CN114170565A - 一种基于无人机航拍的图像对比方法、装置及终端设备 - Google Patents

一种基于无人机航拍的图像对比方法、装置及终端设备 Download PDF

Info

Publication number
CN114170565A
CN114170565A CN202111322738.6A CN202111322738A CN114170565A CN 114170565 A CN114170565 A CN 114170565A CN 202111322738 A CN202111322738 A CN 202111322738A CN 114170565 A CN114170565 A CN 114170565A
Authority
CN
China
Prior art keywords
image
area
gray level
binary image
color channel
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
Application number
CN202111322738.6A
Other languages
English (en)
Inventor
张晓颖
沈伟
梁羽剑
杨雅诗
黄家希
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xinguangfei Information Technology Co ltd
Original Assignee
Guangzhou Xinguangfei Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Xinguangfei Information Technology Co ltd filed Critical Guangzhou Xinguangfei Information Technology Co ltd
Priority to CN202111322738.6A priority Critical patent/CN114170565A/zh
Publication of CN114170565A publication Critical patent/CN114170565A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于无人机航拍的图像对比方法、装置及终端设备，该方法通过对无人机拍摄所得的同一场景不同时间的拍摄前图和拍摄后图提取特征点后，进行配准、比对和叠加，获得疑似异常区域；对疑似异常区域和拍摄前图再次提取特征点后，再次进行配准、比对和叠加，获得第二异常区域。相比于现技术通过对图像进行灰度值和颜色通道的计算，本发明技术方案通过二次配准、二次比对和二次叠加来进行拍摄前图和拍摄后图的特征匹配并计算，减小了由无人机位置的细微差异带来的测量误差，从而获得更加精准的异常区域。

