CN109196551A - 图像处理方法、设备及无人机 - Google Patents
图像处理方法、设备及无人机 Download PDFInfo
- Publication number
- CN109196551A CN109196551A CN201780028239.1A CN201780028239A CN109196551A CN 109196551 A CN109196551 A CN 109196551A CN 201780028239 A CN201780028239 A CN 201780028239A CN 109196551 A CN109196551 A CN 109196551A
- Authority
- CN
- China
- Prior art keywords
- image
- profile
- connected region
- matching
- objective contour
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims description 54
- 238000003384 imaging method Methods 0.000 claims description 20
- 230000006854 communication Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 11
- 238000012512 characterization method Methods 0.000 claims description 10
- 238000005183 dynamical system Methods 0.000 claims description 8
- 238000005452 bending Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000001931 thermography Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000003708 edge detection Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明实施例提供一种图像处理方法、设备及无人机。本发明实施例通过获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,第一图像和第二图像是同时拍摄的,并通过对第一图像的轮廓信息和第二图像的轮廓信息进行匹配,得到第一图像和第二图像之间匹配的轮廓信息,根据两者匹配的轮廓信息调节两者的相对位置,以实现对第一图像和第二图像进行图像融合,而不需要通过提取第一图像和第二图像的特征点来实现图像融合,解决了由于特征提取出现差错而导致图像融合后的画面质量差的问题。
Description
技术领域
本发明实施例涉及无人机领域,尤其涉及一种图像处理方法、设备及无人机。
背景技术
现有技术中红外镜头拍摄的目标物的图像信息或视频信息中包括目标物的温度信息,但通常情况下,红外图像没有清晰的边缘。
为了提高红外图像的图像质量,现有技术提供了一种红外图像和可见光图像配准的方法,具体的,对红外图像和可见光图像分别进行特征提取,并通过相似度找到红外图像和可见光图像中匹配的特征点对,进一步根据红外图像和可见光图像中匹配的特征点对,确定两者空间坐标变换参数,根据两者空间坐标变换参数,实现红外图像和可见光图像配准。
但是,对于现有技术来讲,提取红外图像和可见光图像的特征是关键,如果特征提取出现差错,可能会导致红外图像和可见光图像无法精确配准,如果红外图像和可见光图像无法精确配准,将导致红外图像和可见光图像融合后的画面质量较差。
发明内容
本发明实施例提供一种图像处理方法、设备及无人机,以解决由于特征提取出现差错而导致图像融合后的画面质量差的问题。
本发明实施例的第一方面是提供一种图像处理方法,包括:
获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,所述第一图像和所述第二图像是同时拍摄的;
通过对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,得到所述第一图像和所述第二图像之间匹配的轮廓信息;
根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置,以对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息。
本发明实施例的第二方面是提供一种图像处理设备,包括:处理器;
所述处理器用于:
获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,所述第一图像和所述第二图像是同时拍摄的;
通过对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,得到所述第一图像和所述第二图像之间匹配的轮廓信息;
根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置,以对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息。
本发明实施例的第三方面是提供一种拍摄设备,包括:第一镜头和第二镜头;以及第二方面所述的图像处理设备,所述图像处理设备用于处理所述第一镜头和第二镜头获取的图像。
本发明实施例的第四方面是提供一种地面站设备,包括:通讯接口以及第二方面所述的图像处理设备;
所述通讯接口用于接收无人机发送的第一镜头拍摄的第一图像,以及第二镜头拍摄的第二图像,所述第一镜头和所述第二镜头搭载于所述无人机上。
本发明实施例的第五方面是提供一种无人机,包括:
机身;
动力系统,安装在所述机身,用于提供飞行动力;
飞行控制器,与所述动力系统通讯连接,用于控制所述无人机飞行;
拍摄设备,所述拍摄设备至少包括第一镜头和第二镜头;
以及第二方面所述的图像处理设备。
本实施例提供的图像处理方法、设备及无人机,通过获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,第一图像和第二图像是同时拍摄的,并通过对第一图像的轮廓信息和第二图像的轮廓信息进行匹配,得到第一图像和第二图像之间匹配的轮廓信息,根据两者匹配的轮廓信息调节两者的相对位置,以实现对第一图像和第二图像进行图像融合,而不需要通过提取第一图像和第二图像的特征点来实现图像融合,解决了由于特征提取出现差错而导致图像融合后的画面质量差的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的图像处理方法的流程图;
图2为本发明另一实施例提供的图像处理方法的流程图;
图3为本发明实施例提供的红外图像对应的边缘图像的示意图;
图4为本发明实施例提供的红外图像对应的外轮廓的示意图;
图5为本发明另一实施例提供的图像处理方法的流程图;
图6为本发明实施例提供的红外图像对应的显著图像的示意图;
图7为本发明实施例提供的红外图像对应的边缘图像的示意图;
图8为本发明实施例提供的红外图像对应的外轮廓的示意图;
图9为本发明实施例提供的可见光图像对应的外轮廓的示意图;
图10为本发明另一实施例提供的图像处理方法的流程图;
图11为本发明实施例提供的红外图像对应的外轮廓的示意图;
图12为本发明另一实施例提供的图像处理方法的流程图;
图13为本发明实施例提供的图像处理设备的结构图;
图14为本发明另一实施例提供的拍摄设备的结构图;
图15为本发明另一实施例提供的地面站设备的结构图;
图16为本发明实施例提供的无人机的结构图;
图17为本发明另一实施例提供的无人机的结构图。
附图标记:
30-边缘图像 31-连通区域 32-连通区域
33-连通区域 60-显著图像 61-目标区域
62-目标区域 70-边缘图像 90-可见光图像
91-连通区域 92-连通区域 93-连通区域
94-连通区域 130-图像处理设备 131-处理器
140-拍摄设备 141-第一镜头 142-第二镜头
150-地面站设备 151-通讯接口
100-无人机 1401-第一镜头 1402-第二镜头
107-电机 106-螺旋桨 117-电子调速器
118-飞行控制器 108-传感系统 110-通信系统
102-支撑设备 104-拍摄设备 112-地面站
114-天线 116-电磁波
具体实施方式
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。
需要说明的是,当组件被称为“固定于”另一个组件,它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中组件。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
本发明实施例提供一种图像处理方法。图1为本发明实施例提供的图像处理方法的流程图。如图1所示,本实施例中的方法,可以包括:
步骤S101、获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,所述第一图像和所述第二图像是同时拍摄的。
本实施例方法的执行主体可以是图像处理设备,该图像处理设备可以设置在拍摄设备,该拍摄设备可以是用户手持的拍摄设备,也可以是手持云台上搭载的拍摄设备。可选的,该拍摄设备设置有第一镜头和第二镜头。第一镜头拍摄获得第一图像,第二镜头拍摄获得第二图像,并且所述第一图像和所述第二图像是同时拍摄的。图像处理设备可对第一图像进行图像处理得到第一图像的轮廓信息,对第二图像进行图像处理得到第二图像的轮廓信息。
另外,该图像处理设备可以设置在无人机中,例如,无人机搭载有拍摄设备,无人机中设置的图像处理设备可以对无人机搭载的拍摄设备拍摄的图像进行处理。可选的,该拍摄设备设置有第一镜头和第二镜头。第一镜头拍摄获得第一图像,第二镜头拍摄获得第二图像,并且所述第一图像和所述第二图像是同时拍摄的。图像处理设备可对第一图像进行图像处理得到第一图像的轮廓信息,对第二图像进行图像处理得到第二图像的轮廓信息。
此外,该图像处理设备可以设置在与无人机对应的地面站设备,该地面站设备可以是遥控器、智能手机、平板电脑、地面控制站、膝上型电脑、手表、手环等及其组合。地面站设备可以接收无人机发送的图像数据,由地面站设备中的图像处理设备对无人机发送的图像数据进行处理。
可选的,所述获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,包括:接收无人机发送的第一镜头拍摄的第一图像,以及第二镜头拍摄的第二图像,所述第一镜头和所述第二镜头搭载于所述无人机上;根据所述第一图像确定所述第一图像的轮廓信息,以及根据所述第二图像确定所述第二图像的轮廓信息。例如,无人机的拍摄设备包括第一镜头和第二镜头,第一镜头拍摄获得第一图像,第二镜头拍摄获得第二图像,并且所述第一图像和所述第二图像是同时拍摄的。无人机通过其通信系统将第一图像和第二图像发送给地面站设备,地面站设备中的图像处理设备对第一图像进行图像处理得到第一图像的轮廓信息,对第二图像进行图像处理得到第二图像的轮廓信息。
可选的,所述第一镜头包括热成像镜头,所述第二镜头包括可见光镜头。相应的,第一镜头拍摄获得的第一图像为红外图像。第二镜头拍摄获得的第二图像为可见光图像。
可选的,所述第二镜头的视场角覆盖所述第一镜头的视场角。也就是说,可见光镜头的FOV覆盖热成像镜头的FOV。
可选的,所述第二镜头的焦距小于所述第一镜头的焦距。即可见光镜头的焦距小于热成像镜头的焦距,从而使得可见光镜头的FOV能够覆盖热成像镜头的FOV。
可选的,第一镜头和第二镜头是通过镜头载体设置在拍摄设备上的,该镜头载体具体可以是主板。
在本实施例中,第一镜头和第二镜头在镜头载体上的安装方式可以有如下几种可能的情况:
一种可能的情况是:所述第二镜头固定在镜头载体上,所述第一镜头通过弹性部件与所述镜头载体连接。即可见光镜头固定在主板上,热成像镜头通过弹性部件例如弹簧锁在主板上。
