CN109446896A - 基于图像处理的无人机信号识别检测算法 - Google Patents

Abstract

本发明提供基于图像处理的无人机信号识别检测算法，包括以下步骤：采集周围环境噪声以及多帧无线电信号，将采集到的无线电信号进行去噪处理，得到其三维频谱图；对去噪后的无线电信号进行均值滤波，得到均值滤波频谱图，对其进行直线检测，若检测到无人机信号，则通过无人机信号像素点横坐标确定无人机信号所对应的频段；截取无线电信号三维频谱图中无人机信号所对应部分，然后对所截取图像进行形态学处理，获取无人机信号对应区域重心，从而得到无人机信号强度值。本发明通过采集无人机无线链路特征进行检测，相比传统利用无人机目标反射面的有源雷达、基于无人机目标图像特征的光电系统等，硬件设备更为简单，无线链路信号谱更易于检测与识别。

Description

基于图像处理的无人机信号识别检测算法

技术领域

本发明属于无人机技术领域，具体涉及基于图像处理的无人机信号识别检测算法。

背景技术

科技进步促使无人机价格下降，无人机用户随之增多，全球无人机市场将在接下来十年平均每年成长40亿美元，达到930亿美元的规模，由此引发的安全问题也越来越不容忽视。2017年，全国范围内发生了多起无人机“黑飞”事件，国际上也发生了无人机入侵军事驻地的事件。无人机进入机场附近敏感区域、严重威胁航班起降安全，各地方机场都发布了禁飞令。在政策监管的同时，众多企业也在通过技术手段减少无人机“黑飞”带来的负面影响。

对无人机信号实现精确识别与检测，是监测和打击“黑飞”无人机的前提。无人机采用跳频通信系统，可以考虑把传统的跳频信号检测方法应用于无人机信号的检测中。现有的跳频信号检测技术主要包括基于功率谱对消法、多跳自相关法以及多窗口重叠谱图法等，这些方法为非盲检测算法，需要一定的先验知识，在实际应用中使用局限太大。近年来，越来越多的基于图像处理的跳频信号盲检测算法逐渐被提出。目前基于图像处理类的跳频信号检测算法只针对于一般的跳频信号，并没有专门针对无人机信号的检测算法。