Description

一种基于无人机航拍的图像对比方法、装置及终端设备
技术领域
本发明涉及无人机航拍领域，尤其涉及一种基于无人机航拍的图像对比方法、装置及终端设备。
背景技术
城市监控是保障城市安全的重要方式，常见的监控手段包括了天眼系统、用户自装的摄像头以及执勤人员的巡逻等。通过对异常区域的排查，能够提高城市的安全性。而无人机通常会搭载摄像头这一设备，通过无人机进行针对城市进行低空航拍，能够获得更加全面的视角，有利于用户通过无人机迅速并且准确地找到异常区域。随着无人机技术与摄像技术的不断发展，无人机的操控更加稳定，图像的数据获取更加全面。这两项技术使得自动监测异常现象成为可能，因此，本申请主要针对无人机航拍进行图像对比，从而获取某一地点的异常情况，以提高人们的安全性。
对于无人机航拍方法，现有技术有：“一种航拍图像的农田面积的测算方法、装置、设备及介质”(CN111080526A)，该技术通过对得到的航拍图像进行拼接，获得全景图，并对全景图的灰度图与像素面积进行计算，求得农田的面积。
本发明人在实施本发明的过程中发现，现有的无人机需要专业飞手操控无人机来避免发生安全事故，对于无人机获取的数据同时也需要进行人工分析，效率较低。除此之外，在无人机的机体上搭载多种设备会增加运用无人机进行城市监控的使用成本，设备所增加的重量也会降低无人机的续航能力，无法长时间的获取照片。
发明内容
本发明实施例提供一种基于无人机航拍的图像对比方法、装置及终端设备，通过二次比对疑似异常区域，提高了图像异常现象的检测准确度。
为了解决上述问题，本发明一实施例提供一种基于无人机航拍的图像对比方法，包括：
配准第一图像和第二图像，提取所述第一图像和所述第二图像的特征点，根据所述特征点获得所述第一图像中的第一公共区域和所述第二图像中的第二公共区域；其中，所述第一图像和所述第二图像为相同场景且不同时期的航拍图像；
比对所述第一公共区域和所述第二公共区域，获得灰度二值图和颜色通道二值图；
叠加所述灰度二值图和所述颜色通道二值图，获得第一异常区域；
根据所述第一异常区域和所述第一公共区域进行二次配准处理、二次比对处理和二次叠加处理，获得第二异常区域；其中，所述第二异常区域显示在所述第二图像中。
作为上述方案的改进，所述获得灰度二值图和颜色通道二值图，具体为：
将所述第一公共区域和所述第二公共区域转化为灰度图；
对所述第一公共区域的灰度图进行直方图规定化处理，获得所述第一公共区域的灰度直方图；
对所述第二公共区域的灰度图进行直方图规定化处理，根据所述第一公共区域的灰度直方图调整所述第二公共区域的灰度分布，获得所述第二公共区域的灰度直方图；
对所述第一公共区域和所述第二公共区域的灰度直方图的灰度值做差，获得灰度差值图；
对所述灰度差值图进行二值化处理，获得所述灰度二值图。
作为上述方案的改进，所述获得灰度二值图和颜色通道二值图，还包括：
提取所述第一公共区域的颜色通道和所述第二公共区域的颜色通道并做差，获得颜色通道差值图；
对所述颜色通道差值图进行二值化处理，获得所述颜色通道二值图。
作为上述方案的改进，所述对所述灰度差值图进行二值化处理，获得所述灰度二值图，具体为：
计算所述第一公共区域和所述第二公共区域的类间方差最大的分割阈值；
根据所述分割阈值对所述灰度差值图进行二值化处理，获得所述灰度二值图。
作为上述方案的改进，所述叠加所述灰度二值图和所述颜色通道二值图，获得第一异常区域，具体为：
对所述灰度二值图和所述颜色通道二值图进行形态学开操作的处理，并且排除所述灰度二值图的像素面积和所述颜色通道二值图的像素面积小于设定值的异常区域后，将所述灰度二值图和所述颜色通道二值图互相叠加，获得所述第一异常区域。
作为上述方案的改进，所述根据所述第一异常区域和所述第一公共区域进行二次配准处理、二次比对处理和二次叠加处理，获得第二异常区域，具体为：
计算所述第一异常区域的像素面积，去除面积小于设定值的区域；
所述二次配准处理为利用ASIFT特征点提取算法模拟图像的不同拍摄角度，并且对去除小面积区域的所述第一异常区域和所述第一公共区域进行配准，提取数量更多的可提取特征点；
根据所述特征点获得所述第一异常区域的第三公共区域和所述第一公共区域的第四公共区域；
所述二次比对处理为再次比对所述第三公共区域和所述第四公共区域，获得更新后的灰度二值图和颜色通道二值图；
所述二次叠加处理为再次叠加所述更新后的灰度二值图和颜色通道二值图，获得第二异常区域。
作为上述方案的改进，在所述提取所述第一图像和所述第二图像的特征点之前，还包括：
控制无人机在预设的航线和周期进行航拍，从而获取所述第一图像和所述第二图像；其中，所述航线包括每个航点的GPS位置、飞行高度、拍摄角度和机头朝向。
本发明实施例还提供了一种基于无人机航拍的图像对比装置，包括：配准模块、初次比对模块、计算模块和二次比对模块；
其中，所述配准模块用于配准第一图像和第二图像，提取所述第一图像和所述第二图像的特征点，根据所述特征点获得所述第一图像中的第一公共区域和所述第二图像中的第二公共区域；其中，所述第一图像和所述第二图像为相同场景且不同时期的航拍图像；
所述初次比对模块用于比对所述第一公共区域和所述第二公共区域，分别获得灰度二值图和颜色通道二值图；
所述计算模块用于叠加所述灰度二值图和所述颜色通道二值图，获得第一异常区域；
