CN109151413A - 一种无人机图像智能处理系统 - Google Patents
一种无人机图像智能处理系统 Download PDFInfo
- Publication number
- CN109151413A CN109151413A CN201811175988.XA CN201811175988A CN109151413A CN 109151413 A CN109151413 A CN 109151413A CN 201811175988 A CN201811175988 A CN 201811175988A CN 109151413 A CN109151413 A CN 109151413A
- Authority
- CN
- China
- Prior art keywords
- image
- parameter
- unmanned plane
- intermediate image
- processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
- H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种无人机图像智能处理系统,包括:第一信息处理模块,被配置为通过无线网络从云服务器获取无人机当前位置的雾霾的初始等级参数;第二信息处理模块,被配置为根据从操作终端接收到的实时调整参数,以调整所述初始等级参数为动态等级参数;图像处理模块,被配置为根据所述动态等级参数,对无人机获取的原始图像进行去雾处理,本发明在一定程度上能够对拍摄的图像进行去雾处理。
Description
技术领域
本发明涉及无人机技术领域,特别地,涉及一种无人机图像智能处理系统。
背景技术
无人机是不载人飞行器的一种,其主要通过自备的程序控制装置或无线电遥控方式进行操控。20世纪40年代,无人机首次出现,在二战中无人机主要用于军事用途,到了20世纪90年代不少国家充分认识到无人机结构简单、使用成本低廉等特点,无论经济发展中或是军事上都能发挥较大的作用,进而掀起了一阵利用高新技术研制和发展到无人机的高潮,如今随着新型材料和新翼型的不断出现无人机的续航周期大大增加,无人机可采用先进的信号处理与通信技术并可搭载小型传感器获取遥感图像完成航拍任务,航拍任务使用无人机作为航拍平台并搭载机载传感器获取数据,并对获取图像数据进行处理,按照一定精度要求制作图像。根据航拍任务不同使用不同的机载传感器,如可搭载轻型光学相机、红外扫描仪、磁测仪、高分辨率CCD数码相机、多光谱成像仪、激光扫描仪、合成孔径雷达等,所搭载的传感器都是高精度、体积小、重量轻的存储量较大性能优异的数字化传感器。
在实际任务中,由于无人机机体较轻,机载重量受限,机载传感器多为小型数字相机,与传统航拍数据相比无人机航拍数据图幅较小,图像数量较大,图像中存在问题也相对较多,所以无人机航拍图像依然具有传统航拍图像数据量大的特点,由于图像数量增加并且图像中存在较多问题,处理无人机图像更为繁琐,但无人机飞行高度较低,所以获取的图像分辨率较高,并且具有很强的机动性,但同样由于飞行高度较低的缘故,无人机获取的图像极易受到地面或低空物体和气候干扰,特别是云雾天气或地面烟雾对无人机航拍图像质量颇为显著,所以结合无人机航拍图像特点,实现无人机图像去雾处理具有重要意义,综上所述无人机图像具有以下几点特征:图像图幅较多,图像中存在问题较多;分辨率较高,数据量较大;易受地面或低空物体和气候影响。
发明内容
有鉴于此,本发明目的是提供一种无人机图像智能处理系统,在一定程度上能够对拍摄的图像进行去雾处理。
为了解决所述技术问题,本发明的技术方案是:
一种无人机图像智能处理系统,包括:
第一信息处理模块,被配置为通过无线网络从云服务器获取无人机当前位置的雾霾的初始等级参数;
第二信息处理模块,被配置为根据从操作终端接收到的实时调整参数,以调整所述初始等级参数为动态等级参数;
图像处理模块,被配置为根据所述动态等级参数,对无人机获取的原始图像进行去雾处理;
所述图像处理模块包括:
第一处理单元,被配置为对所述原始图像进行白平衡处理,以获得第一中间图像;
第二处理单元,被配置为对所述原始图像进行对比度增强处理,以获得第二中间图像;
第三处理单元,被配置为根据所述动态等级参数,确定白平衡和对比度的占比,并根据所述占比对所述第一中间图像、第二中间图像进行融合,以获得第三中间图像;
第四处理单元,被配置为对所述第三中间图像进行颜色空间转换,由RGB颜色空间转换为HSV颜色空间;