另一种可能的情况是:所述第一镜头固定在镜头载体上,所述第二镜头通过弹性部件与所述镜头载体连接。即热成像镜头固定在主板上,可见光镜头通过弹性部件例如弹簧锁在主板上。
再一种可能的情况是:所述第一镜头和所述第二镜头分别通过弹性部件与镜头载体连接。即可见光镜头和热成像镜头均通过弹性部件例如弹簧锁在主板上。
可选的,通过调节所述弹性部件,以使所述第一镜头的中心和所述第二镜头的中心在同一条水平线。也就是说,在上述几种可能的情况中,通过调节弹性部件,可以调节可见光镜头和热成像镜头之间的相对位置关系,从而使得可见光镜头的中心和热成像镜头的中心在同一条水平线上。
另外,所述第一镜头不出现在所述第二镜头的视野中,所述第二镜头不出现在所述第一镜头的视野中。可以理解,可见光镜头和热成像镜头之间的距离需要合理设置,以使可见光镜头不出现在热成像镜头的视野中,且热成像镜头不出现在可见光镜头的视野中,即可见光镜头和热成像镜头的视野互不干扰。可见光镜头和热成像镜头之间的距离可以根据可见光镜头的视场角、长度,以及热成像镜头的视场角、长度来确定。
步骤S102、通过对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,得到所述第一图像和所述第二图像之间匹配的轮廓信息。
由于第一图像和第二图像是同时拍摄的,也就是说,红外图像和可见光图像是同时拍摄的,因此,红外图像和可见光图像是同一拍摄对象的不同图像。同一拍摄对象在红外图像和可见光图像中的轮廓是有一定相似度的,因此,通过对红外图像的轮廓信息和可见光图像的轮廓信息进行匹配,可以得到红外图像和可见光图像中相似度较高的轮廓信息。
步骤S103、根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置,以对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息。
通过红外图像和可见光图像中相似度较高的轮廓信息,调整红外图像和可见光图像的相对位置,可使红外图像和可见光图像对齐,并对红外图像和可见光图像进行图像融合,图像融合后的效果是:在红外图像上叠加有可见光的边缘信息。
所述对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息,包括:根据预设参数表征的边缘信息的强度,将所述强度的第二图像的边缘信息叠加在所述第一图像上,得到所述融合后的图像。
在对红外图像和可见光图像进行图像融合时,图像处理设备还可以根据用户预先设定的参数表征的边缘信息的强度,在红外图像上叠加相应强度的可见光的边缘信息,也就是说,红外图像上叠加的可见光的边缘信息的强度是可以调节的,具体的调节方式,可以是由用户来设定。可选的,预设参数越大,图像处理设备在红外图像上叠加的可见光的边缘信息越多越明显。预设参数越小,图像处理设备在红外图像上叠加的可见光的边缘信息越少越不明显。
本实施例通过获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,第一图像和第二图像是同时拍摄的,并通过对第一图像的轮廓信息和第二图像的轮廓信息进行匹配,得到第一图像和第二图像之间匹配的轮廓信息,根据两者匹配的轮廓信息调节两者的相对位置,以实现对第一图像和第二图像进行图像融合,而不需要通过提取第一图像和第二图像的特征点来实现图像融合,解决了由于特征提取出现差错而导致图像融合后的画面质量差的问题。
本发明实施例提供一种图像处理方法。图2为本发明另一实施例提供的图像处理方法的流程图。如图2所示,在图1所示实施例的基础上,步骤S101获取第一镜头拍摄的第一图像的轮廓信息,可以包括:
步骤S201、对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像。
在本实施例中,第一镜头为热成像镜头,第一镜头拍摄获得的第一图像为红外图像,图像处理设备通过对红外图像进行图像处理,可的到红外图像对应的边缘图像。
具体的,所述对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像,包括如下几种可行的实现方式:
一种可行的实现方式是:对所述第一镜头拍摄的第一图像进行边缘提取,得到所述第一图像对应的边缘图像。例如,图像处理设备采用边缘检测算法对红外图像进行边缘提取,得到红外图像对应的边缘图像。
另一种可行的实现方式是:对所述第一镜头拍摄的第一图像进行边缘提取,得到边缘提取后的图像;对所述边缘提取后的图像进行形态学处理,以减少所述边缘提取后的图像中的次要特征,得到所述第一图像对应的边缘图像。例如,图像处理设备采用边缘检测算法对红外图像进行边缘提取,得到边缘提取后的图像,由于对红外图像进行边缘提取后得到的图像中还包括一些次要特征,例如,图像中的小物体、边缘特征不明显的区域等。为了减少图像中的次要特征,还可以进一步的,对边缘提取后的图像进行形态学处理,以减少边缘提取后的图像中的次要特征,保留主要的明显特征,从而得到红外图像对应的边缘图像。
另外,对于上述几种可行的实现方式,所述对所述第一镜头拍摄的第一图像进行边缘提取,包括:将所述第一镜头拍摄的第一图像转换成灰度图;对所述灰度图进行边缘提取。
由于边缘检测算法针对的图像通常是灰度图像,因此,在采用边缘检测算法对红外图像进行边缘提取之前,还需要将红外图像转换为灰度图像,对灰度图像滤波处理后,再采用边缘检测算法对红外图像进行边缘提取。
步骤S202、根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息。
所述根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息,包括:过滤所述第一图像对应的边缘图像中至少一个第一连通区域内的边缘信息,得到所述至少一个第一连通区域的外轮廓。
根据上述步骤得到的红外图像对应的边缘图像中包括边缘信息,可以理解,图像中的边缘是不用区域的分界线,边缘的连接可构成轮廓。如图3所示,30表示红外图像对应的边缘图像,边缘图像30中包括连通区域31、连通区域32和连通区域33,连通区域31、连通区域32连通区域33内分别包括部分边缘信息。图像处理设备可以通过过滤红外图像对应的边缘图像30中连通区域内的边缘信息,例如过滤连通区域31、连通区域32和连通区域33内分别包括的边缘信息,得到连通区域31、连通区域32和连通区域33的外轮廓,如图4所示。此处只是示意性说明,并不限定具体的红外图像,也不限定红外图像的边缘图像,也不限定边缘图像中包括的边缘信息或连通区域。
本实施例通过对红外图像进行图像处理得到红外图像的边缘图像,并根据红外图像的边缘图像,确定红外图像的轮廓信息,实现了对红外图像的轮廓信息的提取。
本发明实施例提供一种图像处理方法。图5为本发明另一实施例提供的图像处理方法的流程图。如图5所示,在图1所示实施例的基础上,步骤S101获取第一镜头拍摄的第一图像的轮廓信息,可以包括:
步骤S501、对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像。
步骤S501和步骤S201的具体原理和实现方式均一致,此处不再赘述。
例如,红外图像对应的边缘图像为如图3所示的30。
步骤S502、利用图像显著性算法计算所述第一镜头拍摄的第一图像对应的显著图像,所述显著图像包括至少一个显著的目标区域。
在本实施例中,图像处理设备还可以对热成像镜头拍摄的红外图像进行显著处理,例如利用图像显著性算法计算红外图像对应的显著图像,如图6所示,60表示红外图像对应的显著图像,显著图像60中包括显著的目标区域61和显著的目标区域62。
步骤S503、根据所述第一图像对应的边缘图像和显著图像,确定所述第一图像的轮廓信息。
图像处理设备可以根据图3所示的边缘图像30和图6所示的显著图像60,确定红外图像的轮廓信息。
具体的,所述根据所述第一图像对应的边缘图像和显著图像,确定所述第一图像的轮廓信息,包括:根据所述第一图像对应的边缘图像和显著图像中至少一个显著的目标区域,确定所述边缘图像中与所述至少一个显著的目标区域对应的至少一个第一连通区域;过滤所述至少一个第一连通区域内的边缘信息,得到所述至少一个第一连通区域的外轮廓。
例如,图像处理设备根据红外图像对应的边缘图像30和显著图像60中的至少一个显著的目标区域例如显著的目标区域61和显著的目标区域62,确定边缘图像30中与目标区域61对应的连通区域是连通区域31,与目标区域62对应的连通区域是连通区域32,而边缘图像30中的连通区域33是不显著的区域,因此,可以将边缘图像30中不显著的区域例如连通区域33先过滤掉,得到如图7所示的边缘图像70,进一步的,对边缘图像70中的连通区域31和连通区域32内的边缘信息进行过滤,得到连通区域31、连通区域32的外轮廓,如图8所示。
可以理解,过滤同一连通区域的内部轮廓边缘,主要是为了保留主要的外轮廓边缘特征,因为红外图像的内部温度相近,导致内部轮廓边缘信息很少,为了双光(即可见光和红外)特征匹配的效果更好,需要屏蔽双光内部轮廓信息,同时也降低了图像的纹理特征,使得利用Hu不变矩进行轮廓匹配时识别率更高。
本实施例通过提取红外图像的边缘图像,以及利用图像显著性算法计算红外图像的显著图像,根据红外图像的边缘图像和显著图像,确定红外图像的轮廓信息,提高了对红外图像的轮廓信息提取的可靠性。
本发明实施例提供一种图像处理方法。在上述实施例的基础上,由于可见光镜头的FOV覆盖热成像镜头的FOV,因此,可见光图像的大小可以大于红外图像的大小,在本实施例中,图像处理设备还需要对可见光图像进行边缘提取,以获得可见光图像中连通区域的外轮廓,为了和红外图像的连通区域的外轮廓加以区分,本实施例可以将红外图像的连通区域的外轮廓记为第一连通区域的外轮廓,将可见光图像中连通区域的外轮廓记为第二连通区域的外轮廓。本实施例并不限定具体的可见光图像中连通区域的外轮廓的提取方法。如图9所示,90表示可见光图像,91、92、93、94分别表示可见光图像中的连通区域的外轮廓。
在图2或图5所示实施例的基础上,步骤S102所述的对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,包括:对所述至少一个第一连通区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配。具体的,以图8为例,图8所示的连通区域31、连通区域32的外轮廓是红外图像的连通区域的外轮廓。对可见光图像的轮廓信息和红外图像的轮廓信息进行匹配的一种可实现方式是:对连通区域31的外轮廓、连通区域32的外轮廓和图9所示的可见光图像中的连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓进行匹配。从连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓中确定出与连通区域31的外轮廓匹配的外轮廓,以及从连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓中确定出与连通区域32的外轮廓匹配的外轮廓。
具体的,所述对所述至少一个第一连通区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配,包括:从所述至少一个第一连通区域的外轮廓中确定出至少一个目标轮廓;从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,所述目标轮廓和所述匹配轮廓一一对应。
例如,将连通区域31的外轮廓确定为目标轮廓,从连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓中确定出与连通区域31的外轮廓匹配的外轮廓,将与连通区域31的外轮廓匹配的外轮廓记为匹配轮廓。例如与连通区域31的外轮廓匹配的外轮廓是连通区域91的外轮廓。
再将连通区域32的外轮廓确定为目标轮廓,从连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓中确定出与连通区域31的外轮廓匹配的外轮廓,将与连通区域32的外轮廓匹配的外轮廓记为匹配轮廓。例如与连通区域32的外轮廓匹配的外轮廓是连通区域92的外轮廓。可见,所述目标轮廓和所述匹配轮廓一一对应。
