所述边缘线集 合中的各个边 缘线之间的匹配值， 得到匹配值 集合； 响应于所述匹配值集合中存在大于预设匹配值的匹配值， 将大于预设匹配值的匹配值 对应的边 缘线作为所述色调类别分割线对应的初始类别线， 去除所述色调类别分割线； 响应于所述匹配值集合中不存在大于预设匹配值的匹配值， 将所述色调类别分割 线作 为所述色调类别分割线对应的初始类别线。 3.根据权利要求2所述的方法， 其特征在于， 所述确定所述色调类别分割 线与所述边缘 线集合中的各个边 缘线之间的匹配值对应的公式为： 其中， 是所述色调类别分割线与所述边缘线集合中的第 个边缘线之间的匹配值， 是所述色调类别分割线对应的方向链码与所述边缘线集合中的第 个边缘线对应的方向链 码之间的余弦相似度， 是所述色调类别分割线上的各个点与所述边缘线集合中的第 个 边缘线上对应的各个点之间的欧式距离的均值， 是取最小值， 是取最大值， 权　利　要　求　书 1/4 页 2 CN 115272872 B 2是所述边缘线集合中的第 个边缘线上 的像素点数量， 是所述色调类别分割线上 的像素 点数量。 4.根据权利要求2所述的方法， 其特征在于， 所述分别对所述初始类别线集合中的每条 初始类别线和所述类内分割线集合中的每个类内分割线进 行边缘波段清晰度变化识别， 分 别确定所述初始类别线和所述类内分割线对应的类别低噪波段， 包括： 分别对所述初始类别线和所述类内分割 线进行高斯金字塔采样， 得到 高斯边缘序列集 合， 其中， 所述高斯边缘序列集合中的高斯边缘序列是所述初始类别线进行预设次数次高 斯金字塔采样后得到的边缘序列或所述类内分割线进行所述预设次数次高斯金字塔采样 后得到的边 缘序列； 对所述高斯边缘序列集合中的每个 高斯边缘进行膨胀操作， 确定所述高斯边缘对应的 掩膜； 根据所述高斯边缘序列集合中的每个 高斯边缘和所述高斯边缘对应的掩膜， 确定所述 高斯边缘对应的新增边 缘区域； 根据所述高斯边缘序列集合中的每个 高斯边缘和所述高斯边缘对应的新增边缘 区域， 确定所述高斯 边缘在各个波段 下对应的边 缘清晰度； 对于所述高斯边缘序列集合中的每个 高斯边缘序列， 根据 所述高斯边缘序列中各个 高 斯边缘在每个波段下对应的边缘清晰度， 确定所述高斯边缘序列在所述波段下对应的边缘 清晰度变化 率序列； 对于所述高斯边缘序列集合中的每个 高斯边缘序列， 根据 所述高斯边缘序列在各个波 段下对应的边缘清晰度变化率序列， 进行边缘清晰变化相似处理， 得到所述高斯边缘序列 对应的更新波段类别集 合； 从所述高斯边缘序列集合中的每个高斯边缘序列对应的更新波段类别集合中筛选出 满足低噪波段 条件的更新波段类别， 得到所述高斯 边缘序列对应的类别低噪波段。 5.根据权利要求4所述的方法， 其特征在于， 所述确定所述高斯边缘在各个波段下对应 的边缘清晰度对应的公式为： 其中， 是所述高斯边缘在第 个波段下对应的边缘清晰度， 是取最小值， 是取最大值， 是所述高斯边缘上各个像素点在第 个波段下对应的灰度值的均值， 是所 述高斯边缘对应的新增边 缘区域内各个 像素点在第 个波段下对应的灰度值的均值。 6.根据权利要求4所述的方法， 其特征在于， 所述确定所述高斯边缘序列在所述波段下 对应的边 缘清晰度变化 率序列对应的公式为： 其中， 是所述高斯边缘序列在所述波段下对应的边缘清晰度变化率序列中的第 个 边缘清晰度变化率， 是所述高斯边缘序列中第 个高斯边缘在所述波段下对应的边权　利　要　求　书 2/4 页 3 CN 115272872 B 3