CN109714530B - 一种航空相机图像调焦方法 - Google Patents
一种航空相机图像调焦方法 Download PDFInfo
- Publication number
- CN109714530B CN109714530B CN201811595981.3A CN201811595981A CN109714530B CN 109714530 B CN109714530 B CN 109714530B CN 201811595981 A CN201811595981 A CN 201811595981A CN 109714530 B CN109714530 B CN 109714530B
- Authority
- CN
- China
- Prior art keywords
- image
- image quality
- images
- aerial camera
- quality parameter
- 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.)
- Active
Links
Images
Landscapes
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种航空相机图像调焦方法,其包括:针对航空相机连续相邻两次摆扫获取的不同焦距下的两幅图像分别进行特征点提取,根据所提取的特征点查找两幅图像中的相同区域;分别对所述两幅图像的相同区域进行图像质量评价,确定更优的图像质量参数;根据更优的图像质量参数调整所述航空相机的调焦策略。该方法基于图像质量评价自动进行调焦,可用于往复扫摆成像的航空相机,通过自动获取两幅图像中的相同区域找到图像质量评价的基准图像,并通过图像质量评价判断当前图像质量参数是否更优,调整调焦策略,解决了航空相机在飞行过程中无法找到两幅相同的图像进行图像质量评价的问题。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种航空相机图像调焦方法。
背景技术
在一个成像系统中,需要解决的基本问题中排在首位的是光学镜头的焦距对准,光学镜头的焦距对准的最终结果将直接决定最后成像的图像质量及后续图像应用的有效性,调焦已成为成像系统的重要功能。目前推扫式遥感相机是在运动中完成对地面成像,其成像景物是不断变化的,遥感相机对地面进行观察时没有基于地面场景图像自动调焦,导致图像不清晰。基于图像的自动调焦过程关键是实现基于图像的检焦过程,但目前存在航空相机在飞行过程中无法找到两幅相同的图像进行图像质量评价的问题。
鉴于此,克服以上现有技术中的缺陷,提供一种新的航空相机图像调焦方法成为本领域亟待解决的技术问题。
发明内容
本发明的目的在于针对现有技术的上述缺陷,提供一种航空相机图像调焦方法。
本发明的目的可通过以下的技术措施来实现:
本发明提供了一种航空相机图像调焦方法,该方法包括:
针对航空相机连续相邻两次摆扫获取的不同焦距下的两幅图像分别进行特征点提取,根据所提取的特征点查找两幅图像中的相同区域;
分别对所述两幅图像的相同区域进行图像质量评价,确定更优的图像质量参数;
根据更优的图像质量参数调整所述航空相机的调焦策略。
优选地,所述“针对航空相机连续相邻两次摆扫获取的不同焦距下的两幅图像分别进行特征点提取,根据所提取的特征点查找两幅图像中的相同区域”的步骤包括:
针对航空相机连续相邻两次摆扫获取不同焦距下的两幅图像;
分别对所述两幅图像进行特征点检测;
分别对所述两幅图像进行特征点描述;
根据所述特征点检测与所述特征点描述的结果将两幅图像具有相同特性的特征点进行匹配,获取两幅图像中的相同区域。
优选地,所述特征点检测采用FAST角点检测子,所述FAST角点检测子具有方向信息。
优选地,所述特征点描述采用BRIEF特征描述子。
优选地,所述特征点检测与特征点描述采用ORB算法。
优选地,所述“分别对所述两幅图像的相同区域进行图像质量评价”的步骤包括:
分别对两幅图像中的相同区域进行图像边缘检测;
分别对两幅图像中的相同区域进行纹理复杂度计算。
优选地,所述图像边缘检测采用SOBEL算子,所述SOBEL算子为对梯度像素平方和的累加。
优选地,所述纹理复杂度为图像的灰度级直方图的二阶矩,计算公式如下:
其中,μ2(z)表示纹理复杂度量化指标数,z表示灰度,p(zi)为相应的直方图,i是图像灰度级数,zi是第i级像素的灰度值,L是不同灰度级的数量,m是z的均值,其中,z表示灰度,p(zi)为相应的直方图,i是图像灰度级数,zi是第i级像素的灰度值,L是不同灰度级的数量。
优选地,该方法还包括:
对调焦后的图像进行图像质量评价,判断当前图像质量参数是否达到预设定标准;
若否,对比当前图像质量参数与上一次图像质量参数,根据对比结果继续调整调焦策略;
若是,停止操作,调焦完成。
优选地,所述“根据对比结果继续调整调焦策略”的步骤包括:
若当前图像质量参数比上一次图像质量参数更优,则沿原调整方向继续进行调整;
若上一次图像质量参数比当前图像质量参数更优,则沿原调整方向的反向调整图像质量参数并重复对调整后图像进行图像质量评价。
本发明的方法基于图像质量评价自动进行调焦,可用于往复扫摆成像的航空相机。该方法通过自动获取两幅图像中的相同区域找到图像质量评价的基准图像,并通过图像质量评价判断当前图像质量参数是否更优,调整调焦策略,解决了航空相机在飞行过程中无法找到两幅相同的图像进行图像质量评价的问题,智能化高,可靠性高。
附图说明
图1是本发明的航空相机图像调焦方法的第一种实施例的流程图。
图2是本发明的航空相机图像调焦方法的第二种实施例的流程图。
图3是本发明的航空相机图像调焦方法的第三种实施例的流程图。