可选的,所述至少一个目标轮廓的个数小于所述至少一个第二连通区域的外轮廓的个数。可以理解,红外图像的连通区域的外轮廓个数小于可见光图像的连通区域的外轮廓个数,如图8所示,目标轮廓可以是连通区域31的外轮廓和连通区域32的外轮廓,目标轮廓的个数小于图9所示的可见光图像的连通区域的外轮廓的个数。由于图像处理设备是从可见光图像的连通区域的外轮廓中寻找与红外图像的连通区域的外轮廓匹配的外轮廓,因此,当红外图像的连通区域的外轮廓个数小于可见光图像的连通区域的外轮廓个数时,可以提高图像处理设备的匹配速率。
本实施例通过红外图像的连通区域的外轮廓个数小于可见光图像的连通区域的外轮廓个数,提高了图像处理设备的匹配速率。
本发明实施例提供一种图像处理方法。图10为本发明另一实施例提供的图像处理方法的流程图。如图10所示,在图1所示实施例的基础上,步骤S101获取第一镜头拍摄的第一图像的轮廓信息,可以包括:
步骤S1001、利用图像显著性算法计算所述第一镜头拍摄的第一图像对应的显著图像,所述显著图像包括至少一个显著的目标区域。
步骤S1001与步骤S502的具体原理和实现方式均一致,此处不再赘述。图6所示,60表示红外图像对应的显著图像,显著图像60中包括显著的目标区域61和显著的目标区域62。
步骤S1002、根据所述显著图像中至少一个显著的目标区域,确定所述第一图像的轮廓信息。
具体的,所述根据所述显著图像中至少一个显著的目标区域,确定所述第一图像的轮廓信息,包括:过滤所述显著图像中至少一个显著的目标区域内的像素点,得到所述至少一个显著的目标区域的外轮廓。
例如,在图6的基础上,过滤掉显著图像60中显著的目标区域61和显著的目标区域62内的像素点,得到目标区域61的外轮廓和目标区域62的外轮廓,如图11所示。
在本实施例中,步骤S102所述的对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,包括:对所述至少一个显著的目标区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配。
对可见光图像的轮廓信息和红外图像的轮廓信息进行匹配的另一种可实现方式是:对目标区域61的外轮廓、目标区域62的外轮廓和图9所示的可见光图像中的连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓进行匹配。从连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓中确定出与目标区域61的外轮廓匹配的外轮廓,以及从连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓中确定出与目标区域62的外轮廓匹配的外轮廓。
具体的,所述对所述至少一个显著的目标区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配,包括:从所述至少一个显著的目标区域的外轮廓中确定出至少一个目标轮廓;从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,所述目标轮廓和所述匹配轮廓一一对应。
例如,将目标区域61的外轮廓确定为目标轮廓,从连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓中确定出与目标区域61的外轮廓匹配的外轮廓,将与目标区域61的外轮廓匹配的外轮廓记为匹配轮廓。例如与目标区域61的外轮廓匹配的外轮廓是连通区域91的外轮廓。
再将目标区域62的外轮廓确定为目标轮廓,从连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓中确定出与目标区域61的外轮廓匹配的外轮廓,将与目标区域62的外轮廓匹配的外轮廓记为匹配轮廓。例如与目标区域62的外轮廓匹配的外轮廓是连通区域92的外轮廓。可见,所述目标轮廓和所述匹配轮廓一一对应。
可选的,所述至少一个目标轮廓的个数小于所述至少一个第二连通区域的外轮廓的个数。可以理解,红外图像的连通区域的外轮廓个数小于可见光图像的连通区域的外轮廓个数,如图11所示,目标轮廓可以是目标区域61的外轮廓和目标区域62的外轮廓,目标轮廓的个数小于图9所示的可见光图像的连通区域的外轮廓的个数。由于图像处理设备是从可见光图像的连通区域的外轮廓中寻找与红外图像的连通区域的外轮廓匹配的外轮廓,因此,当红外图像的连通区域的外轮廓个数小于可见光图像的连通区域的外轮廓个数时,可以提高图像处理设备的匹配速率。
本实施例通过红外图像的连通区域的外轮廓个数小于可见光图像的连通区域的外轮廓个数,提高了图像处理设备的匹配速率。
本发明实施例提供一种图像处理方法。图12为本发明另一实施例提供的图像处理方法的流程图。如图12所示,在上述实施例的基础上,所述从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,可以包括:
步骤S1201、对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
以图8和图9为例,将连通区域31的外轮廓确定为目标轮廓,图像处理设备可以对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域31的外轮廓进行匹配,得到表征连通区域91的外轮廓和连通区域31的外轮廓匹配程度的匹配值记为L1,表征连通区域92的外轮廓和连通区域31的外轮廓匹配程度的匹配值记为L2,表征连通区域93的外轮廓和连通区域31的外轮廓匹配程度的匹配值记为L3,表征连通区域94的外轮廓和连通区域31的外轮廓匹配程度的匹配值记为L4。
同理,将连通区域32的外轮廓确定为目标轮廓,图像处理设备可以对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域32的外轮廓进行匹配,得到表征连通区域91的外轮廓和连通区域32的外轮廓匹配程度的匹配值记为H1,表征连通区域92的外轮廓和连通区域32的外轮廓匹配程度的匹配值记为H2,表征连通区域93的外轮廓和连通区域32的外轮廓匹配程度的匹配值记为H3,表征连通区域94的外轮廓和连通区域32的外轮廓匹配程度的匹配值记为H4。
具体的,所述对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:采用至少一种轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
以连通区域31的外轮廓为例,图像处理设备可以采用至少一种轮廓匹配算法对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域31的外轮廓进行匹配。得到L1、L2、L3、L4。
所述采用至少一种轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:采用至少一种外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
以连通区域31的外轮廓为例,图像处理设备可以采用至少一种外轮廓匹配算法对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域31的外轮廓进行匹配。得到L1、L2、L3、L4。
所述采用至少一种外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:采用第一外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到所述第二连通区域的外轮廓与所述目标轮廓的第一匹配值;采用第二外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到所述第二连通区域的外轮廓与所述目标轮廓的第二匹配值;根据所述第一匹配值和所述第二匹配值,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
所述根据所述第一匹配值和所述第二匹配值,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:对所述第一匹配值和所述第二匹配值进行加权求和,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
可选的,所述第一外轮廓匹配算法包括Hu不变矩。
可选的,所述第二外轮廓匹配算法包括轮廓模板匹配。
以连通区域31的外轮廓为例,图像处理设备采用至少一种外轮廓匹配算法对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域31的外轮廓进行匹配,得到L1、L2、L3、L4的一种可实现方式是:
图像处理设备采用Hu不变矩对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域31的外轮廓进行匹配,依次得到连通区域91的外轮廓与连通区域31的外轮廓的匹配值L11、连通区域92的外轮廓与连通区域31的外轮廓的匹配值L21、连通区域93的外轮廓与连通区域31的外轮廓的匹配值L31、连通区域94的外轮廓与连通区域31的外轮廓的匹配值L41。
图像处理设备采用轮廓模板匹配算法对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域31的外轮廓进行匹配,依次得到连通区域91的外轮廓与连通区域31的外轮廓的匹配值L12、连通区域92的外轮廓与连通区域31的外轮廓的匹配值L22、连通区域93的外轮廓与连通区域31的外轮廓的匹配值L32、连通区域94的外轮廓与连通区域31的外轮廓的匹配值L42。
进一步的,图像处理设备将L11和L12进行加权求和得到L1,将L21和L22进行加权求和得到L2,将L31和L32进行加权求和得到L3,将L41和L42进行加权求和得到L4。
另外,图像处理设备采用至少一种外轮廓匹配算法对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域33的外轮廓进行匹配,得到H1、H2、H3、H4的过程与此类似,此处不再赘述。
此外,轮廓匹配算法不限于Hu不变矩、轮廓模板匹配,还可以包括其他的轮廓匹配算法,另外,也不限于采用两种不同的外轮廓匹配算法进行加权求和,还可以采用更多的其他的外轮廓匹配算法进行加权求和来计算匹配值。
步骤S1202、根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓。
可选的,匹配值越小,两个外轮廓越相似,可选的,在L1、L2、L3、L4中,L1最小,表示连通区域91的外轮廓与连通区域31的外轮廓最相似,则连通区域91的外轮廓可以是与连通区域31的外轮廓匹配的匹配轮廓。
在H1、H2、H3、H4中,H2最小,表示连通区域92的外轮廓与连通区域32的外轮廓最相似,则连通区域92的外轮廓可以是与连通区域32的外轮廓匹配的匹配轮廓。
本实施例通过对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,提高了轮廓匹配的精确度。
本发明实施例提供一种图像处理方法。在上述实施例的基础上,步骤S1201对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:对所述至少一个第二连通区域中每个第二连通区域的外轮廓与第一目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述第一目标轮廓匹配程度的第一匹配值;对所述至少一个第二连通区域中每个第二连通区域的外轮廓与第二目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述第二目标轮廓匹配程度的第二匹配值。
