[發明專利]一種基于無人機航拍圖像的橋梁車輛檢測方法

有效

• 申請號: 201910344879.4
• 申請日: 2019-04-26
• 公開（公告）號: CN110060221B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 朱旭;賈駿;徐偉;閆茂德;楊盼盼;左磊
• 申請（專利權）人: 長安大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/11;G06T7/136;G06T7/194;G06T7/90;G06V20/13;G06V10/774;G06V10/82;G06N3/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

1.一種基于無人機航拍圖像的橋梁車輛檢測方法，其特征在于，包括以下步驟：

步驟1)、對獲取的圖像進行降噪預處理；

具體的降噪預處理包括以下步驟：

采用中值濾波法對無人機航拍圖像進行濾波處理，去除圖像中的孤立噪聲點和椒鹽噪聲，然后對濾波處理后的圖像采用變分貝葉斯方法進行抑制變形處理，減弱圖像拍攝過程中出現的抖動，抑制圖像變形，最后通過UndistortImage矯正函數對抑制變形處理后的圖像進行矯正，減弱圖像畸變，從而完成圖像降噪預處理；

步驟2)、然后對降噪預處理后的圖像進行去霧處理：將降噪預處理后的圖像中橋梁和海面分割成兩部分，并使用暗通道去霧方式對橋梁部分圖像進行去霧處理得到去霧處理后圖像；

將降噪預處理后的圖像由RGB顏色空間圖像轉化成Lab顏色空間圖像，使用K-means聚類方式提取橋梁部分圖像；將橋梁部分圖像從Lab空間轉回至RGB顏色空間，使用暗通道圖和霧圖模型計算圖像的大氣光值和大氣透射率，并依據霧圖模型對橋梁部分圖像進行去霧處理；

步驟3)、建立線性回歸模型求取灰度化權重比，并利用訓練樣本對回歸模型進行訓練，利用訓練后的線性回歸模型對去霧處理后圖像進行灰度化處理；

步驟4)、利用局部對比度增強法對步驟3)得到的橋梁部分的灰度化圖像進行對比度增強，再使用大津閾值分割技術對車輛進行檢測提取橋梁部分圖像中的車輛信息；

步驟5)、建立基于卷積神經網絡的車型分類器，利用車型分類器對步驟4)所檢測到車輛的車型分類以確定車型，并以圖像中大橋的限高欄為參照物，計算車輛的長度、寬度和高度信息，完成車輛檢測；

首先，將航拍得到的跨海大橋RGB圖像轉化成Lab空間圖像，得到Lab空間的三個分量：L分量、a分量和b分量；然后使用K-means聚類方式對a分量和b分量進行聚類操作，計算每個像素點的a分量和b分量之間的距離，將距離最小的像素點歸為同一類，將其它的像素點歸為另一類，這兩類像素點分別構成橋梁和海面，提取出橋梁部分圖像；

接著，將橋梁部分圖像從Lab空間轉回至RGB顏色空間，獲取橋梁部分圖像的大氣光值A和大氣透射率t(x)，其中x為像素坐標位置；先基于暗通道圖求取大氣光值A，從暗通道圖中按照亮度值將前0.1％的像素提取出來，標記提取出來的前0.1％的像素坐標位置z，并在未進行降噪預處理的圖像中標記提取出來的前0.1％的像素坐標的對應位置；在提取出來前0.1％的像素中，尋找最大的亮度值，將其作為大氣光值A；

再利用霧圖模型計算大氣透射率t(x)，所使用的霧圖模型如下：

其中，I^c(x)表示c通道像素x處的含霧橋梁部分圖像，c可取為R，G，B三通道中的一個，即c∈{R,G,B}；J^c(x)表示c通道像素x處的無霧橋梁部分圖像，是去霧處理所期望的結果；

將橋梁部分圖像分解為若干個方形區域，假設每一個方形區域的大氣透射率為定值；實施兩次暗通道運算，每次暗通道運算旨在對R、G、B三個通道的相應參量求最小值，兩次暗通道運算如下：

其中，I^c(y)表示c通道像素y處的含霧橋梁部分圖像，J^c(y)表示c通道像素y處的無霧橋梁部分圖像，Ω(x)表示以像素x為中心的一塊方形圖像區域，t(x)表示像素x處的大氣透射率，min(·)表示求最小值；

根據暗通道的先驗理論，無霧圖像的暗原色值接近于0，因此有：

將上式代入到兩次暗通道運算式中，得到大氣透射率的預估值：

由于空氣中存在一些顆粒，所以在去霧的時候可保留一定程度的霧氣，引入介于[0,1]之間的參數ω，得到改進后的大氣透射率預估值：

在得到大氣光值A和透射率預估值后，代入霧圖模型，即可得到去霧后c通道像素x處的橋梁部分圖像J^c(x)。