发明内容

本发明的目的是提供基于图像处理的无人机信号识别检测算法，通过采集无人机无线链路特征进行检测，提高无人机信号识别率。

本发明提供了如下的技术方案：

基于图像处理的无人机信号识别检测算法，包括以下步骤：

S1：采集周围环境噪声以及多帧无线电信号，将采集到的无线电信号进行去噪处理，得到其三维频谱图；

S2：对去噪后的无线电信号进行均值滤波，得到均值滤波频谱图，对其进行直线检测，若检测到无人机信号，则通过无人机信号像素点横坐标确定无人机信号所对应的频段；

S3：截取无线电信号三维频谱图中无人机信号所对应部分，然后对所截取图像进行形态学处理，获取无人机信号对应区域重心，从而得到无人机信号强度值。

优选的，所述步骤S2中的直线检测算法包括以下步骤：

S21：根据计算采集到的多帧数据平均值，得到其均值滤波频谱图；

S22：采用霍夫变换检测频谱图中是否含有代表无人机方波信号的直线，设定合理阈值排除噪声信号，从而准确检测出无人机信号；

S23：根据得到的无人机信号像素点横坐标，可以计算出无人机信号对应频段。

优选的，所述步骤S3包括以下步骤：

S31：若步骤S2结果为检测到无人机信号，则截取无人机信号所对应频段三维频谱图，然后对所截取图像进行二值化、开操作形态学处理，得到其连通区域；

S32：根据连通区域属性设定判别条件，舍弃面积过小的连通区域，提取保留下的连通区域重心，得到无人机信号对应区域重心，根据重心坐标，得到无人机信号强度值。

优选的，所述步骤S31包括以下步骤：

S311：对图像进行二值化：通过选取适当的阈值，将图像上的像素点的灰度值设置为0或255，使整个图像呈现出黑白的效果；

S312：对二值图像进行开操作，即先腐蚀运算再膨胀运算；

S313：对经过开操作的图像进行连通区域提取，得到其连通区域。

本发明的有益效果是：本发明利用无人机信号在图像方面的显著特征，使无人机信号变得易于检测与识别；本发明提出了基于图像处理的无人机信号检测识别算法，将信号处理与图像处理相结合，根据无人机信号区别与其他无线电信号的显著特征，从而提高无人机信号识别率：实测的识别结果表明，在进行图像处理时，采用合适阈值，无人机信号的识别率可达到95％以上。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的算法流程图；

图2是无线电信号三维频谱图；

图3是无线电信号均值滤波频谱图；

图4是公式(1)图形表示图；

图5是无人机信号霍夫直线检测结果示意图；

图6是无人机信号频谱图二值化、开操作结果示意图；

图7是4邻接连通区域提取示意图；

图8是8邻接连通区域提取示意图；

图9是无人机信号频谱图连通区域重心检测结果示意图。

具体实施方式

以2.4G频段无人机无线电信号为例，根据算法步骤流程，对无人机的无线电信号进行检测识别。

图1为本发明的算法流程图，本发明基于图像处理的无人机信号检测算法，通过无人机信号在图像方面的显著特征达到识别无人机信号的目的。

根据图1所示流程，本发明主要包含以下三个步骤：

S1：首先，采集周围环境噪声以及多帧无线电信号，将采集到的无线电信号进行去噪处理，得到其三维频谱图，图2为无线电信号三维频谱图，其中包含无人机信号；

S2：对去噪后的无线电信号进行均值滤波，得到均值滤波频谱图，对其进行直线检测，若检测到无人机信号，则可通过无人机信号像素点横坐标确定无人机信号所对应的频段；

S3：根据步骤S2中得到的无人机信号横坐标，截取图1中无人机信号所对应部分，然后对其进行形态学处理，获取无人机信号对应区域重心，从而得到无人机信号强度值。

具体的，步骤S2中的直线检测算法为：

S21：计算采集到的多帧数据平均值，得到均值滤波频谱图，图3为无线电信号均值滤波频谱图，其中包含无人机信号；

S22：采用霍夫变换(Hough transform)检测图3中是否含有代表无人机方波信号的直线，设定合理阈值排除噪声信号，从而准确检测出无人机信号；

步骤S22具体为：首先，对于处理一般图像，需要对图像进行边缘检测和二值化处理，霍夫变换的输入是黑白二值图像。

一条直线在图像中是一系列离散点的集合，通过一个直线的离散极坐标公式，可以表达出直线的离散点几何等式如下：

x*cos(theta)+y*sin(theta)＝r(1)

其中角度theta指r与X轴之间的夹角，r为到直线几何垂直距离。任何在直线上点，x,y都可以表达，其中r，theta是常量,该公式图形表示如图3所示；

然而图像处理领域，图像的像素坐标P(x,y)是已知的，而r,theta则是我们要寻找的变量。如果我们能根据像素坐标P(x,y)值绘制每个(r,theta)值的话，那么就从图像笛卡尔坐标系统转换到极坐标霍夫空间系统，这种从点到曲线的变换称为直线的霍夫变换。变换通过量化霍夫参数空间为有限个值间隔等分或者累加格子。当霍夫变换算法开始，每个像素坐标点P(x,y)被转换到(r,theta)的曲线点上面，累加到对应的格子数据点，当一个波峰出现时候，说明有直线存在。

图5为对图3所示均值滤波频谱图进行霍夫直线检测后结果，经过设置直线斜率、两直线距离等阈值，可以准确检测到无人机信号；

S23：根据得到的无人机信号像素点横坐标，可以计算出无人机信号对应频段。

具体的，步骤S3的具体操作步骤为：

S31：截取图1中无人机信号所对应频段三维频谱图，然后对所截取图像进行二值化、开操作等形态学处理，得到其连通区域；

步骤S31具体为：

首先，对图像进行二值化：通过选取适当的阈值，将图像上的像素点的灰度值设置为0或255(黑为0，白为255)，使整个图像呈现出黑白的效果。一般先将图像灰度化，再将灰度图像二值化，然后进行其他处理。