以图8和图9为例,将连通区域31的外轮廓确定为目标轮廓,图像处理设备可以对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域31的外轮廓进行匹配,得到表征连通区域91的外轮廓和连通区域31的外轮廓匹配程度的匹配值记为L1,表征连通区域92的外轮廓和连通区域31的外轮廓匹配程度的匹配值记为L2,表征连通区域93的外轮廓和连通区域31的外轮廓匹配程度的匹配值记为L3,表征连通区域94的外轮廓和连通区域31的外轮廓匹配程度的匹配值记为L4。
同理,将连通区域32的外轮廓确定为目标轮廓,图像处理设备可以对连通区域91的外轮廓、连通区域92的外轮廓、连通区域93的外轮廓、连通区域94的外轮廓分别与连通区域32的外轮廓进行匹配,得到表征连通区域91的外轮廓和连通区域32的外轮廓匹配程度的匹配值记为H1,表征连通区域92的外轮廓和连通区域32的外轮廓匹配程度的匹配值记为H2,表征连通区域93的外轮廓和连通区域32的外轮廓匹配程度的匹配值记为H3,表征连通区域94的外轮廓和连通区域32的外轮廓匹配程度的匹配值记为H4。
相应的,步骤S1202根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,包括:根据所述第一匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述第一目标轮廓匹配程度最大的第一轮廓;根据所述第二匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述第二目标轮廓匹配程度最大的第二轮廓;根据所述第一目标轮廓和所述第二目标轮廓的相对位置,以及所述第一轮廓和所述第二轮廓的相对位置,确定所述第一轮廓是否为与所述第一目标轮廓匹配的匹配轮廓,以及所述第二轮廓是否为与所述第二目标轮廓匹配的匹配轮廓。
可选的,匹配值越小,两个外轮廓越相似,可选的,在L1、L2、L3、L4中,L1最小,表示连通区域91的外轮廓与连通区域31的外轮廓最相似。在H1、H2、H3、H4中,H2最小,表示连通区域92的外轮廓与连通区域32的外轮廓最相似。
在本实施例中,图像处理设备还需要进一步的,确定图8中连通区域31的外轮廓和连通区域32的外轮廓的相对位置,以及确定图9中连通区域91的外轮廓和连通区域92的外轮廓的相对位置,检测连图9中通区域91的外轮廓和连通区域92的外轮廓的相对位置是否与图8中连通区域31的外轮廓和连通区域32的外轮廓的相对位置一致,如果一致,则图像处理设备确定连通区域91的外轮廓可以是与连通区域31的外轮廓匹配的匹配轮廓,连通区域92的外轮廓可以是与连通区域32的外轮廓匹配的匹配轮廓。如果不一致,则重新进行匹配。
本实施例通过根据所述第一目标轮廓和所述第二目标轮廓的相对位置,以及所述第一轮廓和所述第二轮廓的相对位置,确定所述第一轮廓是否为与所述第一目标轮廓匹配的匹配轮廓,以及所述第二轮廓是否为与所述第二目标轮廓匹配的匹配轮廓,进一步提高了轮廓匹配的精确度。
本发明实施例提供一种图像处理方法。在上述实施例的基础上,步骤S103根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置,包括:根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。以图8和图9为例,根据红外图像和可见光图像匹配的外轮廓,调整红外图像和可见光图像的相对位置的一种可实现方式是:根据连通区域31的外轮廓和与连通区域31的外轮廓匹配的连通区域91的外轮廓,调整红外图像和可见光图像的相对位置,以使连通区域31的外轮廓和连通区域91的外轮廓对齐。或/及根据连通区域32的外轮廓和与连通区域32的外轮廓匹配的连通区域92的外轮廓,调整红外图像和可见光图像的相对位置,以使连通区域32的外轮廓和连通区域92的外轮廓对齐。
可选的,所述根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐,包括如下几种可行的实现方式:
一种可行的实现方式是:根据所述目标轮廓上的预设点和所述匹配轮廓上的预设点,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。所述预设点包括特征点。
例如,选取连通区域31的外轮廓上的特征点和连通区域91的外轮廓的特征点,根据连通区域31的外轮廓上的特征点和连通区域91的外轮廓的特征点,调整红外图像和可见光图像的相对位置,以使连通区域31的外轮廓和连通区域91的外轮廓对齐。和/或选取连通区域32的外轮廓上的特征点和连通区域92的外轮廓的特征点,根据连通区域32的外轮廓上的特征点和连通区域92的外轮廓的特征点,调整红外图像和可见光图像的相对位置,以使连通区域32的外轮廓和连通区域92的外轮廓对齐。
另一种可行的实现方式是:确定所述目标轮廓的质心和所述匹配轮廓的质心;根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
例如,确定连通区域31的外轮廓的质心和连通区域91的质心,根据连通区域31的外轮廓的质心和连通区域91的质心,调整红外图像和可见光图像的相对位置,以使连通区域31的外轮廓和连通区域91的外轮廓对齐。和/或确定连通区域32的外轮廓的质心和连通区域92的质心,根据连通区域32的外轮廓的质心和连通区域92的质心,调整红外图像和可见光图像的相对位置,以使连通区域32的外轮廓和连通区域92的外轮廓对齐。
再一种可行的实现方式包括如下步骤:
步骤1、确定所述目标轮廓的质心和所述匹配轮廓的质心。
步骤2、根据所述目标轮廓的质心、所述匹配轮廓的质心、以及所述第一图像的大小,调整所述第二图像的大小,以使所述第二图像与所述第一图像的大小相等。
步骤3、根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和大小调整后的第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
再一种可行的实现方式包括如下步骤:
步骤1、确定所述目标轮廓的质心和所述匹配轮廓的质心。
步骤2、根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
步骤3、根据所述目标轮廓的质心、所述匹配轮廓的质心、以及所述第一图像的大小,调整所述第二图像的大小,以使所述第二图像与所述第一图像的大小相等。
本实施例通过根据所述目标轮廓上的预设点和所述匹配轮廓上的预设点,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐,或者,根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐,增加了目标轮廓和匹配轮廓对齐方式的灵活性。另外,实现了图像的自动对齐,无需人工手动调整图像之间的相对位置,提高了图像处理的效率。
本发明实施例提供一种图像处理设备。图13为本发明实施例提供的图像处理设备的结构图,如图13所示,图像处理设备130包括处理器131;处理器131用于:获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,所述第一图像和所述第二图像是同时拍摄的;通过对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,得到所述第一图像和所述第二图像之间匹配的轮廓信息;根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置,以对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息。
可选的,所述第一镜头包括热成像镜头,所述第二镜头包括可见光镜头。
可选的,所述第二镜头的视场角覆盖所述第一镜头的视场角。
可选的,所述第二镜头的焦距小于所述第一镜头的焦距。
可选的,所述第二镜头固定在镜头载体上,所述第一镜头通过弹性部件与所述镜头载体连接。
可选的,所述第一镜头固定在镜头载体上,所述第二镜头通过弹性部件与所述镜头载体连接。
可选的,所述第一镜头和所述第二镜头分别通过弹性部件与镜头载体连接。
可选的,所述第一镜头的中心和所述第二镜头的中心在同一条水平线。
可选的,所述第一镜头不出现在所述第二镜头的视野中,所述第二镜头不出现在所述第一镜头的视野中。
可选的,处理器131获取第一镜头拍摄的第一图像的轮廓信息时,具体用于:对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像;根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息。
可选的,处理器131对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像时,具体用于:对所述第一镜头拍摄的第一图像进行边缘提取,得到所述第一图像对应的边缘图像。
可选的,处理器131对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像时,具体用于:对所述第一镜头拍摄的第一图像进行边缘提取,得到边缘提取后的图像;对所述边缘提取后的图像进行形态学处理,以减少所述边缘提取后的图像中的次要特征,得到所述第一图像对应的边缘图像。
可选的,处理器131对所述第一镜头拍摄的第一图像进行边缘提取时,具体用于:将所述第一镜头拍摄的第一图像转换成灰度图;对所述灰度图进行边缘提取。
可选的,处理器131根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息时,具体用于:过滤所述第一图像对应的边缘图像中至少一个第一连通区域内的边缘信息,得到所述至少一个第一连通区域的外轮廓。
可选的,处理器131对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像之后,还用于:利用图像显著性算法计算所述第一镜头拍摄的第一图像对应的显著图像,所述显著图像包括至少一个显著的目标区域;相应的,处理器131根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息时,具体用于:根据所述第一图像对应的边缘图像和显著图像,确定所述第一图像的轮廓信息。
可选的,处理器131根据所述第一图像对应的边缘图像和显著图像,确定所述第一图像的轮廓信息时,具体用于:根据所述第一图像对应的边缘图像和显著图像中至少一个显著的目标区域,确定所述边缘图像中与所述至少一个显著的目标区域对应的至少一个第一连通区域;过滤所述至少一个第一连通区域内的边缘信息,得到所述至少一个第一连通区域的外轮廓。
可选的,处理器131对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配时,具体用于:对所述至少一个第一连通区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配。
可选的,处理器131对所述至少一个第一连通区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配时,具体用于:从所述至少一个第一连通区域的外轮廓中确定出至少一个目标轮廓;从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,所述目标轮廓和所述匹配轮廓一一对应。
可选的,处理器131获取第一镜头拍摄的第一图像的轮廓信息时,具体用于:
利用图像显著性算法计算所述第一镜头拍摄的第一图像对应的显著图像,所述显著图像包括至少一个显著的目标区域;根据所述显著图像中至少一个显著的目标区域,确定所述第一图像的轮廓信息。
可选的,处理器131根据所述显著图像中至少一个显著的目标区域,确定所述第一图像的轮廓信息时,具体用于:过滤所述显著图像中至少一个显著的目标区域内的像素点,得到所述至少一个显著的目标区域的外轮廓。
可选的,处理器131对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配时,具体用于:对所述至少一个显著的目标区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配。