所述二次比对模块用于根据所述第一异常区域和所述第一公共区域进行二次配准、二次比对和二次叠加处理，获得第二异常区域；其中，所述第二异常区域显示在所述第二图像中。
本发明实施例还提供了一种计算机终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如本发明所述的基于无人机航拍的图像对比方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如本发明所述的基于无人机航拍的图像对比方法。
本发明的实施例，具有如下有益效果：
本发明提供了一种基于无人机航拍的图像对比方法、装置及终端设备，该方法通过对无人机拍摄所得的同一场景不同时间的拍摄前图和拍摄后图提取特征点后，进行配准、比对和叠加，获得疑似异常区域；对疑似异常区域和拍摄前图再次提取特征点后，再次进行配准、比对和叠加，获得第二异常区域。相比于现技术通过对图像进行灰度值和颜色通道的计算，本发明技术方案通过二次配准、二次比对和二次叠加来进行拍摄前图和拍摄后图的特征匹配并计算，减小了由无人机位置的细微差异带来的测量误差，从而获得更加精准的异常区域。
进一步的，本发明在对第一异常区域和拍摄前图再次提取特征点时，采用了ASIFT特征点提取算法模拟图像的不同拍摄角度，进而获得数量更多的特征点进行配准，提高了小区域的匹配程度。
附图说明
图1是本发明提供的基于无人机航拍的图像对比方法的一种实施例的流程示意图；
图2是本发明提供的基于无人机航拍的图像对比装置的一种实施例的结构示意图；
图3是本发明提供的基于无人机航拍的图像对比方法的另一种实施例的流程示意图；
图4是本发明提供的终端设备的一种实施例的结构示意图。
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、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作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。
参见图1，图1是本发明提供的基于无人机航拍的图像对比方法的一种实施例的流程示意图，如图1所示，该方法包括步骤101至步骤104，各步骤具体如下：
步骤101：配准第一图像和第二图像，提取所述第一图像和所述第二图像的特征点，根据所述特征点获得所述第一图像中的第一公共区域和所述第二图像中的第二公共区域；其中，所述第一图像和所述第二图像为相同场景且不同时期的航拍图像。
在本实施例中，在提取所述第一图像和所述第二图像的特征点之前，还包括：控制无人机在预设的航线和周期进行航拍，从而获取所述第一图像和所述第二图像；其中，所述航线包括每个航点的GPS位置、飞行高度、拍摄角度和机头朝向；由上获得相同位置且不同时间的第一图像和第二图像。
作为优选的，需要对获得的不同时期的图像进行整理，并根据航点的位置进行分类，确保进行对比的两张图像是在同一位置不同时期拍摄的。
作为优选的，将先拍摄的图像定为第一图像，后拍摄的图像定为第二图像；并对两张图像进行高斯滤波处理，减少噪声的影响，提高特征点提取的效率。
作为优选的，利用SIFT特征提取算法分别提取两张图像的特征点；并根据两张图像的特征点，使用Brute Force匹配法进行匹配，逐个提取第一图像的特征点，遍历第二图像的特征点，从而选取匹配度最高的特征点作为匹配点对，然后去除匹配度低的匹配点对。
作为优选的，计算匹配度高的匹配点对的单应矩阵，并根据计算获得的单应矩阵完成图像的映射，从而分别获取第一图像和第二图像的公共区域。
步骤102：比对所述第一公共区域和所述第二公共区域，获得灰度二值图和颜色通道二值图。
在本实施例中，步骤102具体为：将第一公共区域和第二公共区域转化为灰度图；对第一公共区域的灰度图进行直方图规定化处理，获得第一公共区域的灰度直方图；对第二公共区域的灰度图进行直方图规定化处理，根据第一公共区域的灰度直方图调整第二公共区域的灰度分布，获得第二公共区域的灰度直方图；对第一公共区域和第二公共区域的灰度直方图的灰度值做差，获得灰度差值图；对灰度差值图进行二值化处理，获得灰度二值图。
提取第一公共区域的颜色通道和第二公共区域的颜色通道并做差，获得颜色通道差值图；对颜色通道差值图进行二值化处理，获得颜色通道二值图。
作为优选的，计算所述第一公共区域和所述第二公共区域的类间方差最大的分割阈值；根据所述分割阈值对所述灰度差值图进行二值化处理，获得所述灰度二值图。
作为优选的，运用了OTSU算法对差值图进行二值化处理。
步骤103：叠加所述灰度二值图和所述颜色通道二值图，获得第一异常区域。
在本实施例中，步骤103具体为：对灰度二值图和颜色通道二值图进行形态学开操作的处理，并且排除灰度二值图的像素面积和颜色通道二值图的像素面积小于设定值的异常区域后，将灰度二值图和颜色通道二值图互相叠加，获得第一异常区域。
作为优选的，将像素面积小于设定值的异常区域视为无用区域进行排除，以提高第一异常区域的准确度。
步骤104：根据所述第一异常区域和所述第一公共区域进行二次配准处理、二次比对处理和二次叠加处理，获得第二异常区域；其中，所述第二异常区域显示在所述第二图像中。
