CN104392234B - 一种基于图像fft符号信息的无人机自主着陆目标检测方法 - Google Patents

Abstract

本发明公开了一种基于图像FFT符号信息的无人机自主着陆目标检测方法，其步骤为：(1)将获得图像I_num由RGB颜色空间转换到LAB颜色空间；(2)进行FFT变换，最终得到图像I_num的FFT处理结果I_{num_FFT}；(3)对变换后的图像进行符号信息的提取，即对图像I_{num_FFT}进行符号运算得到符号运算结果I_{num_SIGN}；(4)将经过符号算子处理过的图像傅里叶反变换回去，得到IFFT处理结果I_{num_IFFT}；(5)进行高斯卷积平滑，对反变换后的图像进行平滑滤波，得到显著性图I_{num_SIG}；(6)利用阈值对显著性图进行区域的选取，得到选取后的图像I_num1；(7)对图像I_num1中无人机区域的坐标取平均作为无人机的定位坐标(x_{num_out},y_{num_out})。本发明具有原理简单、易实现、精确度高等优点。

Description

一种基于图像FFT符号信息的无人机自主着陆目标检测方法

技术领域

本发明主要涉及到无人机领域，特指一种基于图像FFT符号信息的无人机自主着陆目标检测方法。

背景技术

采用视觉引导的无人机自主着陆技术是无人机自主回收的重要手段。无人机检测技术在视觉引导技术中起着重要作用。为了实现无人机的自主着陆，需要从地面转台上的摄像机获得的图像中检测并定位出无人机，如何设计鲁棒性好、检测精度高、实时性强的算法，是无人机自主降落需要解决的关键问题。

由于人眼的视觉注意力机制，使得人类可以很容易的检测出场景中的显著区域从而迅速的获得有价值的信息。视觉注意算法能够自动预测图像中人类感兴趣的位置，因此该技术被广泛应用于目标检测、图像分割、视频压缩等领域。目前，一类基于变换域分析的视觉显著性算法成为了研究的热点。这类算法具有计算方法简单，运算速度快，适合实时检测的优势，特别是基于DCT的图像签名算法。但由于图像签名算法是基于DCT变换的，DCT变换的输入数据要求是离散的并且是实偶的。对非严格实偶的数据采用DCT处理会有损失，由于图像数据并不一定是实偶的，所以使得DCT的使用范围受限。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种原理简单、易实现、精确度高的基于图像FFT符号信息的无人机自主着陆目标检测方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于图像FFT符号信息的无人机自主着陆目标检测方法，其步骤为：

(1)将获得图像I_num由RGB颜色空间转换到LAB颜色空间；

(2)分别对LAB各个通道进行FFT变换，获得相应的幅值谱和相位谱，最终得到图像I_num的FFT处理结果I_{num_FFT}；

(3)对变换后的图像进行符号信息的提取，即对图像I_{num_FFT}进行符号运算得到符号运算结果I_{num_SIGN}；

(4)将经过符号算子处理过的图像傅里叶反变换回去，即对符号运算结果图I_{num_SIGN}的三个通道分别进行离散余弦反变换，得到IFFT处理结果I_{num_IFFT}；

(5)进行高斯卷积平滑，对反变换后的图像进行平滑滤波，得到显著性图I_{num_SIG}；

(6)利用阈值对显著性图进行区域的选取，得到选取后的图像I_num1；

(7)对图像I_num1中的无人机区域的坐标取平均作为无人机的定位坐标(x_{num_out},y_{num_out})。

作为本发明的进一步改进：在所述步骤(2)中，先对获得图像I_num的LAB三个通道分别进行傅里叶变换，然后对三个通道取平均运算：

得到图像I_num的FFT处理结果I_{num_FFT}。

作为本发明的进一步改进：在所述步骤(3)中，在对对变换后的图像进行符号信息的提取时，符号算子定义为：

其中，S(u,v)为经过符号算子处理过的图像像素值。

作为本发明的进一步改进：在所述步骤(4)中，对符号运算结果图I_{num_SIGN}的三个通道分别进行离散余弦反变换，得到IFFT处理结果I_{num_IFFT}。

作为本发明的进一步改进：在所述步骤(5)中，对I_{num_IFFT}三个通道分别作方差为σ的高斯平滑，得到显著性图I_{num_SIG}。

与现有技术相比，本发明的优点在于：本发明的基于图像FFT符号信息的无人机自主着陆目标检测方法，原理简单、易实现、精确度高，不受图像数据实偶的要求，并且充分利用图像的幅值信息和相角信息，能精确定位出图像中无人机的位置，为引导无人机自主安全着陆打下基础。

附图说明

图1是本发明方法的流程示意图。

图2是本发明的具体应用实例在ImgSal数据库的实验结果示意图。

图3是本发明方法与图像签名算法在ImgSal数据库上处理结果的ROC值比较示意图。

具体实施方式

以下将结合说明书附图和具体实施例对本发明做进一步详细说明。

如图1所示，本发明的基于图像FFT符号信息的无人机自主着陆目标检测方法，其步骤为：

(1)、将获得图像I_num由RGB颜色空间转换到LAB颜色空间；

由于LAB颜色空间与人眼视觉注意力的选择机制比较吻合，所以一般先将图像由计算机的RGB转换到LAB。

(2)、分别对LAB各个通道进行FFT变换，获得相应的幅值谱和相位谱；即：对获得图像I_num的LAB三个通道分别进行傅里叶变换，得到每个通道的FFT处理结果I_{num_i},i＝1,2,3。