可选的,处理器131对所述至少一个显著的目标区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配时,具体用于:从所述至少一个显著的目标区域的外轮廓中确定出至少一个目标轮廓;从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,所述目标轮廓和所述匹配轮廓一一对应。
可选的,所述至少一个目标轮廓的个数小于所述至少一个第二连通区域的外轮廓的个数。
可选的,处理器131从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓时,具体用于:对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值;根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓。
可选的,处理器131对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:采用至少一种轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
可选的,处理器131采用至少一种轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:采用至少一种外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
可选的,处理器131采用至少一种外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:采用第一外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到所述第二连通区域的外轮廓与所述目标轮廓的第一匹配值;采用第二外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到所述第二连通区域的外轮廓与所述目标轮廓的第二匹配值;根据所述第一匹配值和所述第二匹配值,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
可选的,处理器131根据所述第一匹配值和所述第二匹配值,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:对所述第一匹配值和所述第二匹配值进行加权求和,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
可选的,所述第一外轮廓匹配算法包括Hu不变矩。
可选的,所述第二外轮廓匹配算法包括轮廓模板匹配。
可选的,处理器131对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:对所述至少一个第二连通区域中每个第二连通区域的外轮廓与第一目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述第一目标轮廓匹配程度的第一匹配值;对所述至少一个第二连通区域中每个第二连通区域的外轮廓与第二目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述第二目标轮廓匹配程度的第二匹配值。
可选的,处理器131根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓时,具体用于:根据所述第一匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述第一目标轮廓匹配程度最大的第一轮廓;根据所述第二匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述第二目标轮廓匹配程度最大的第二轮廓;根据所述第一目标轮廓和所述第二目标轮廓的相对位置,以及所述第一轮廓和所述第二轮廓的相对位置,确定所述第一轮廓是否为与所述第一目标轮廓匹配的匹配轮廓,以及所述第二轮廓是否为与所述第二目标轮廓匹配的匹配轮廓。
可选的,处理器131根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置时,具体用于:根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
可选的,处理器131根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐时,具体用于:根据所述目标轮廓上的预设点和所述匹配轮廓上的预设点,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
可选的,所述预设点包括特征点。
可选的,处理器131根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐时,具体用于:确定所述目标轮廓的质心和所述匹配轮廓的质心;根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
可选的,处理器131确定所述目标轮廓的质心和所述匹配轮廓的质心之后,还用于:根据所述目标轮廓的质心、所述匹配轮廓的质心、以及所述第一图像的大小,调整所述第二图像的大小,以使所述第二图像与所述第一图像的大小相等;
相应的,处理器131根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置时,具体用于:根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和大小调整后的第二图像的相对位置。
可选的,处理器131根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐之后,还用于:根据所述目标轮廓的质心、所述匹配轮廓的质心、以及所述第一图像的大小,调整所述第二图像的大小,以使所述第二图像与所述第一图像的大小相等。
可选的,处理器131对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息时,具体用于:根据预设参数表征的边缘信息的强度,将所述强度的第二图像的边缘信息叠加在所述第一图像上,得到所述融合后的图像。
本发明实施例提供的图像处理设备的具体原理和实现方式均与上述实施例类似,此处不再赘述。
本实施例通过获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,第一图像和第二图像是同时拍摄的,并通过对第一图像的轮廓信息和第二图像的轮廓信息进行匹配,得到第一图像和第二图像之间匹配的轮廓信息,根据两者匹配的轮廓信息调节两者的相对位置,以实现对第一图像和第二图像进行图像融合,而不需要通过提取第一图像和第二图像的特征点来实现图像融合,解决了由于特征提取出现差错而导致图像融合后的画面质量差的问题。
本发明实施例提供一种拍摄设备。图14为本发明另一实施例提供的拍摄设备的结构图;如图14所述,拍摄设备140包括:第一镜头141和第二镜头142,以及上述实施例所述的图像处理设备130,图像处理设备130用于处理第一镜头141和第二镜头142获取的图像。
本发明实施例提供的图像处理设备130的具体原理和实现方式均与上述实施例类似,此处不再赘述。
本发明实施例提供一种地面站设备。图15为本发明另一实施例提供的地面站设备的结构图;如图15所述,地面站设备150包括:通讯接口151和上述实施例所述的图像处理设备130;其中,通讯接口151用于接收无人机发送的第一镜头拍摄的第一图像,以及第二镜头拍摄的第二图像,所述第一镜头和所述第二镜头搭载于所述无人机上。
本发明实施例提供的图像处理设备130的具体原理和实现方式均与上述实施例类似,此处不再赘述。
本发明实施例提供一种无人机。图16为本发明实施例提供的无人机的结构图,如图16所示,无人机100包括:机身、动力系统、飞行控制器118、拍摄设备104和上述实施例所述的图像处理设备130。
所述动力系统包括如下至少一种:电机107、螺旋桨106和电子调速器117,动力系统安装在所述机身,用于提供飞行动力。
飞行控制器118与所述动力系统通讯连接,用于控制所述无人机飞行。
拍摄设备104包括第一镜头1041和第二镜头1042。拍摄设备104通过支撑设备102搭载在机身上。支撑设备102具体可以是云台。
本发明实施例提供的图像处理设备130的具体原理和实现方式均与上述实施例类似,此处不再赘述。
在其他实施例中,如图17所示,无人机100还包括:传感系统108、通信系统110,其中,通信系统110具体可以包括接收机,接收机用于接收地面站设备112的天线114发送的无线信号,116表示接收机和天线114通信过程中产生的电磁波。通信系统110还用于将拍摄设备104的第一镜头1041拍摄的第一图像和第二镜头1042拍摄的第二图像发送给地面站设备112。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (82)
1.一种图像处理方法,其特征在于,包括:
获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,所述第一图像和所述第二图像是同时拍摄的;
通过对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,得到所述第一图像和所述第二图像之间匹配的轮廓信息;
根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置,以对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息。
2.根据权利要求1所述的方法,其特征在于,所述第一镜头包括热成像镜头,所述第二镜头包括可见光镜头。
3.根据权利要求1或2所述的方法,其特征在于,所述第二镜头的视场角覆盖所述第一镜头的视场角。
4.根据权利要求3所述的方法,其特征在于,所述第二镜头的焦距小于所述第一镜头的焦距。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述第二镜头固定在镜头载体上,所述第一镜头通过弹性部件与所述镜头载体连接。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述第一镜头固定在镜头载体上,所述第二镜头通过弹性部件与所述镜头载体连接。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述第一镜头和所述第二镜头分别通过弹性部件与镜头载体连接。
8.根据权利要求5-7任一项所述的方法,其特征在于,还包括:
通过调节所述弹性部件,以使所述第一镜头的中心和所述第二镜头的中心在同一条水平线。
9.根据权利要求8所述的方法,其特征在于,所述第一镜头不出现在所述第二镜头的视野中,所述第二镜头不出现在所述第一镜头的视野中。
10.根据权利要求1-9任一项所述的方法,其特征在于,所述获取第一镜头拍摄的第一图像的轮廓信息,包括:
对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像;
根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息。
11.根据权利要求10所述的方法,其特征在于,所述对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像,包括:
对所述第一镜头拍摄的第一图像进行边缘提取,得到所述第一图像对应的边缘图像。
12.根据权利要求10所述的方法,其特征在于,所述对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像,包括:
对所述第一镜头拍摄的第一图像进行边缘提取,得到边缘提取后的图像;
对所述边缘提取后的图像进行形态学处理,以减少所述边缘提取后的图像中的次要特征,得到所述第一图像对应的边缘图像。