图4是本发明的航空相机图像调焦方法的第四种实施例的流程图。
图5是本发明的航空相机图像调焦方法的第五种实施例的流程图。
图6是第一图像的特征点提取结果。
图7是第二图像的特征点提取结果。
图8是第一图像和第二图像的特征点匹配结果。
图9第一区域的SOBEL梯度。
图10是第二区域的SOBEL梯度。
图11是本发明的航空相机图像调焦方法的第六种实施例的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本揭示内容的叙述更加详尽与完备,下文针对本发明的实施方式与具体实施例提出了说明性的描述;但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而,亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。
本发明的实施例中提供了一种航空相机图像调焦方法,该方法基于图像质量评价自动进行调焦,可用于往复扫摆成像的航空相机。该方法通过自动获取两幅图像中的相同区域找到图像质量评价的基准图像,并通过图像质量评价判断当前图像质量参数是否更优,调整调焦策略,解决了航空相机在飞行过程中无法找到两幅相同的图像进行图像质量评价的问题,智能化高,可靠性高。
图1示出了一种航空相机图像调焦方法,请参见图1,该方法包括:
步骤S101:针对航空相机连续相邻两次摆扫获取的不同焦距下的两幅图像分别进行特征点提取,根据所提取的特征点查找两幅图像中的相同区域;
步骤S102:分别对两幅图像的相同区域进行图像质量评价,确定更优的图像质量参数;
步骤S103:根据更优的图像质量参数调整航空相机的调焦策略。
进一步地,请参见图2,步骤S101还包括如下步骤:
步骤S1011:针对航空相机连续相邻两次摆扫获取不同焦距下的两幅图像;
步骤S1012:分别对两幅图像进行特征点检测;
进一步地,特征点检测采用FAST角点检测子,FAST角点检测子具有方向信息,FAST角点检测子的检测速度快,在本实施例中,FAST角点检测子加入了FAST特征的方向信息,使特征点检测更加准确。
步骤S1013:分别对两幅图像进行特征点描述;
进一步地,特征点描述采用BRIEF特征描述子,在本实施例中,BRIEF特征描述子基于像素点二进制位比较。
在另一些优选地实施例中,特征点检测与特征点描述采用ORB算法,在本实施例中,ORB算法可以同时实现特征点检测和特征点描述,并改进了BRIEF特征描述子对图像噪声敏感和不具备旋转不变性的缺点。
步骤S1014:根据特征点检测与特征点描述的结果将两幅图像具有相同特性的特征点进行匹配,获取两幅图像中的相同区域。
进一步地,请参见图3,步骤S102还包括如下步骤:
步骤S1021:分别对两幅图像中的相同区域进行图像边缘检测;
步骤S1022:分别对两幅图像中的相同区域进行纹理复杂度计算。
进一步地,图像边缘检测采用SOBEL算子,SOBEL算子为对梯度像素平方和的累加。
进一步地,纹理复杂度为图像的灰度级直方图的二阶矩,计算公式如下:
其中,μ2(z)表示纹理复杂度量化指标数,z表示灰度,p(zi)为相应的直方图,i是图像灰度级数,zi是第i级像素的灰度值,L是不同灰度级的数量,m是z的均值,其中,z表示灰度,p(zi)为相应的直方图,i是图像灰度级数,zi是第i级像素的灰度值,L是不同灰度级的数量。
进一步地,请参见图4,该方法还包括如下步骤:
步骤S104:对调焦后的图像进行图像质量评价,判断当前图像质量参数是否达到预设定标准;
若当前图像质量参数达到预设定标准,执行步骤S1041:停止操作,调焦完成;
若当前图像质量参数未达到预设定标准,执行判断步骤S1042:对比当前图像质量参数与上一次图像质量参数,根据对比结果继续调整调焦策略;
“根据对比结果继续调整调焦策略”的步骤包括:判断当前图像质量参数是否更优;
若当前图像质量参数比上一次图像质量参数更优(即当前图像质量提高),则执行步骤S1043:沿原调整方向继续进行调整至最优;
若上一次图像质量参数比当前图像质量参数更优(即当前图像质量降低),则执行步骤S1044:沿原调整方向的反向调整图像质量参数并重复对调整后图像进行图像质量评价。
具体地,请参见图5,图5是本发明的实施例涉及的航空相机图像调焦方法的流程,首先进入步骤S501:针对航空相机连续相邻两次摆扫获取不同焦距下的第一图像和第二图像;而后依次进入步骤502:分别对第一图像和第二图像进行特征点检测、步骤S503:分别对第一图像和第二图像进行特征点描述;如图6和图7所示,图6是第一图像的特征点提取结果,图7是第二图像的特征点提取结果,而后依次进入步骤S504:根据特征点检测与特征点描述的结果将第一图像和第二图像具有相同特性的特征点进行匹配,获取第一图像和第二图像中的相同区域,分别为第一区域和第二区域;如图8所示,图8是第一图像和第二图像的特征点匹配结果;而后进入步骤S505:分别对第一区域和第二区域进行图像边缘检测;如图9和图10所示,图9是第一区域的SOBEL梯度,图10是第二区域的SOBEL梯度,利用SOBEL算子分别为对第一区域和第二区域的SOBEL梯度像素平方和的累加,结果如下:
第一图像计算值为7463438,第二图像计算值为8769953,结果表示,第二图像具有更清晰的边缘。
而后进入步骤S506:分别对第一区域和第二区域进行纹理复杂度计算;利用上述公式计算结果如下:
第一图像的计算值为7,第二图像的计算值为8,结果显示:第二图像具有更好的纹理信息,因此,针对第一图像和第二图像进行图像质量评价,结果表明第二图像的成像质量参数更优。
进入步骤S507:根据第二图像的成像质量参数调整调焦策略。