FFT变换的定义为：

其中，f(i,j)为图像像素值，M为图像的宽度，N为图像的高度。

对三个通道取平均运算：

得到图像I_num的FFT处理结果I_{num_FFT}，I_{num_i}为图像三个通道分别对应的结果。

(3)对变换后的图像进行符号信息的提取，符号算子定义为：

其中，S(u,v)为经过符号算子处理过的图像像素值。

即：对图像I_{num_FFT}进行符号运算得到符号运算结果I_{num_SIGN}。

(4)将经过符号算子处理过的图像傅里叶反变换回去；

其中，f₁(i,j)为反变换后的图像像素值。

即：对符号运算结果图I_{num_SIGN}的三个通道分别进行离散余弦反变换，得到IFFT处理结果I_{num_IFFT}；

(5)进行高斯卷积平滑，对反变换后的图像进行平滑滤波，从而可以提高显著性图的效果及准确度。

L(i,j,σ)＝f₁(i,j)*G(i,j,σ) (4)

其中，G(i,j,σ)为高斯函数，σ为尺度因子。

即：对I_{num_IFFT}三个通道分别作方差为σ的高斯平滑，得到显著性图I_{num_SIG}。

(6)获得显著性图像后，需要在显著性图像中找到无人机所在的位置。

由于转台获得的图像背景比较单一，只有天空、树、草地、跑道和无人机。其中，不论背景包含什么，与无人机相比都属于大片重复区域，显著性值没有无人机区域高。所以首先设定阈值得到无人机所在区域，一般将无人机机身的中心点作为无人机的定位点，所以取获得的区域的坐标值的平均值作为无人机所在位置的定位点。

即，利用阈值对显著性图进行区域的选取，得到选取后的图像I_num1；

(7)对图像I_num1中的无人机区域的坐标取平均作为无人机的定位坐标(x_{num_out},y_{num_out})。

为验证本发明显著性检测算法的有效性，在ImgSal数据库上与图像签名算法进行比较。图2为直观比较结果，从图中可以看出，通过本发明方法获得的显著性图能够有效的避免检测到非显著区域，取得比SIG算法较好的实验结果。图3为两者以ROC为性能指标的客观比较，其中C1-C6表示图像所属的类别，分别表示含较大显著区域的图、含中等大小的显著区域的图、含较小显著区域的图、含较小显著区域的图、背景杂乱的图、重复干扰的图、包含不同大小显著区域的图。从图3可以看出在本发明的方法在多个类别具有优势，特别是在C1和C3类中，因为无人机降落的过程，显著区域是由小到大的，本发明的方法正好在这个上比图像签名算法有明显优势，证明了方法的有效性。综上所述，本发明采用的基于图像FFT符号信息方法能够准确的检测并定位出无人机的位置，对无人机的自主安全起降具有较大的理论意义和实用价值。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (2)

1.一种基于图像FFT符号信息的无人机自主着陆目标检测方法，其特征在于，步骤为：

(1)将获得图像I_num由RGB颜色空间转换到LAB颜色空间；

(2)分别对LAB各个通道进行FFT变换，获得相应的幅值谱和相位谱，最终得到图像I_num的FFT处理结果I_{num_FFT}；

(3)对变换后的图像进行符号信息的提取，即对图像I_{num_FFT}进行符号运算得到符号运算结果I_{num_SIGN}；

(4)将经过符号算子处理过的图像傅里叶反变换回去，即对符号运算结果图I_{num_SIGN}的三个通道分别进行离散余弦反变换，得到IFFT处理结果I_{num_IFFT}；

(5)对I_{num_IFFT}三个通道进行方差为σ的高斯卷积平滑，对反变换后的图像进行平滑滤波，得到显著性图I_{num_SIG}；

(6)利用阈值对显著性图进行区域的选取，得到选取后的图像I_num1；

(7)对图像I_num1中的无人机区域的坐标取平均作为无人机的定位坐标(x_{num_out},y_{num_out})；

在所述步骤(3)中，在对对变换后的图像进行符号信息的提取时，符号算子定义为：

<mrow> <mi>S</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>-</mo> <mn>1</mn> <mo>,</mo> <mi>F</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>&gt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> <mi>F</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> <mi>F</mi> <mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo> </mrow> <mo>&lt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>

其中，S(u,v)为经过符号算子处理过的图像像素值。

2.根据权利要求1所述的基于图像FFT符号信息的无人机自主着陆目标检测方法，其特征在于，在所述步骤(2)中，先对获得图像I_num的LAB三个通道分别进行傅里叶变换，然后对三个通道取平均运算：

<mrow> <msub> <mi>I</mi> <mrow> <mi>n</mi> <mi>u</mi> <mi>m</mi> <mo>_</mo> <mi>F</mi> <mi>F</mi> <mi>T</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mn>3</mn> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> <mn>3</mn> </munderover> <msub> <mi>I</mi> <mrow> <mi>n</mi> <mi>u</mi> <mi>m</mi> <mo>_</mo> <mi>i</mi> </mrow> </msub> </mrow>

得到图像I_num的FFT处理结果I_{num_FFT}。