第五处理单元,被配置为将经过转换后的第三中间图像中提取明度分量,并进行自动色阶处理,之后再合并至第三中间图像,以获得第四中间图像;
第六处理单元,被配置为将所述第四中间图像再次进行颜色空间转换,由HSV颜色空间转换为RGB颜色空间,以获得最终图像。
优选地,所述操作终端为无人机的飞行遥控器,所述飞行遥控器上集成有调节旋钮,所述飞行遥控器被配置为将调节旋钮对应的实时调整参数通过无线的方式发送至无人机。
优选地,所述第二处理单元的处理过程包括:
S1、从原始图像的左上角开始,定义一个w×h大小的初始图像单元s(m,n),定义水平和垂直方向的移动步长分别为a和b;其中,m,n为原始图像的尺寸;
S2、用基于直方图修正的对比度增强算法对原始图像进行一次对比度增强,再用均衡化后的图像替换原始图像,使原始图像的全局对比度得以增强,进而获得初步图像;
S3、计算初步图像的原始图像的标准差M,图像的灰度级范围为[0,L- 1],p(fi)为灰度级fi的概率,Eg为整幅图像的均值,则整幅图像的标准差为:
M=;
S4、计算初始图像单元的标准差N,其中Es为初始图像单元的均值:
N=;
如果N< 0.3M,则将该图像单元的w、h的长度分别延长为w+ a、h+ b;然后重新计算扩展后的初始图像单元的标准差,再与0.3M比较,以此类推,每一次增加0.5a,0.5b,直到标准差大于或等于0.3M;
S5、对处理后的初始图像单元进行均衡化处理,然后将其所有的像素值累加到初步图像中,并且计算出每个像素值的累加次数;
S6、将初步图像的所有像素灰度值除以对应的累加次数,以获得所述第二中间图像。
优选地,所述第三处理单元的融合算法为:
F(i,j)=,其中,F(i,j)为第三中间图像,k则代表第一中间图像或第二中间图像,Ik为第一中间图像或第二中间图像的像素元点,mk为第一中间图像或第二中间图像的占比。
优选地,所述云服务器被配置为通过AP接口从气象局获取天气数据中的能见度参数B,并根据下列方式将其转换为对应的初始等级参数U:
当B的范围分别为B<10、1<B<10、10≤B<30、30≤B<100、100≤B时,U的值分别为0、1、2、3、4。
优选地,所述原始等级参数与动态等级参数的转换方式为:
V=U±T,其中,V为动态等级参数,U为初始等级参数,T为实时调整参数,其中,V的值分别为0、1、2、3、4,-4≤T≤4,且T为整数,T的具体值取决于所述调节旋钮的调节量。
本发明技术效果主要体现在以下方面:通过以上方案,利用改进的图像融合算法进行去雾处理,得到更加清晰的图像;另外,用户可实时调节成像模式,非常方便。
附图说明
图1为实施例中无人机图像智能处理系统的系统模块图。
具体实施方式
以下结合附图,对本发明的具体实施方式作进一步详述,以使本发明技术方案更易于理解和掌握。
参照图1,本实施例提供了一种无人机图像智能处理系统,包括第一信息处理模块、第二信息处理模块和图像处理模块,3个模块均集成于无人机的控制系统内,共享无人机的通信和存储资源。
其中,第一信息处理模块被配置为通过无线网络从云服务器获取无人机当前位置的雾霾的初始等级参数U;云服务器被配置为通过AP接口从气象局获取天气数据中的能见度参数B,并根据下列方式将其转换为对应的初始等级参数U:当B的范围分别为B<10、1<B<10、10≤B<30、30≤B<100、100≤B时,U的值分别为0、1、2、3、4。
第二信息处理模块被配置为根据从操作终端接收到的实时调整参数T,以调整初始等级参数U为动态等级参数V;具体地,操作终端为无人机的飞行遥控器,飞行遥控器上集成有调节旋钮,飞行遥控器被配置为将调节旋钮对应的实时调整参数T通过无线的方式发送至无人机。T的范围是:-4≤T≤4,且T为整数,T的具体值取决于调节旋钮的调节量。
原始等级参数U与动态等级参数V的转换方式为:V=U±T,V的值分别为0、1、2、3、4。
图像处理模块包括第一处理单元、第二处理单元、第三处理单元、第四处理单元、第五处理单元和第六处理单元。
其中,第一处理单元被配置为对原始图像进行白平衡处理,以获得第一中间图像。白平衡算法为现有技术,不再赘述。
第二处理单元被配置为对原始图像进行对比度增强处理,以获得第二中间图像。具体地,第二处理单元的处理过程包括:
S1、从原始图像的左上角开始,定义一个w×h大小的初始图像单元s(m,n),定义水平和垂直方向的移动步长分别为a和b;其中,m,n为原始图像的尺寸;