在另一个实施中,在上述实施例的基础上,调焦后的航空相机摆扫的图像为第三图像,请参见图11,首先进入步骤S600,对第三图像进行图像质量评价;进入步骤S601:判断第三图像的图像质量是否达到预设定标准,若第三图像的图像质量达到预设定标准,则执行步骤S602:停止操作,调焦完成;若第三图像的图像质量未达到预设定的标准,则执行步骤S603:对比第三图像与第二图像的图像质量参数,图像质量参数例如:图像边缘清晰度和纹理复杂度,图像边缘清晰度和纹理复杂度的计算方法如前述;若第三图像的图像质量参数比第二图像的图像质量更优,则执行步骤S604:沿原调整方向继续调整至达到预设定标准,此处每调整一次都需要重复对调整后的图像进行图像质量评价,直至达到预设定标准;若第二图像的图像质量参数比第三图像的图像质量更优,则执行步骤S605:沿原调整方向的反向调整,并重复对调整后图像进行图像质量评价,直至达到预设定标准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种航空相机图像调焦方法,其特征在于,该方法包括:
针对航空相机连续相邻两次摆扫获取的不同焦距下的两幅图像分别进行特征点提取,根据所提取的特征点查找两幅图像中的相同区域;
分别对所述两幅图像的相同区域进行图像质量评价,确定更优的图像质量参数;
根据更优的图像质量参数调整所述航空相机的调焦策略;
所述“分别对所述两幅图像的相同区域进行图像质量评价”的步骤包括:
分别对两幅图像中的相同区域进行图像边缘检测;
分别对两幅图像中的相同区域进行纹理复杂度计算。
2.根据权利要求1所述的航空相机图像调焦方法,其特征在于,所述“针对航空相机连续相邻两次摆扫获取的不同焦距下的两幅图像分别进行特征点提取,根据所提取的特征点查找两幅图像中的相同区域”的步骤包括:
针对航空相机连续相邻两次摆扫获取不同焦距下的两幅图像;
分别对所述两幅图像进行特征点检测;
分别对所述两幅图像进行特征点描述;
根据所述特征点检测与所述特征点描述的结果将两幅图像具有相同特性的特征点进行匹配,获取两幅图像中的相同区域。
3.根据权利要求2所述的航空相机图像调焦方法,其特征在于,所述特征点检测采用FAST角点检测子,所述FAST角点检测子具有方向信息。
4.根据权利要求2所述的航空相机图像调焦方法,其特征在于,所述特征点描述采用BRIEF特征描述子。
5.根据权利要求2所述的航空相机图像调焦方法,其特征在于,所述特征点检测与特征点描述采用ORB算法。
6.根据权利要求1所述的航空相机图像调焦方法,其特征在于,所述图像边缘检测采用SOBEL算子,所述SOBEL算子为对梯度像素平方和的累加。
8.根据权利要求1所述的航空相机图像调焦方法,其特征在于,该方法还包括:
对调焦后的图像进行图像质量评价,判断当前图像质量参数是否达到预设定标准;
若否,对比当前图像质量参数与上一次图像质量参数,根据对比结果继续调整调焦策略;
若是,停止操作,调焦完成。
9.根据权利要求8所述的航空相机图像调焦方法,其特征在于,所述“根据对比结果继续调整调焦策略”的步骤包括:
若当前图像质量参数比上一次图像质量参数更优,则沿原调整方向继续进行调整;
若上一次图像质量参数比当前图像质量参数更优,则沿原调整方向的反向调整图像质量参数并重复对调整后图像进行图像质量评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811595981.3A CN109714530B (zh) | 2018-12-25 | 2018-12-25 | 一种航空相机图像调焦方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811595981.3A CN109714530B (zh) | 2018-12-25 | 2018-12-25 | 一种航空相机图像调焦方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109714530A CN109714530A (zh) | 2019-05-03 |
CN109714530B true CN109714530B (zh) | 2020-08-21 |
Family
ID=66257642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811595981.3A Active CN109714530B (zh) | 2018-12-25 | 2018-12-25 | 一种航空相机图像调焦方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109714530B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110677582B (zh) * | 2019-09-27 | 2020-11-24 | 中国科学院长春光学精密机械与物理研究所 | 一种滤波测速检焦方法、系统及终端设备 |
CN110879519B (zh) * | 2019-11-08 | 2021-02-12 | 中国科学院长春光学精密机械与物理研究所 | 航空立体测绘相机的时统方法和系统 |
US11227173B2 (en) * | 2020-02-18 | 2022-01-18 | Datalogic IP Tech, S.r.l. | Virtual-frame preprocessing for optical scanning |
