CN112634186A - 一种无人机的图像分析方法 - Google Patents
一种无人机的图像分析方法 Download PDFInfo
- Publication number
- CN112634186A CN112634186A CN202011561675.5A CN202011561675A CN112634186A CN 112634186 A CN112634186 A CN 112634186A CN 202011561675 A CN202011561675 A CN 202011561675A CN 112634186 A CN112634186 A CN 112634186A
- Authority
- CN
- China
- Prior art keywords
- image
- fusion
- images
- unmanned aerial
- aerial vehicle
- 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
- 238000003703 image analysis method Methods 0.000 title claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 52
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 15
- 238000007500 overflow downdraw method Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000000746 purification Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
- G06T2207/20—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)
Abstract
本发明公开了一种无人机的图像分析方法，包括以下步骤：(1)图像预处理，对所获取的至少一个图像进行几何校正和去噪，(2)图像空间匹配，(3)特征选择：在欲配准的图像上，选择如边界、线状物交叉点、区域轮廓等明显的特征。本发明一种无人机的图像分析方法，该无人机的图像分析方法，设置有三级图像融合方式，即像素级融合、特征级融合和决策级融合，使用者可以根据图像融合的目的和融合层次智能的选择合适的融合算法，将空间匹配的图像数据进行有机的合成，得到目标的更准确表示或估计，并且该无人机的图像分析方法，图像配准采用图像空间匹配，配准精度较高，为后期图像融合的分析计算提供较好的技术支撑和保障，保障图像融合的效果。
Description
技术领域
本发明涉及无人机图像分析技术领域，具体涉及一种无人机的图像分析方法。
背景技术
无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。与有人驾驶飞机相比，无人机往往更适合那些太“愚钝，肮脏或危险”的任务。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。
目前无人机的图像分析方法，在对无人机获取的图像进行分析处理时，图像配准的精度较低，影响到图像后期的融合，其次单一的采用一种算法进行融合，实用性较低，无法满足使用者对图像融合的要求，故而满足不了使用者的需求。
发明内容
本发明的目的在于提供一种无人机的图像分析方法以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种无人机的图像分析方法，包括以下步骤：
(1)图像预处理：对所获取的至少一个图像进行几何校正和去噪；
(2)图像空间匹配：
(3)特征选择：在欲配准的图像上，选择如边界、线状物交叉点、区域轮廓等明显的特征；
(4)特征匹配：采用一定的标准算法，找出图像对于的明显地物点，作为控制点；
(5)空间交换：根据控制垫，建立图像间的映射关系；
(6)插值：根据映射关系，对非参考图像进行重采样，获得同参考图像匹配的图像，空间匹配的精度一般要求在1—2个像素内。
(7)图像融合：根据图像融合的目的和融合层次智能的选择合适的融合算法，将空间匹配的图像数据进行有机的合成，得到目标的更准确表示或估计；
(71)像素级融合：采用加强平均融合法对图像进行融合处理；
(72)特征级融合：采用高通滤波法对图像进行融合处理；
(73)决策级融合：采用IHS变换融合法对图像进行融合处理。
作为上述技术方案的进一步描述：
所述步骤(2)图像空间匹配指将两个及以上的不同的传感器从同一景物所获取的两幅及以上图像在空间上进行对准，从而确定出这两幅图像之间的相对位移过程。
作为上述技术方案的进一步描述：
所述步骤(3)中特征选择还包括特征点提纯，即根据一定的规则去除错误的匹配特征点。
作为上述技术方案的进一步描述：
所述步骤(1)中还包括搭载数据网络云平台，用于接收无人机拍摄的图像，所述步骤(1)中图像预处理还包括将每一个文字图像分检出来交给识别模块识别，消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。
作为上述技术方案的进一步描述：
所述步骤(4)中特征匹配采用的算法为基于稀疏点集与稠密流的图像匹配算法。