S2、用基于直方图修正的对比度增强算法对原始图像进行一次对比度增强,再用均衡化后的图像替换原始图像,使原始图像的全局对比度得以增强,进而获得初步图像;
S3、计算初步图像的原始图像的标准差M,图像的灰度级范围为[0,L- 1],p(fi)为灰度级fi的概率,Eg为整幅图像的均值,则整幅图像的标准差为:
M=;
S4、计算初始图像单元的标准差N,其中Es为初始图像单元的均值:
N=;
如果N< 0.3M,则将该图像单元的w、h的长度分别延长为w+ a、h+ b;然后重新计算扩展后的初始图像单元的标准差,再与0.3M比较,以此类推,每一次增加0.5a,0.5b,直到标准差大于或等于0.3M;
S5、对处理后的初始图像单元进行均衡化处理,然后将其所有的像素值累加到初步图像中,并且计算出每个像素值的累加次数;
S6、将初步图像的所有像素灰度值除以对应的累加次数,以获得第二中间图像。
第三处理单元被配置为根据动态等级参数U,确定白平衡和对比度的占比,并根据占比对第一中间图像、第二中间图像进行融合,以获得第三中间图像;具体地,确定的方式为:当V分别为0、1、2、3、4时,第一中间图像的中比分别为0.2、0.4、0.6、0.8、1,第二中间图像的中比分别为0.8、0.6、0.4、0.2、0。具体地,第三处理单元的融合算法为:
F(i,j)=,其中,F(i,j)为第三中间图像,k则代表第一中间图像或第二中间图像,Ik为第一中间图像或第二中间图像的像素元点,mk为第一中间图像或第二中间图像的占比。
第四处理单元被配置为对第三中间图像进行颜色空间转换,由RGB颜色空间转换为HSV颜色空间。
第五处理单元被配置为将经过转换后的第三中间图像中提取明度分量,并进行自动色阶处理,之后再合并至第三中间图像,以获得第四中间图像;
第六处理单元被配置为将第四中间图像再次进行颜色空间转换,由HSV颜色空间转换为RGB颜色空间,以获得最终图像。
当然,以上只是本发明的典型实例,除此之外,本发明还可以有其它多种具体实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求保护的范围之内。
Claims (6)
1.一种无人机图像智能处理系统,其特征是,包括:
第一信息处理模块,被配置为通过无线网络从云服务器获取无人机当前位置的雾霾的初始等级参数;
第二信息处理模块,被配置为根据从操作终端接收到的实时调整参数,以调整所述原始等级参数为动态等级参数;
图像处理模块,被配置为根据所述动态等级参数,对无人机获取的原始图像进行去雾处理;
所述图像处理模块包括:
第一处理单元,被配置为对所述原始图像进行白平衡处理,以获得第一中间图像;
第二处理单元,被配置为对所述原始图像进行对比度增强处理,以获得第二中间图像;
第三处理单元,被配置为根据所述动态等级参数,确定白平衡和对比度的占比,并根据所述占比对所述第一中间图像、第二中间图像进行融合,以获得第三中间图像;
第四处理单元,被配置为对所述第三中间图像进行颜色空间转换,由RGB颜色空间转换为HSV颜色空间;
第五处理单元,被配置为将经过转换后的第三中间图像中提取明度分量,并进行自动色阶处理,之后再合并至第三中间图像,以获得第四中间图像;
第六处理单元,被配置为将所述第四中间图像再次进行颜色空间转换,由HSV颜色空间转换为RGB颜色空间,以获得最终图像。
2.如权利要求2所述的一种无人机图像智能处理系统,其特征是,所述操作终端为无人机的飞行遥控器,所述飞行遥控器上集成有调节旋钮,所述飞行遥控器被配置为将调节旋钮对应的实时调整参数通过无线的方式发送至无人机。
3.如权利要求2所述的一种无人机图像智能处理系统,其特征是,所述第二处理单元的处理过程包括:
S1、从原始图像的左上角开始,定义一个w×h大小的初始图像单元s(m,n),定义水平和垂直方向的移动步长分别为a和b;其中,m,n为原始图像的尺寸;
S2、用基于直方图修正的对比度增强算法对原始图像进行一次对比度增强,再用均衡化后的图像替换原始图像,使原始图像的全局对比度得以增强,进而获得初步图像;
S3、计算初步图像的原始图像的标准差M,图像的灰度级范围为[0,L- 1],p(fi)为灰度级fi的概率,Eg为整幅图像的均值,则整幅图像的标准差为:
M= ;
S4、计算初始图像单元的标准差N,其中Es为初始图像单元的均值:
N=;如果N< 0.3M,则将该图像单元的w、h的长度分别延长为w+ a、h+ b;然后重新计算扩展后的初始图像单元的标准差,再与0.3M比较,以此类推,每一次增加0.5a,0.5b,直到标准差大于或等于0.3M;