13.根据权利要求11或12所述的方法,其特征在于,所述对所述第一镜头拍摄的第一图像进行边缘提取,包括:
将所述第一镜头拍摄的第一图像转换成灰度图;
对所述灰度图进行边缘提取。
14.根据权利要求10-13任一项所述的方法,其特征在于,所述根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息,包括:
过滤所述第一图像对应的边缘图像中至少一个第一连通区域内的边缘信息,得到所述至少一个第一连通区域的外轮廓。
15.根据权利要求10-13任一项所述的方法,其特征在于,所述对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像之后,还包括:
利用图像显著性算法计算所述第一镜头拍摄的第一图像对应的显著图像,所述显著图像包括至少一个显著的目标区域;
相应的,所述根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息,包括:
根据所述第一图像对应的边缘图像和显著图像,确定所述第一图像的轮廓信息。
16.根据权利要求15所述的方法,其特征在于,所述根据所述第一图像对应的边缘图像和显著图像,确定所述第一图像的轮廓信息,包括:
根据所述第一图像对应的边缘图像和显著图像中至少一个显著的目标区域,确定所述边缘图像中与所述至少一个显著的目标区域对应的至少一个第一连通区域;
过滤所述至少一个第一连通区域内的边缘信息,得到所述至少一个第一连通区域的外轮廓。
17.根据权利要求14或16所述的方法,其特征在于,所述对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,包括:
对所述至少一个第一连通区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配。
18.根据权利要求17所述的方法,其特征在于,所述对所述至少一个第一连通区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配,包括:
从所述至少一个第一连通区域的外轮廓中确定出至少一个目标轮廓;
从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,所述目标轮廓和所述匹配轮廓一一对应。
19.根据权利要求1-9任一项所述的方法,其特征在于,所述获取第一镜头拍摄的第一图像的轮廓信息,包括:
利用图像显著性算法计算所述第一镜头拍摄的第一图像对应的显著图像,所述显著图像包括至少一个显著的目标区域;
根据所述显著图像中至少一个显著的目标区域,确定所述第一图像的轮廓信息。
20.根据权利要求19所述的方法,其特征在于,所述根据所述显著图像中至少一个显著的目标区域,确定所述第一图像的轮廓信息,包括:
过滤所述显著图像中至少一个显著的目标区域内的像素点,得到所述至少一个显著的目标区域的外轮廓。
21.根据权利要求20所述的方法,其特征在于,所述对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,包括:
对所述至少一个显著的目标区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配。
22.根据权利要求21所述的方法,其特征在于,所述对所述至少一个显著的目标区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配,包括:
从所述至少一个显著的目标区域的外轮廓中确定出至少一个目标轮廓;
从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,所述目标轮廓和所述匹配轮廓一一对应。
23.根据权利要求18或22所述的方法,其特征在于,所述至少一个目标轮廓的个数小于所述至少一个第二连通区域的外轮廓的个数。
24.根据权利要求18或22所述的方法,其特征在于,所述从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,包括:
对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值;
根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓。
25.根据权利要求24所述的方法,其特征在于,所述对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:
采用至少一种轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
26.根据权利要求25所述的方法,其特征在于,所述采用至少一种轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:
采用至少一种外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
27.根据权利要求26所述的方法,其特征在于,所述采用至少一种外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:
采用第一外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到所述第二连通区域的外轮廓与所述目标轮廓的第一匹配值;
采用第二外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到所述第二连通区域的外轮廓与所述目标轮廓的第二匹配值;
根据所述第一匹配值和所述第二匹配值,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
28.根据权利要求27所述的方法,其特征在于,所述根据所述第一匹配值和所述第二匹配值,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:
对所述第一匹配值和所述第二匹配值进行加权求和,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
29.根据权利要求27或28所述的方法,其特征在于,所述第一外轮廓匹配算法包括Hu不变矩。
30.根据权利要求27或28所述的方法,其特征在于,所述第二外轮廓匹配算法包括轮廓模板匹配。
31.根据权利要求24任一项所述的方法,其特征在于,所述对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值,包括:
对所述至少一个第二连通区域中每个第二连通区域的外轮廓与第一目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述第一目标轮廓匹配程度的第一匹配值;
对所述至少一个第二连通区域中每个第二连通区域的外轮廓与第二目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述第二目标轮廓匹配程度的第二匹配值。
32.根据权利要求31所述的方法,其特征在于,所述根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,包括:
根据所述第一匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述第一目标轮廓匹配程度最大的第一轮廓;
根据所述第二匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述第二目标轮廓匹配程度最大的第二轮廓;
根据所述第一目标轮廓和所述第二目标轮廓的相对位置,以及所述第一轮廓和所述第二轮廓的相对位置,确定所述第一轮廓是否为与所述第一目标轮廓匹配的匹配轮廓,以及所述第二轮廓是否为与所述第二目标轮廓匹配的匹配轮廓。
33.根据权利要求18或22所述的方法,其特征在于,所述根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置,包括:
根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
34.根据权利要求33所述的方法,其特征在于,所述根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐,包括:
根据所述目标轮廓上的预设点和所述匹配轮廓上的预设点,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
35.根据权利要求34所述的方法,其特征在于,所述预设点包括特征点。
36.根据权利要求33所述的方法,其特征在于,所述根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐,包括:
确定所述目标轮廓的质心和所述匹配轮廓的质心;
根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
37.根据权利要求36所述的方法,其特征在于,所述确定所述目标轮廓的质心和所述匹配轮廓的质心之后,还包括:
根据所述目标轮廓的质心、所述匹配轮廓的质心、以及所述第一图像的大小,调整所述第二图像的大小,以使所述第二图像与所述第一图像的大小相等;
相应的,所述根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,包括:
根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和大小调整后的第二图像的相对位置。
38.根据权利要求36所述的方法,其特征在于,所述根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐之后,还包括:
根据所述目标轮廓的质心、所述匹配轮廓的质心、以及所述第一图像的大小,调整所述第二图像的大小,以使所述第二图像与所述第一图像的大小相等。
39.根据权利要求1-38任一项所述的方法,其特征在于,所述对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息,包括:
根据预设参数表征的边缘信息的强度,将所述强度的第二图像的边缘信息叠加在所述第一图像上,得到所述融合后的图像。
40.根据权利要求1-39任一项所述的方法,其特征在于,所述获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,包括:
接收无人机发送的第一镜头拍摄的第一图像,以及第二镜头拍摄的第二图像,所述第一镜头和所述第二镜头搭载于所述无人机上;
根据所述第一图像确定所述第一图像的轮廓信息,以及根据所述第二图像确定所述第二图像的轮廓信息。
41.一种图像处理设备,其特征在于,包括:处理器;
所述处理器用于:
获取第一镜头拍摄的第一图像的轮廓信息,以及第二镜头拍摄的第二图像的轮廓信息,所述第一图像和所述第二图像是同时拍摄的;
通过对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配,得到所述第一图像和所述第二图像之间匹配的轮廓信息;
根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置,以对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息。
42.根据权利要求41所述的图像处理设备,其特征在于,所述第一镜头包括热成像镜头,所述第二镜头包括可见光镜头。
43.根据权利要求41或42所述的图像处理设备,其特征在于,所述第二镜头的视场角覆盖所述第一镜头的视场角。
44.根据权利要求43所述的图像处理设备,其特征在于,所述第二镜头的焦距小于所述第一镜头的焦距。
45.根据权利要求41-44任一项所述的图像处理设备,其特征在于,所述第二镜头固定在镜头载体上,所述第一镜头通过弹性部件与所述镜头载体连接。