作为上述技术方案的进一步描述：
所述步骤(71)中加权平均融合法指对多幅源图像的对应像素点进行加权处理，即用一个匹配矩阵来来表示两幅图像的相似程度，当两幅图像相似时，合成图像就采用两幅图的平均值。
作为上述技术方案的进一步描述：
所述步骤(72)中高通滤波法即根据高空间分辨率反映在图像的高频上，多光谱信息发映在图像的低频分量。
作为上述技术方案的进一步描述：
所述步骤(73)IHS变换融合法指首先将RGB空间的彩色图像1转化为IHS空间的三个分量，然后将彩色图像2转化为灰度图片，并进行对比度拉伸，使它和彩色图像的亮度分量I有相同的均值和方差，最后用拉伸后的灰度图像代替亮度分量I，把它同色度H和饱和度S进行IHS逆变换得到融合图像。
与现有技术相比，本发明的有益效果是：该无人机的图像分析方法，设置有三级图像融合方式，即像素级融合、特征级融合和决策级融合，使用者可以根据图像融合的目的和融合层次智能的选择合适的融合算法，将空间匹配的图像数据进行有机的合成，得到目标的更准确表示或估计，并且该无人机的图像分析方法，图像配准采用图像空间匹配，配准精度较高，为后期图像融合的分析计算提供较好的技术支撑和保障，保障了图像融合的效果。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，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。
本发明提供一种技术方案：一种无人机的图像分析方法，包括以下步骤：
(1)图像预处理：对所获取的至少一个图像进行几何校正和去噪；
(2)图像空间匹配：
(3)特征选择：在欲配准的图像上，选择如边界、线状物交叉点、区域轮廓等明显的特征；
(4)特征匹配：采用一定的标准算法，找出图像对于的明显地物点，作为控制点；
(5)空间交换：根据控制垫，建立图像间的映射关系；
(6)插值：根据映射关系，对非参考图像进行重采样，获得同参考图像匹配的图像，空间匹配的精度一般要求在1—2个像素内。
(7)图像融合：根据图像融合的目的和融合层次智能的选择合适的融合算法，将空间匹配的图像数据进行有机的合成，得到目标的更准确表示或估计；
(71)像素级融合：采用加强平均融合法对图像进行融合处理；
(72)特征级融合：采用高通滤波法对图像进行融合处理；
(73)决策级融合：采用IHS变换融合法对图像进行融合处理。
步骤(2)图像空间匹配指将两个及以上的不同的传感器从同一景物所获取的两幅及以上图像在空间上进行对准，从而确定出这两幅图像之间的相对位移过程。
步骤(3)中特征选择还包括特征点提纯，即根据一定的规则去除错误的匹配特征点。
步骤(1)中还包括搭载数据网络云平台，用于接收无人机拍摄的图像，步骤(1)中图像预处理还包括将每一个文字图像分检出来交给识别模块识别，消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。
步骤(4)中特征匹配采用的算法为基于稀疏点集与稠密流的图像匹配算法。
步骤(71)中加权平均融合法指对多幅源图像的对应像素点进行加权处理，即用一个匹配矩阵来来表示两幅图像的相似程度，当两幅图像相似时，合成图像就采用两幅图的平均值。
步骤(72)中高通滤波法即根据高空间分辨率反映在图像的高频上，多光谱信息发映在图像的低频分量。
步骤(73)IHS变换融合法指首先将RGB空间的彩色图像1转化为IHS空间的三个分量，然后将彩色图像2转化为灰度图片，并进行对比度拉伸，使它和彩色图像的亮度分量I有相同的均值和方差，最后用拉伸后的灰度图像代替亮度分量I，把它同色度H和饱和度S进行IHS逆变换得到融合图像。
该无人机的图像分析方法，设置有三级图像融合方式，即像素级融合、特征级融合和决策级融合，使用者可以根据图像融合的目的和融合层次智能的选择合适的融合算法，将空间匹配的图像数据进行有机的合成，得到目标的更准确表示或估计，并且该无人机的图像分析方法，图像配准采用图像空间匹配，配准精度较高，为后期图像融合的分析计算提供较好的技术支撑和保障，保障了图像融合的效果。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下。
尽管已经示出和描述了本发明的实施例，对本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种无人机的图像分析方法，其特征在于，包括以下步骤：
(1)图像预处理：对所获取的至少一个图像进行几何校正和去噪；
(2)图像空间匹配：
(3)特征选择：在欲配准的图像上，选择如边界、线状物交叉点、区域轮廓等明显的特征；
(4)特征匹配：采用一定的标准算法，找出图像对于的明显地物点，作为控制点；
(5)空间交换：根据控制垫，建立图像间的映射关系；
(6)插值：根据映射关系，对非参考图像进行重采样，获得同参考图像匹配的图像，空间匹配的精度一般要求在1—2个像素内。
(7)图像融合：根据图像融合的目的和融合层次智能的选择合适的融合算法，将空间匹配的图像数据进行有机的合成，得到目标的更准确表示或估计；
(71)像素级融合：采用加强平均融合法对图像进行融合处理；
(72)特征级融合：采用高通滤波法对图像进行融合处理；
(73)决策级融合：采用IHS变换融合法对图像进行融合处理。