其次，对二值图像进行开操作：在图像处理领域，数学形态学有2个基本的运算，即腐蚀和膨胀。膨胀在数学形态学中的作用是把图像周围的背景点合并到物体中；腐蚀在数学形态学运算中的作用是消除物体边界点，它可以把小于结构元素的物体去除，选取不同大小的结构元素可以去掉不同大小的物体。

膨胀的运算符为A用B来膨胀，写作定义为：

腐蚀的运算符为Θ，A用B来腐蚀，写作AΘB，定义为：

开运算就是先腐蚀再膨胀。用结构元B对图像A进行开操作表示为A°B，用集合运算定义如下：

最后，进行连通区域提取：在图像中，最小的单位是像素，每个像素周围有8个邻接像素。常见的邻接关系有两种：4邻接和8邻接，4邻接的一共有4个点，即上下左右，如图7所示；8邻接的一共有8个点，包括了对角线，如图8所示。本算法选取8邻接关系。

如果像素A与B邻接，那么我们称A与B连通。从视觉上来看，彼此连通的点形成了一个区域，而不连通的点形成了不同的区域，这样一个所有彼此连通的点构成的集合，我们称为一个连通区域。

图6为截取无人机信号三维频谱图并对其进行二值化、开操作等数学形态学处理结果示意图；

S32：根据连通区域属性设定判别条件，舍弃面积过小的连通区域，提取保留下的连通区域重心，得到无人机信号对应区域重心，根据重心坐标，得到无人机信号强度值，图9为对连通区域重心进行提取的结果，虚线框中标示的为连通区域。

本发明通过采集无人机无线链路特征进行检测，相比传统利用无人机目标反射面的有源雷达、基于无人机目标图像特征的光电系统等，硬件设备更为简单，无线链路信号谱更易于检测与识别。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.基于图像处理的无人机信号识别检测算法，其特征在于，包括以下步骤：

S1：采集周围环境噪声以及多帧无线电信号，将采集到的无线电信号进行去噪处理，得到其三维频谱图；

S2：对去噪后的无线电信号进行均值滤波，得到均值滤波频谱图，对其进行直线检测，若检测到无人机信号，则通过无人机信号像素点横坐标确定无人机信号所对应的频段；

S3：截取无线电信号三维频谱图中无人机信号所对应部分，然后对所截取图像进行形态学处理，获取无人机信号对应区域重心，从而得到无人机信号强度值。

2.根据权利要求1所述的基于图像处理的无人机信号识别检测算法，其特征在于，所述步骤S2中的直线检测算法包括以下步骤：

S21：根据计算采集到的多帧数据平均值，得到其均值滤波频谱图；

S22：采用霍夫变换检测频谱图中是否含有代表无人机方波信号的直线，设定合理阈值排除噪声信号，从而准确检测出无人机信号；

S23：根据得到的无人机信号像素点横坐标，可以计算出无人机信号对应频段。

3.根据权利要求1所述的基于图像处理的无人机信号识别检测算法，其特征在于，所述步骤S3包括以下步骤：

S31：若步骤S2结果为检测到无人机信号，则截取无人机信号所对应频段三维频谱图，然后对所截取图像进行二值化、开操作形态学处理，得到其连通区域；

S32：根据连通区域属性设定判别条件，舍弃面积过小的连通区域，提取保留下的连通区域重心，得到无人机信号对应区域重心，根据重心坐标，得到无人机信号强度值。

4.根据权利要求3所述的基于图像处理的无人机信号识别检测算法，其特征在于，所述步骤S31包括以下步骤：

S311：对图像进行二值化：通过选取适当的阈值，将图像上的像素点的灰度值设置为0或255，使整个图像呈现出黑白的效果；

S312：对二值图像进行开操作，即先腐蚀运算再膨胀运算；

S313：对经过开操作的图像进行连通区域提取，得到其连通区域。