46.根据权利要求41-44任一项所述的图像处理设备,其特征在于,所述第一镜头固定在镜头载体上,所述第二镜头通过弹性部件与所述镜头载体连接。
47.根据权利要求41-44任一项所述的图像处理设备,其特征在于,所述第一镜头和所述第二镜头分别通过弹性部件与镜头载体连接。
48.根据权利要求45-47任一项所述的图像处理设备,其特征在于,所述第一镜头的中心和所述第二镜头的中心在同一条水平线。
49.根据权利要求48所述的图像处理设备,其特征在于,所述第一镜头不出现在所述第二镜头的视野中,所述第二镜头不出现在所述第一镜头的视野中。
50.根据权利要求41-49任一项所述的图像处理设备,其特征在于,所述处理器获取第一镜头拍摄的第一图像的轮廓信息时,具体用于:
对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像;
根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息。
51.根据权利要求50所述的图像处理设备,其特征在于,所述处理器对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像时,具体用于:
对所述第一镜头拍摄的第一图像进行边缘提取,得到所述第一图像对应的边缘图像。
52.根据权利要求50所述的图像处理设备,其特征在于,所述处理器对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像时,具体用于:
对所述第一镜头拍摄的第一图像进行边缘提取,得到边缘提取后的图像;
对所述边缘提取后的图像进行形态学处理,以减少所述边缘提取后的图像中的次要特征,得到所述第一图像对应的边缘图像。
53.根据权利要求51或52所述的图像处理设备,其特征在于,所述处理器对所述第一镜头拍摄的第一图像进行边缘提取时,具体用于:
将所述第一镜头拍摄的第一图像转换成灰度图;
对所述灰度图进行边缘提取。
54.根据权利要求50-53任一项所述的图像处理设备,其特征在于,所述处理器根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息时,具体用于:
过滤所述第一图像对应的边缘图像中至少一个第一连通区域内的边缘信息,得到所述至少一个第一连通区域的外轮廓。
55.根据权利要求50-53任一项所述的图像处理设备,其特征在于,所述处理器对所述第一镜头拍摄的第一图像进行图像处理,得到所述第一图像对应的边缘图像之后,还用于:
利用图像显著性算法计算所述第一镜头拍摄的第一图像对应的显著图像,所述显著图像包括至少一个显著的目标区域;
相应的,所述处理器根据所述第一图像对应的边缘图像,确定所述第一图像的轮廓信息时,具体用于:
根据所述第一图像对应的边缘图像和显著图像,确定所述第一图像的轮廓信息。
56.根据权利要求55所述的图像处理设备,其特征在于,所述处理器根据所述第一图像对应的边缘图像和显著图像,确定所述第一图像的轮廓信息时,具体用于:
根据所述第一图像对应的边缘图像和显著图像中至少一个显著的目标区域,确定所述边缘图像中与所述至少一个显著的目标区域对应的至少一个第一连通区域;
过滤所述至少一个第一连通区域内的边缘信息,得到所述至少一个第一连通区域的外轮廓。
57.根据权利要求54或56所述的图像处理设备,其特征在于,所述处理器对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配时,具体用于:
对所述至少一个第一连通区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配。
58.根据权利要求57所述的图像处理设备,其特征在于,所述处理器对所述至少一个第一连通区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配时,具体用于:
从所述至少一个第一连通区域的外轮廓中确定出至少一个目标轮廓;
从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,所述目标轮廓和所述匹配轮廓一一对应。
59.根据权利要求41-49任一项所述的图像处理设备,其特征在于,所述处理器获取第一镜头拍摄的第一图像的轮廓信息时,具体用于:
利用图像显著性算法计算所述第一镜头拍摄的第一图像对应的显著图像,所述显著图像包括至少一个显著的目标区域;
根据所述显著图像中至少一个显著的目标区域,确定所述第一图像的轮廓信息。
60.根据权利要求59所述的图像处理设备,其特征在于,所述处理器根据所述显著图像中至少一个显著的目标区域,确定所述第一图像的轮廓信息时,具体用于:
过滤所述显著图像中至少一个显著的目标区域内的像素点,得到所述至少一个显著的目标区域的外轮廓。
61.根据权利要求60所述的图像处理设备,其特征在于,所述处理器对所述第一图像的轮廓信息和所述第二图像的轮廓信息进行匹配时,具体用于:
对所述至少一个显著的目标区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配。
62.根据权利要求61所述的图像处理设备,其特征在于,所述处理器对所述至少一个显著的目标区域的外轮廓和所述第二图像的边缘图像中至少一个第二连通区域的外轮廓进行匹配时,具体用于:
从所述至少一个显著的目标区域的外轮廓中确定出至少一个目标轮廓;
从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓,所述目标轮廓和所述匹配轮廓一一对应。
63.根据权利要求58或62所述的图像处理设备,其特征在于,所述至少一个目标轮廓的个数小于所述至少一个第二连通区域的外轮廓的个数。
64.根据权利要求58或62所述的图像处理设备,其特征在于,所述处理器从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓时,具体用于:
对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值;
根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓。
65.根据权利要求64所述的图像处理设备,其特征在于,所述处理器对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:
采用至少一种轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
66.根据权利要求65所述的图像处理设备,其特征在于,所述处理器采用至少一种轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:
采用至少一种外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
67.根据权利要求66所述的图像处理设备,其特征在于,所述处理器采用至少一种外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:
采用第一外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到所述第二连通区域的外轮廓与所述目标轮廓的第一匹配值;
采用第二外轮廓匹配算法对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到所述第二连通区域的外轮廓与所述目标轮廓的第二匹配值;
根据所述第一匹配值和所述第二匹配值,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
68.根据权利要求67所述的图像处理设备,其特征在于,所述处理器根据所述第一匹配值和所述第二匹配值,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:
对所述第一匹配值和所述第二匹配值进行加权求和,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值。
69.根据权利要求67或68所述的图像处理设备,其特征在于,所述第一外轮廓匹配算法包括Hu不变矩。
70.根据权利要求67或68所述的图像处理设备,其特征在于,所述第二外轮廓匹配算法包括轮廓模板匹配。
71.根据权利要求64任一项所述的图像处理设备,其特征在于,所述处理器对所述至少一个第二连通区域中每个第二连通区域的外轮廓与所述至少一个目标轮廓中每个目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述目标轮廓匹配程度的匹配值时,具体用于:
对所述至少一个第二连通区域中每个第二连通区域的外轮廓与第一目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述第一目标轮廓匹配程度的第一匹配值;
对所述至少一个第二连通区域中每个第二连通区域的外轮廓与第二目标轮廓进行匹配,得到表征所述第二连通区域的外轮廓与所述第二目标轮廓匹配程度的第二匹配值。
72.根据权利要求71所述的图像处理设备,其特征在于,所述处理器根据所述匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述至少一个目标轮廓中每个目标轮廓匹配的匹配轮廓时,具体用于:
根据所述第一匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述第一目标轮廓匹配程度最大的第一轮廓;
根据所述第二匹配值,从所述至少一个第二连通区域的外轮廓中确定出与所述第二目标轮廓匹配程度最大的第二轮廓;
根据所述第一目标轮廓和所述第二目标轮廓的相对位置,以及所述第一轮廓和所述第二轮廓的相对位置,确定所述第一轮廓是否为与所述第一目标轮廓匹配的匹配轮廓,以及所述第二轮廓是否为与所述第二目标轮廓匹配的匹配轮廓。
73.根据权利要求58或62所述的图像处理设备,其特征在于,所述处理器根据所述第一图像和所述第二图像之间匹配的轮廓信息,调整所述第一图像和所述第二图像的相对位置时,具体用于:
根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
74.根据权利要求73所述的图像处理设备,其特征在于,所述处理器根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐时,具体用于:
根据所述目标轮廓上的预设点和所述匹配轮廓上的预设点,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
75.根据权利要求74所述的图像处理设备,其特征在于,所述预设点包括特征点。
76.根据权利要求73所述的图像处理设备,其特征在于,所述处理器根据所述目标轮廓和所述匹配轮廓,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐时,具体用于:
确定所述目标轮廓的质心和所述匹配轮廓的质心;
根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐。
77.根据权利要求76所述的图像处理设备,其特征在于,所述处理器确定所述目标轮廓的质心和所述匹配轮廓的质心之后,还用于:
根据所述目标轮廓的质心、所述匹配轮廓的质心、以及所述第一图像的大小,调整所述第二图像的大小,以使所述第二图像与所述第一图像的大小相等;
相应的,所述处理器根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置时,具体用于:
根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和大小调整后的第二图像的相对位置。
78.根据权利要求76所述的图像处理设备,其特征在于,所述处理器根据所述目标轮廓的质心和所述匹配轮廓的质心,调整所述第一图像和所述第二图像的相对位置,以使所述目标轮廓和所述匹配轮廓对齐之后,还用于:
根据所述目标轮廓的质心、所述匹配轮廓的质心、以及所述第一图像的大小,调整所述第二图像的大小,以使所述第二图像与所述第一图像的大小相等。