2.根据权利要求1所述的一种无人机的图像分析方法，其特征在于，所述步骤(2)图像空间匹配指将两个及以上的不同的传感器从同一景物所获取的两幅及以上图像在空间上进行对准，从而确定出这两幅图像之间的相对位移过程。
3.根据权利要求1所述的一种无人机的图像分析方法，其特征在于，所述步骤(3)中特征选择还包括特征点提纯，即根据一定的规则去除错误的匹配特征点。
4.根据权利要求1所述的一种无人机的图像分析方法，其特征在于，所述步骤(1)中还包括搭载数据网络云平台，用于接收无人机拍摄的图像，所述步骤(1)中图像预处理还包括将每一个文字图像分检出来交给识别模块识别，消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。
5.根据权利要求1所述的一种无人机的图像分析方法，其特征在于，所述步骤(4)中特征匹配采用的算法为基于稀疏点集与稠密流的图像匹配算法。
6.根据权利要求1所述的一种无人机的图像分析方法，其特征在于，所述步骤(71)中加权平均融合法指对多幅源图像的对应像素点进行加权处理，即用一个匹配矩阵来来表示两幅图像的相似程度，当两幅图像相似时，合成图像就采用两幅图的平均值。
7.根据权利要求1所述的一种无人机的图像分析方法，其特征在于，所述步骤(72)中高通滤波法即根据高空间分辨率反映在图像的高频上，多光谱信息发映在图像的低频分量。
8.根据权利要求1所述的一种无人机的图像分析方法，其特征在于，所述步骤(73)IHS变换融合法指首先将RGB空间的彩色图像1转化为IHS空间的三个分量，然后将彩色图像2转化为灰度图片，并进行对比度拉伸，使它和彩色图像的亮度分量I有相同的均值和方差，最后用拉伸后的灰度图像代替亮度分量I，把它同色度H和饱和度S进行IHS逆变换得到融合图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011561675.5A CN112634186A (zh) | 2020-12-25 | 2020-12-25 | 一种无人机的图像分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011561675.5A CN112634186A (zh) | 2020-12-25 | 2020-12-25 | 一种无人机的图像分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112634186A true CN112634186A (zh) | 2021-04-09 |
Family
ID=75325415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011561675.5A Pending CN112634186A (zh) | 2020-12-25 | 2020-12-25 | 一种无人机的图像分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112634186A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116029430A (zh) * | 2022-12-27 | 2023-04-28 | 江苏师范大学科文学院 | 一种基于航拍图像的草原区生态环境监测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090226114A1 (en) * | 2008-03-07 | 2009-09-10 | Korea Aerospace Research Institute | Satellite image fusion method and system |
| CN106384332A (zh) * | 2016-09-09 | 2017-02-08 | 中山大学 | 基于Gram‑Schmidt的无人机影像与多光谱影像融合方法 |
| CN108364272A (zh) * | 2017-12-30 | 2018-08-03 | 广东金泽润技术有限公司 | 一种高性能红外-可见光融合探测方法 |
| CN108961162A (zh) * | 2018-03-12 | 2018-12-07 | 北京林业大学 | 一种无人机林区航拍图像拼接方法和系统 |
| CN109584155A (zh) * | 2017-09-29 | 2019-04-05 | 孙凯 | 一种无人机遥感图像快速拼接的方法 |
-
2020
- 2020-12-25 CN CN202011561675.5A patent/CN112634186A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090226114A1 (en) * | 2008-03-07 | 2009-09-10 | Korea Aerospace Research Institute | Satellite image fusion method and system |
| CN106384332A (zh) * | 2016-09-09 | 2017-02-08 | 中山大学 | 基于Gram‑Schmidt的无人机影像与多光谱影像融合方法 |
