[發明專利]一種基于無人機遙感的線性目標檢測方法及系統

有效

• 申請號: 201510919643.0
• 申請日: 2015-12-11
• 公開（公告）號: CN106886988B
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 劉萍;陳會;孫博;姜小礫
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/90;G06T7/40
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 郝明琴

本發明涉及一種基于無人機遙感的線性目標檢測方法及系統。所述線性目標檢測方法包括以下步驟：步驟a：獲取無人機序列影像，并在序列影像的重疊區域進行特征點提取；步驟b：對提取的特征點進行匹配，生成立體相對，并根據立體相對計算高程信息；步驟c：根據高程信息與影像的顏色信息識別待測目標的邊緣信息，并根據邊緣信息提取待測目標。本發明根據目標特征制定數據采集方案獲取高重疊度的序列影像，采用穩健的SIFT算法進行特征點匹配，并將獲取的高程數據與影像特征相結合進行目標邊緣的識別，從而實現現行目標的提取。本發明可大大節省成本，并有利于提高影像中線性目標檢測的時效性和準確性。

技術領域

本發明屬于線性目標檢測技術領域，尤其涉及一種基于無人機遙感的線性目標檢測方法及系統。

背景技術

遙感影像中線性目標的提取具有重要的意義和廣泛的研究，例如溝渠、河流、道路及電力線路等，在實際應用中大多根據線性目標的大小，選擇高分辨率的衛星影像或航拍影像進行線性目標的信息檢測和提取。遙感影像線性目標檢測方法較多，通常都是在已經做好幾何糾正的影像上采用二維彩色圖像外觀特征進行分割，有一定的適用性和局限性；如運用Hough變換對圖像主特征直線進行檢測的算法是基于全搜索，對計算量和存儲空間的需求都很大，不利于實時處理；而基于數學形態學的線性目標檢測、基于區域生長的線性目標檢測和基于神經網絡的線性目標檢測等方法雖然計算簡單，可以實現實時處理，但由于在一定程度上受到邊緣檢測算法的制約，不能處理有間斷的直線。而采用高分辨率衛星影像和航拍影像的追蹤和檢測往往需要購買大范圍的遙感影像進行識別和提取，造成不必要的影像購買成本和大量數據處理的負擔。

發明內容

本發明提供了一種基于無人機遙感的線性目標檢測方法及系統，旨在至少在一定程度上解決現有技術中的上述問題。

本發明實現方式如下，一種基于無人機遙感的線性目標檢測方法，包括以下步驟：

步驟a：獲取無人機序列影像，并在序列影像的重疊區域進行特征點提取；

步驟b：對提取的特征點進行匹配，生成立體相對，并根據立體相對計算高程信息；

步驟c：根據高程信息與影像的顏色信息識別待測目標的邊緣信息，并根據邊緣信息提取待測目標。

本發明實施例采取的技術方案還包括：所述步驟a前還包括：分析待測目標的目標特征，依據目標特征設定影像所需的分辨率及航向/旁向重疊度；根據影像所需的分辨率及航向/旁向重疊度制定飛行計劃及拍攝規則；所述目標特征包括位置、大小及高程，所述飛行計劃包括飛行路線、相對地面航高及航速，所述拍攝規則包括拍攝模式。

本發明實施例采取的技術方案還包括：所述步驟a還包括：對獲取的序列影像進行預處理；所述預處理包括影像定位、實際重疊度分析及圖像彩色增強。

本發明實施例采取的技術方案還包括：在所述步驟a中，所述在序列影像的重疊區域進行特征點提取的特征點提取方法包括以下步驟：

步驟a1：采用DoG算子在影像尺度空間搜索尺度影像上的局部三維極值點，初步確定關鍵點的位置和特征尺度；

步驟a2：在關鍵點處對DoG算子進行泰勒二階式展開，通過在影像尺度空間擬合二次泰勒展開式，精確確定關鍵點的位置和特征尺度；

步驟a3：將DoG算子的一階微分和二階微分組成Hessian矩陣，通過將Hessian矩陣最大特征值與最小特征值的比值與設定的閾值進行比較，剔除低對比度的關鍵點和不穩定的邊緣響應點,提高關鍵點的抗噪聲能力；

步驟a4：由關鍵點鄰域內像點梯度方向和經過高斯加權處理的梯度值形成梯度方向直方圖，并用拋物線擬合該直方圖極大值附近的值，精確確定關鍵點的主方向，形成SIFT特征點。