在本实施例中，步骤104具体为：计算第一异常区域的像素面积，去除面积小于设定值的区域；二次配准处理为利用ASIFT特征点提取算法模拟图像的不同拍摄角度，并且对去除小面积区域的第一异常区域和第一公共区域进行配准，提取数量更多的可提取特征点；根据特征点获得第一异常区域的第三公共区域和第一公共区域的第四公共区域。
二次比对处理为再次比对第三公共区域和第四公共区域，获得更新后的灰度二值图和颜色通道二值图。
二次叠加处理为再次叠加所述更新后的灰度二值图和颜色通道二值图，获得第二异常区域。
作为优选的，利用ASIFT特征点提取算法模拟图像的不同拍摄角度，再使用SIFT特征点提取算法提取特征点，从而获得数量更多的特征点。
参见图2，图2是本发明提供的基于无人机航拍的图像对比装置的一种实施例的结构示意图，如图2所示，该装置包括：配准模块201、初次比对模块202、计算模块203和二次比对模块204；
其中，配准模块201用于配准第一图像和第二图像，提取第一图像和第二图像的特征点，根据特征点获得第一图像中的第一公共区域和第二图像中的第二公共区域；其中，第一图像和第二图像为相同场景且不同时期的航拍图像；
初次比对模块202用于比对第一公共区域述第二公共区域，分别获得灰度二值图和颜色通道二值图；
计算模块203用于叠加灰度二值图和颜色通道二值图，获得第一异常区域；
二次比对模块204用于根据第一异常区域和第一公共区域进行二次配准、二次比对和二次叠加处理，获得第二异常区域；其中，第二异常区域显示在第二图像中。
参见图3，图3是本发明提供的基于无人机航拍的图像对比方法的另一种实施例的流程示意图，如图3所示，具体为：
在本实施例中，步骤301：进行数据获取：通过设定无人机的航拍周期和航线，获取相同位置且不同时间的两张图像，并将其分为航拍图像(前)和航拍图像(后)。
步骤302：进行图像预处理：获得航拍图像(前)和航拍图像(后)，使用高斯滤波为两张图像除噪。
步骤303：进行图像匹配：使用SIFT特征点提取算法提取两张图像的特征点，利用Brue Force匹配法计算匹配点对，并筛选出匹配度高的点对，计算高匹配度点对的单应矩阵，根据单应矩阵进行图像映射，从而分别获得航拍图像(前)和航拍图像(后)的公共区域。
步骤304：进行图像初次比对：针对获得的公共区域(前)和公共区域(后)，分别转为灰度图计算灰度差值图和分为三色通道计算颜色通道差值图，获得公共区域(前)和公共区域(后)的灰度差值图，以及公共区域(前)和公共区域(后)的颜色通道差值图，对获得的灰度差值图和颜色通道差值图进行二值化处理和图像形态学开处理，并排除像素面积小于设定值的区域，然后叠加处理完成的灰度差值图和颜色通道图，获取疑似异常区域。
步骤305：进行图像二次比对：排除疑似异常区域中像素面积小于设定值的区域，对获得的疑似异常区域和公共区域(前)再次进行图像匹配和图像初次比对的步骤，最后获得异常区域。
参见图4，图4是本发明提供的终端设备的一种实施例的结构示意图。
该实施例的一种终端设备包括：处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序。所述处理器401执行所述计算机程序时实现上述各个基于无人机航拍的图像对比方法在实施例中的步骤，例如图1所示的基于无人机航拍的图像对比方法的所有步骤。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如：图2所示的基于无人机航拍的图像对比装置的所有模块。
另外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一实施例所述的基于无人机航拍的图像对比装置。
本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器401可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器401是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器402可用于存储所述计算机程序和/或模块，所述处理器401通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器402内的数据，实现所述终端设备的各种功能。所述存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
由上可见，本发明提供了一种基于无人机航拍的图像对比方法、装置及终端设备，该方法通过对前后两次航拍图像的公共区域进行灰度图和三色通道的差值计算，充分利用了可见光图像的光照和色彩信息，由普通摄像设备即可处理，无需搭载其它设备，具有能够减少无人机的巡航成本和巡航能耗的有益效果；本发明还采用了二次比对的方法，通过局部配准提高了图像的匹配度，从而排除因拍摄位置出现偏差而导致的形变，从而提高结果的准确度。即使在没有专业无人机操控人员的情况下，本发明可以设定航线进行拍摄，提高了航拍图像的一致性。本发明能够应用于对城市的低空拍摄从而发掘违法违规行为，具有成本低、效益高以及准确度高的优点，能够广泛应用于异常区域的检测。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于无人机航拍的图像对比方法，其特征在于，包括：