| CN109584155A (zh) * | 2017-09-29 | 2019-04-05 | 孙凯 | 一种无人机遥感图像快速拼接的方法 |
| CN108364272A (zh) * | 2017-12-30 | 2018-08-03 | 广东金泽润技术有限公司 | 一种高性能红外-可见光融合探测方法 |
| CN108961162A (zh) * | 2018-03-12 | 2018-12-07 | 北京林业大学 | 一种无人机林区航拍图像拼接方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| 冯学智 等: "《遥感数字图像处理与应用》", 长沙：国防科技大学出版社, pages: 261 - 112 * |
| 李航 等: "无人机多源侦察图像融合方法研究", 《舰船电子工程》, vol. 39, no. 10, pages 45 - 51 * |
| 薛燕: "基于视觉技术的可重组测量系统的研制", 《中国优秀博硕士学位论文全文数据库(电子期刊) 信息科技辑》, pages 21 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116029430A (zh) * | 2022-12-27 | 2023-04-28 | 江苏师范大学科文学院 | 一种基于航拍图像的草原区生态环境监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | SAR-to-optical image translation using supervised cycle-consistent adversarial networks | |
| CN109146929B (zh) | 一种基于事件触发相机与三维激光雷达融合系统下的物体识别与配准方法 | |
| CN108665496B (zh) | 一种基于深度学习的端到端的语义即时定位与建图方法 | |
| CN108986140B (zh) | 基于相关滤波和颜色检测的目标尺度自适应跟踪方法 | |
| EP3499414B1 (en) | Lightweight 3d vision camera with intelligent segmentation engine for machine vision and auto identification | |
| CN109583345B (zh) | 道路识别方法、装置、计算机装置及计算机可读存储介质 | |
| CN109215053B (zh) | 一种无人机航拍视频中含暂停状态的运动车辆检测方法 | |
| CN109376641B (zh) | 一种基于无人机航拍视频的运动车辆检测方法 | |
| Lore et al. | Generative adversarial networks for depth map estimation from RGB video | |
| Gwn Lore et al. | Generative adversarial networks for depth map estimation from RGB video | |
| CN111886600A (zh) | 一种用于图像的实例级别分割的设备和方法 | |
| CN114265427A (zh) | 一种基于红外图像匹配的巡检无人机辅助导航系统及方法 | |
| Huang et al. | Removing reflection from a single image with ghosting effect | |
| CN112634186A (zh) | 一种无人机的图像分析方法 | |
| Xing et al. | Multi-level adaptive perception guidance based infrared and visible image fusion | |
| CN108876755B (zh) | 一种改进的灰度图像的彩色背景的构建方法 | |
| CN111899269A (zh) | 一种基于边缘结构信息的无人机图像与sar卫星图像的匹配方法 | |
| CN111461008A (zh) | 结合场景透视信息的无人机航拍目标检测方法 | |
| CN111833384B (zh) | 一种可见光和红外图像快速配准方法及装置 | |
| CN112669346B (zh) | 一种路面突发状况确定方法及装置 | |
| CN115393404A (zh) | 双光图像配准方法、装置及设备、存储介质 | |
| CN112233079B (zh) | 多传感器图像融合的方法及系统 | |
| CN114862707A (zh) | 一种多尺度特征恢复图像增强方法、装置及存储介质 | |
| CN113723432A (zh) | 一种基于深度学习的智能识别、定位追踪的方法及系统 | |
| Balamurugan et al. | A novel framework for extraction of landscape areas and automatic building detection in satellite images |
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 |