S5、对处理后的初始图像单元进行均衡化处理,然后将其所有的像素值累加到初步图像中,并且计算出每个像素值的累加次数;
S6、将初步图像的所有像素灰度值除以对应的累加次数,以获得所述第二中间图像。
4.如权利要求3所述的一种无人机图像智能处理系统,其特征是,所述第三处理单元的融合算法为:
F(i,j)=,其中,F(i,j)为第三中间图像,k则代表第一中间图像或第二中间图像,Ik为第一中间图像或第二中间图像的像素元点,mk为第一中间图像或第二中间图像的占比。
5.如权利要求4所述的一种无人机图像智能处理系统,其特征是,所述云服务器被配置为通过AP接口从气象局获取天气数据中的能见度参数B,并根据下列方式将其转换为对应的初始等级参数U:
当B的范围分别为B<10、1<B<10、10≤B<30、30≤B<100、100≤B时,U的值分别为0、1、2、3、4。
6.如权利要求5所述的一种无人机图像智能处理系统,其特征是,所述原始等级参数与动态等级参数的转换方式为:
V=U±T,其中,V为动态等级参数,U为初始等级参数,T为实时调整参数,其中,V的值分别为0、1、2、3、4,-4≤T≤4,且T为整数,T的具体值取决于所述调节旋钮的调节量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811175988.XA CN109151413A (zh) | 2018-10-10 | 2018-10-10 | 一种无人机图像智能处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811175988.XA CN109151413A (zh) | 2018-10-10 | 2018-10-10 | 一种无人机图像智能处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109151413A true CN109151413A (zh) | 2019-01-04 |
Family
ID=64810766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811175988.XA Pending CN109151413A (zh) | 2018-10-10 | 2018-10-10 | 一种无人机图像智能处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109151413A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110726675A (zh) * | 2019-09-03 | 2020-01-24 | 宿州山海经测地理信息科技有限公司 | 一种无人机遥感探测系统及遥感探测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914820A (zh) * | 2014-03-31 | 2014-07-09 | 华中科技大学 | 一种基于图像分层增强的图像去雾方法及系统 |
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
CN106023110A (zh) * | 2016-05-20 | 2016-10-12 | 河海大学 | 一种高保真度的图像去雾方法 |
CN106097271A (zh) * | 2015-04-08 | 2016-11-09 | 魏芳芳 | 位于无人机上的沙漠区域道路检测平台 |
CN108269242A (zh) * | 2018-01-17 | 2018-07-10 | 深圳市华星光电半导体显示技术有限公司 | 图像增强方法 |
CN108460743A (zh) * | 2018-03-19 | 2018-08-28 | 西安因诺航空科技有限公司 | 一种基于暗通道的无人机航拍图像去雾算法 |
-
2018
- 2018-10-10 CN CN201811175988.XA patent/CN109151413A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914820A (zh) * | 2014-03-31 | 2014-07-09 | 华中科技大学 | 一种基于图像分层增强的图像去雾方法及系统 |