79.根据权利要求41-78任一项所述的图像处理设备,其特征在于,所述处理器对所述第一图像和所述第二图像进行图像融合,融合后的图像包括所述第一图像和所述第二图像的边缘信息时,具体用于:
根据预设参数表征的边缘信息的强度,将所述强度的第二图像的边缘信息叠加在所述第一图像上,得到所述融合后的图像。
80.一种拍摄设备,包括第一镜头和第二镜头,所述拍摄设备还包括如权利要求41-79任一项所述的图像处理设备,所述图像处理设备用于处理所述第一镜头和第二镜头获取的图像。
81.一种地面站设备,其特征在于,包括:通讯接口以及如权利要求41-79任一项所述的图像处理设备;
所述通讯接口用于接收无人机发送的第一镜头拍摄的第一图像,以及第二镜头拍摄的第二图像,所述第一镜头和所述第二镜头搭载于所述无人机上。
82.一种无人机,其特征在于,包括:
机身;
动力系统,安装在所述机身,用于提供飞行动力;
飞行控制器,与所述动力系统通讯连接,用于控制所述无人机飞行;
拍摄设备,所述拍摄设备至少包括第一镜头和第二镜头;
以及如权利要求41-79任一项所述的图像处理设备。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/108757 WO2019084825A1 (zh) | 2017-10-31 | 2017-10-31 | 图像处理方法、设备及无人机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109196551A true CN109196551A (zh) | 2019-01-11 |
CN109196551B CN109196551B (zh) | 2021-08-27 |
Family
ID=64948916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780028239.1A Expired - Fee Related CN109196551B (zh) | 2017-10-31 | 2017-10-31 | 图像处理方法、设备及无人机 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200143549A1 (zh) |
CN (1) | CN109196551B (zh) |
WO (1) | WO2019084825A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110519540A (zh) * | 2019-08-29 | 2019-11-29 | 深圳市道通智能航空技术有限公司 | 一种图像处理方法、装置、设备及存储介质 |
CN111464734A (zh) * | 2019-01-18 | 2020-07-28 | 北京小米移动软件有限公司 | 处理图像数据的方法及装置 |
CN112648935A (zh) * | 2020-12-14 | 2021-04-13 | 杭州思锐迪科技有限公司 | 一种图像处理方法、装置和三维扫描系统 |
CN113298743A (zh) * | 2021-06-03 | 2021-08-24 | Oppo广东移动通信有限公司 | 图像输出方法、图像输出装置、电子设备及可读存储介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739046A (zh) * | 2020-06-19 | 2020-10-02 | 百度在线网络技术(北京)有限公司 | 用于模型更新和检测图像的方法、装置、设备和介质 |
WO2022019710A1 (en) * | 2020-07-23 | 2022-01-27 | Samsung Electronics Co., Ltd. | Method and electronic device for determining boundary of region of interest |
KR20220159829A (ko) * | 2021-05-26 | 2022-12-05 | 삼성전자주식회사 | 넓은 색역의 영상을 제공하는 영상 획득 장치 및 이를 포함하는 전자 장치 |
TWI835320B (zh) * | 2022-09-29 | 2024-03-11 | 國立政治大學 | 地面特徵影像定位及校正之無人機視覺導航系統及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714548A (zh) * | 2013-12-27 | 2014-04-09 | 西安电子科技大学 | 基于视觉注意的红外图像与可见光图像配准方法 |
CN103778618A (zh) * | 2013-11-04 | 2014-05-07 | 国家电网公司 | 一种可见光图像和红外图像的融合方法 |
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
US20150146267A1 (en) * | 2013-11-25 | 2015-05-28 | Blink Technologies, Inc. | Systems and methods for enhanced object detection |
CN107240094A (zh) * | 2017-05-19 | 2017-10-10 | 同济大学 | 一种用于电气设备在线检测的可见光和红外图像重构方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960202B (zh) * | 2017-04-11 | 2020-05-19 | 湖南灵想科技股份有限公司 | 一种基于可见光与红外图像融合的笑脸识别方法 |
-
2017
- 2017-10-31 WO PCT/CN2017/108757 patent/WO2019084825A1/zh active Application Filing
- 2017-10-31 CN CN201780028239.1A patent/CN109196551B/zh not_active Expired - Fee Related
-
2019
- 2019-12-27 US US16/728,288 patent/US20200143549A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778618A (zh) * | 2013-11-04 | 2014-05-07 | 国家电网公司 | 一种可见光图像和红外图像的融合方法 |
US20150146267A1 (en) * | 2013-11-25 | 2015-05-28 | Blink Technologies, Inc. | Systems and methods for enhanced object detection |
CN103714548A (zh) * | 2013-12-27 | 2014-04-09 | 西安电子科技大学 | 基于视觉注意的红外图像与可见光图像配准方法 |
CN104268853A (zh) * | 2014-03-06 | 2015-01-07 | 上海大学 | 一种红外图像与可见光图像配准方法 |
CN107240094A (zh) * | 2017-05-19 | 2017-10-10 | 同济大学 | 一种用于电气设备在线检测的可见光和红外图像重构方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111464734A (zh) * | 2019-01-18 | 2020-07-28 | 北京小米移动软件有限公司 | 处理图像数据的方法及装置 |
CN111464734B (zh) * | 2019-01-18 | 2021-09-21 | 北京小米移动软件有限公司 | 处理图像数据的方法及装置 |
CN110519540A (zh) * | 2019-08-29 | 2019-11-29 | 深圳市道通智能航空技术有限公司 | 一种图像处理方法、装置、设备及存储介质 |
CN112648935A (zh) * | 2020-12-14 | 2021-04-13 | 杭州思锐迪科技有限公司 | 一种图像处理方法、装置和三维扫描系统 |
CN113298743A (zh) * | 2021-06-03 | 2021-08-24 | Oppo广东移动通信有限公司 | 图像输出方法、图像输出装置、电子设备及可读存储介质 |
CN113298743B (zh) * | 2021-06-03 | 2023-10-31 | Oppo广东移动通信有限公司 | 图像输出方法、图像输出装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019084825A1 (zh) | 2019-05-09 |
US20200143549A1 (en) | 2020-05-07 |
CN109196551B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109196551A (zh) | 图像处理方法、设备及无人机 | |
US10871258B2 (en) | Method and system for controlling gimbal | |
CN110494360B (zh) | 用于提供自主摄影及摄像的系统和方法 | |
CN108702444B (zh) | 一种图像处理方法、无人机及系统 | |
US9182228B2 (en) | Multi-lens array system and method | |
CN109241820B (zh) | 基于空间探索的无人机自主拍摄方法 | |
WO2020014987A1 (zh) | 移动机器人的控制方法、装置、设备及存储介质 | |
CN105979147A (zh) | 一种无人机智能拍摄方法 | |
CN106970748A (zh) | 基于环境光颜色自动调节车载hud显示颜色的方法和系统 | |
CN108521808A (zh) | 一种障碍信息显示方法、显示装置、无人机及系统 | |
CN204527663U (zh) | 一种无人驾驶飞行器 | |
WO2019100219A1 (zh) | 输出影像生成方法、设备及无人机 | |
CN106899798A (zh) | 自拍无人飞机系统及其执行方法 | |
CN108513641A (zh) | 无人机拍摄控制方法、无人机拍摄方法、控制终端、无人机控制装置和无人机 | |
CN110337668B (zh) | 图像增稳方法和装置 | |
CN105847682A (zh) | 全景图像的拍摄方法、装置及系统 | |
CN110291482A (zh) | 返航控制方法、装置及设备 | |
CN107633497A (zh) | 一种图像景深渲染方法、系统及终端 | |
CN108282650A (zh) | 一种裸眼立体显示方法、装置、系统及存储介质 | |
CN108646776A (zh) | 一种基于无人机的成像系统和方法 | |
WO2020243256A1 (en) | System and method for navigation and geolocation in gps-denied environments | |
CN110445966A (zh) | 一种全景相机视频拍摄方法、装置、电子设备及存储介质 | |
WO2020000386A1 (zh) | 一种飞行控制方法、设备、系统及存储介质 | |
WO2021026782A1 (zh) | 手持云台的控制方法、控制装置、手持云台及存储介质 | |
CN109842740A (zh) | 全景摄像机、图像处理系统及图像处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210827 |