配准第一图像和第二图像，提取所述第一图像和所述第二图像的特征点，根据所述特征点获得所述第一图像中的第一公共区域和所述第二图像中的第二公共区域；其中，所述第一图像和所述第二图像为相同场景且不同时期的航拍图像；
比对所述第一公共区域和所述第二公共区域，获得灰度二值图和颜色通道二值图；
叠加所述灰度二值图和所述颜色通道二值图，获得第一异常区域；
根据所述第一异常区域和所述第一公共区域进行二次配准处理、二次比对处理和二次叠加处理，获得第二异常区域；其中，所述第二异常区域显示在所述第二图像中。
2.根据权利要求1所述的基于无人机航拍的图像对比方法，其特征在于，所述获得灰度二值图和颜色通道二值图，具体为：
将所述第一公共区域和所述第二公共区域转化为灰度图；
对所述第一公共区域的灰度图进行直方图规定化处理，获得所述第一公共区域的灰度直方图；
对所述第二公共区域的灰度图进行直方图规定化处理，根据所述第一公共区域的灰度直方图调整所述第二公共区域的灰度分布，获得所述第二公共区域的灰度直方图；
对所述第一公共区域和所述第二公共区域的灰度直方图的灰度值做差，获得灰度差值图；
对所述灰度差值图进行二值化处理，获得所述灰度二值图。
3.根据权利要求2所述的基于无人机航拍的图像对比方法，其特征在于，所述获得灰度二值图和颜色通道二值图，还包括：
提取所述第一公共区域的颜色通道和所述第二公共区域的颜色通道并做差，获得颜色通道差值图；
对所述颜色通道差值图进行二值化处理，获得所述颜色通道二值图。
4.根据权利要求3所述的基于无人机航拍的图像对比方法，其特征在于，所述对所述灰度差值图进行二值化处理，获得所述灰度二值图，具体为：
计算所述第一公共区域和所述第二公共区域的类间方差最大的分割阈值；
根据所述分割阈值对所述灰度差值图进行二值化处理，获得所述灰度二值图。
5.根据权利要求1所述的基于无人机航拍的图像对比方法，其特征在于，所述叠加所述灰度二值图和所述颜色通道二值图，获得第一异常区域，具体为：
对所述灰度二值图和所述颜色通道二值图进行形态学开操作的处理，并且排除所述灰度二值图的像素面积和所述颜色通道二值图的像素面积小于设定值的异常区域后，将所述灰度二值图和所述颜色通道二值图互相叠加，获得所述第一异常区域。
6.根据权利要求1所述的基于无人机航拍的图像对比方法，其特征在于，所述根据所述第一异常区域和所述第一公共区域进行二次配准处理、二次比对处理和二次叠加处理，获得第二异常区域，具体为：
计算所述第一异常区域的像素面积，去除面积小于设定值的区域；
所述二次配准处理为利用ASIFT特征点提取算法模拟图像的不同拍摄角度，并且对去除小面积区域的所述第一异常区域和所述第一公共区域进行配准，提取数量更多的可提取特征点；
根据所述特征点获得所述第一异常区域的第三公共区域和所述第一公共区域的第四公共区域；
所述二次比对处理为再次比对所述第三公共区域和所述第四公共区域，获得更新后的灰度二值图和颜色通道二值图；
所述二次叠加处理为再次叠加所述更新后的灰度二值图和颜色通道二值图，获得第二异常区域。
7.根据权利要求1所述的基于无人机航拍的图像对比方法，其特征在于，在所述提取所述第一图像和所述第二图像的特征点之前，还包括：
控制无人机在预设的航线和周期进行航拍，从而获取所述第一图像和所述第二图像；其中，所述航线包括每个航点的GPS位置、飞行高度、拍摄角度和机头朝向。
8.一种基于无人机航拍的图像对比装置，其特征在于，包括：配准模块、初次比对模块、计算模块和二次比对模块；
其中，所述配准模块用于配准第一图像和第二图像，提取所述第一图像和所述第二图像的特征点，根据所述特征点获得所述第一图像中的第一公共区域和所述第二图像中的第二公共区域；其中，所述第一图像和所述第二图像为相同场景且不同时期的航拍图像；
所述初次比对模块用于比对所述第一公共区域和所述第二公共区域，分别获得灰度二值图和颜色通道二值图；
所述计算模块用于叠加所述灰度二值图和所述颜色通道二值图，获得第一异常区域；
所述二次比对模块用于根据所述第一异常区域和所述第一公共区域进行二次配准、二次比对和二次叠加处理，获得第二异常区域；其中，所述第二异常区域显示在所述第二图像中。
9.一种计算机终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于无人机航拍的图像对比方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的基于无人机航拍的图像对比方法。
CN202111322738.6A 2021-11-09 2021-11-09 一种基于无人机航拍的图像对比方法、装置及终端设备 Pending CN114170565A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111322738.6A CN114170565A (zh) 2021-11-09 2021-11-09 一种基于无人机航拍的图像对比方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111322738.6A CN114170565A (zh) 2021-11-09 2021-11-09 一种基于无人机航拍的图像对比方法、装置及终端设备

Publications (1)

Publication Number Publication Date
CN114170565A true CN114170565A (zh) 2022-03-11

Family

ID=80478408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111322738.6A Pending CN114170565A (zh) 2021-11-09 2021-11-09 一种基于无人机航拍的图像对比方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN114170565A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114943734A (zh) * 2022-07-22 2022-08-26 南通透灵信息科技有限公司 基于无人机航拍的灌溉装置异常检测方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114943734A (zh) * 2022-07-22 2022-08-26 南通透灵信息科技有限公司 基于无人机航拍的灌溉装置异常检测方法及系统

Similar Documents

Publication Publication Date Title
CN112528878B (zh) 检测车道线的方法、装置、终端设备及可读存储介质
EP3757890A1 (en) Method and device for image processing, method and device for training object detection model
CN111080526B (zh) 航拍图像的农田面积的测算方法、装置、设备及介质
Negru et al. Exponential contrast restoration in fog conditions for driving assistance
CN109753928B (zh) 违章建筑物识别方法和装置
WO2022126377A1 (zh) 检测车道线的方法、装置、终端设备及可读存储介质
CN107330373A (zh) 一种基于视频的违章停车监控系统
CN111462128B (zh) 一种基于多模态光谱图像的像素级图像分割系统及方法
CN110991506B (zh) 一种车辆品牌识别方法、装置、设备及存储介质
CN110691226B (zh) 图像处理方法、装置、终端及计算机可读存储介质
CN111837158A (zh) 图像处理方法、装置、拍摄装置和可移动平台
CN111368587B (zh) 场景检测方法、装置、终端设备及计算机可读存储介质
CN111325107B (zh) 检测模型训练方法、装置、电子设备和可读存储介质
CN113255444A (zh) 图像识别模型的训练方法、图像识别方法和装置
CN113609907B (zh) 一种多光谱数据的获取方法、装置及设备
CN114170565A (zh) 一种基于无人机航拍的图像对比方法、装置及终端设备
CN107992788B (zh) 识别交通灯的方法、装置及车辆
CN112115737B (zh) 一种车辆朝向的确定方法、装置及车载终端
CN112580489A (zh) 交通灯检测方法、装置、电子设备及存储介质
CN109635679B (zh) 一种实时的靶纸定位及环线识别方法
CN110751163B (zh) 目标定位方法及其装置、计算机可读存储介质和电子设备
CN108810407B (zh) 一种图像处理方法、移动终端及计算机可读存储介质
JP6874315B2 (ja) 情報処理装置、情報処理方法およびプログラム
Zhang et al. A combined approach to single-camera-based lane detection in driverless navigation
CN107992789B (zh) 识别交通灯的方法、装置及车辆

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