CN116261044B (zh) * | 2023-03-17 | 2024-04-02 | 北京拙河科技有限公司 | 一种亿级相机的智能调焦方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101336824B (zh) * | 2008-08-08 | 2010-08-04 | 浙江大学 | 图像纹理复杂度的视觉感知响应强度检测装置 |
CN102780847B (zh) * | 2012-08-14 | 2015-10-21 | 北京汉邦高科数字技术股份有限公司 | 一种针对运动目标的摄像机自动对焦控制方法 |
CN102891966B (zh) * | 2012-10-29 | 2015-07-01 | 珠海全志科技股份有限公司 | 数码成像设备的对焦方法及装置 |
CN104506767B (zh) * | 2014-11-27 | 2019-08-02 | 惠州Tcl移动通信有限公司 | 利用马达连续移动生成同一景物不同焦距的方法和终端 |
JP6702796B2 (ja) * | 2016-05-16 | 2020-06-03 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法および画像処理プログラム |
CN108241645B (zh) * | 2016-12-23 | 2020-03-17 | 腾讯科技(深圳)有限公司 | 图像处理方法及装置 |
-
2018
- 2018-12-25 CN CN201811595981.3A patent/CN109714530B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109714530A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109714530B (zh) | 一种航空相机图像调焦方法 | |
WO2019233264A1 (zh) | 图像处理方法、计算机可读存储介质和电子设备 | |
CN110378945B (zh) | 深度图处理方法、装置和电子设备 | |
JP5542889B2 (ja) | 画像処理装置 | |
US9307134B2 (en) | Automatic setting of zoom, aperture and shutter speed based on scene depth map | |
US9019426B2 (en) | Method of generating image data by an image device including a plurality of lenses and apparatus for generating image data | |
US7868922B2 (en) | Foreground/background segmentation in digital images | |
CN108833785B (zh) | 多视角图像的融合方法、装置、计算机设备和存储介质 | |
US8199202B2 (en) | Image processing device, storage medium storing image processing program, and image pickup apparatus | |
CN111080661B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
KR20180095059A (ko) | 이미지 융합 방법 및 장치, 및 단말 디바이스 | |
JP5538868B2 (ja) | 画像処理装置、その画像処理方法及びプログラム | |
WO2018147059A1 (ja) | 画像処理装置、および画像処理方法、並びにプログラム | |
WO2021225472A2 (en) | Joint objects image signal processing in temporal domain | |
US20110085026A1 (en) | Detection method and detection system of moving object | |
CN110365897B (zh) | 图像修正方法和装置、电子设备、计算机可读存储介质 | |
CN114913463A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
Tsomko et al. | Linear Gaussian blur evolution for detection of blurry images | |
CN111063029A (zh) | 地图构建方法、装置、计算机可读存储介质及机器人 | |
KR101578029B1 (ko) | 영상 왜곡 보정 장치 및 방법 | |
JP6072632B2 (ja) | 撮像装置、撮像方法および撮像システム | |
CN111275045B (zh) | 图像的主体识别方法、装置、电子设备和介质 | |
CN111630569B (zh) | 双目匹配的方法、视觉成像装置及具有存储功能的装置 | |
JP2018160024A (ja) | 画像処理装置、画像処理方法及びプログラム | |
Nagalakshmi et al. | Image acquisition, noise removal, edge detection methods in image processing using Matlab for prawn species identification |
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 |