CN103955905A (zh) * | 2014-05-13 | 2014-07-30 | 北京邮电大学 | 基于快速小波变换和加权图像融合的单幅图像去雾方法 |
CN106097271A (zh) * | 2015-04-08 | 2016-11-09 | 魏芳芳 | 位于无人机上的沙漠区域道路检测平台 |
CN106023110A (zh) * | 2016-05-20 | 2016-10-12 | 河海大学 | 一种高保真度的图像去雾方法 |
CN108269242A (zh) * | 2018-01-17 | 2018-07-10 | 深圳市华星光电半导体显示技术有限公司 | 图像增强方法 |
CN108460743A (zh) * | 2018-03-19 | 2018-08-28 | 西安因诺航空科技有限公司 | 一种基于暗通道的无人机航拍图像去雾算法 |
Non-Patent Citations (1)
Title |
---|
黄宇晴等: "基于图像增强的无人机侦查图像去雾方法", 《北京航空航天大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110726675A (zh) * | 2019-09-03 | 2020-01-24 | 宿州山海经测地理信息科技有限公司 | 一种无人机遥感探测系统及遥感探测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080724B (zh) | 一种红外和可见光的融合方法 | |
CN110221603B (zh) | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 | |
US11070725B2 (en) | Image processing method, and unmanned aerial vehicle and system | |
KR101379066B1 (ko) | 화상 처리 장치, 화상 처리 방법, 및, 기록 매체 | |
CN105933617B (zh) | 一种用于克服动态问题影响的高动态范围图像融合方法 | |
CN107925751B (zh) | 用于多视点降噪和高动态范围的系统和方法 | |
CN109615652A (zh) | 一种深度信息获取方法及装置 | |
CN105187723B (zh) | 一种无人飞行器的摄像处理方法 | |
CN108961162A (zh) | 一种无人机林区航拍图像拼接方法和系统 | |
KR101931819B1 (ko) | 영상 정보와 항공사진 데이터를 비교하여 대상 객체를 결정하고 카메라 획득정보를 이용하여 대상 객체의 3차원 좌표를 획득하는 수치지도 제작 시스템 | |
CN107424133A (zh) | 图像去雾方法、装置、计算机可存储介质和移动终端 | |
CN110009675B (zh) | 生成视差图的方法、装置、介质及设备 | |
CN111693025B (zh) | 一种遥感影像数据生成方法、系统及设备 | |
CN109376641B (zh) | 一种基于无人机航拍视频的运动车辆检测方法 | |
CN113313661A (zh) | 图像融合方法、装置、电子设备及计算机可读存储介质 | |
CN108053363A (zh) | 背景虚化处理方法、装置及设备 | |
CN110706273B (zh) | 一种基于无人机的实时塌方区域面积的测量方法 | |
CN109472752B (zh) | 基于航拍图像的多曝光融合系统 | |
CN108182212A (zh) | 一种基于航空摄影的相片地图调度方法与显示系统 | |
CN113391644A (zh) | 一种基于图像信息熵的无人机拍摄距离半自动寻优方法 | |
CN114544006B (zh) | 一种基于环境光照条件的低空遥感影像校正系统及方法 | |
CN109151413A (zh) | 一种无人机图像智能处理系统 | |
CN108109118B (zh) | 一种无控制点的航拍图像几何校正方法 | |
CN107703962A (zh) | 一种无人机集体照拍摄方法 | |
CN113807435A (zh) | 一种基于多传感器的遥感图像特征点高程获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |