[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

本發明公開了一種基于無人機航拍圖像的橋梁車輛檢測方法，首先對無人機航拍圖像進行預處理，抑制海風引起的抖動和噪聲干擾；使用K?means聚類方式提取橋梁部分圖像，并使用暗通道圖、霧圖模型對圖像進行去霧處理，使用線性回歸模型求取灰度化權重比，對圖像進行灰度化處理，減小橋梁部分圖像的數據量，使用局部對比度增強法對圖像進行對比度增強，并使用大津閾值分割技術檢測車輛，用以突出橋梁部分圖像中的車輛特征，最后，使用基于卷積神經網絡的車型分類器對車輛進行分類，并設計經驗公式計算車輛的長度、寬度、高度信息，該方法得到的跨海大橋車輛信息準確、可靠，可用于評估跨海大橋的橋梁健康狀況、預測橋梁維修周期以及交通部門的交通指揮等。

技術領域

本發明涉及圖像處理領域，特別是一種基于無人機航拍圖像的橋梁車輛檢測方法。

背景技術

跨海大橋航拍圖像中的車輛信息是智能交通系統建設的重要部分，有助于分析當前跨海大橋交通狀況，預測橋梁維修周期。車輛特征可以用于車輛跟蹤、車型分析、車牌識別等。目前常用的車輛檢測是基于一階或二階導數的邊緣檢測方式，這種方式的缺點在于檢測時受圖像拍攝質量的影響較大，需要高拍攝質量的圖像，才有望獲得好的車輛檢測結果。

無人機航拍的跨海大橋圖像受水汽和霧氣的干擾，圖像中存在霧氣，掩蓋了圖像中的一些重要信息。亟需一種簡單快速的圖像去霧方式對圖像進行處理。目前的圖像去霧方式主要有兩種，一種是基于圖像增強的方式對圖像進行去霧處理，這種方式的優點在于處理速度快，運算簡單。弊端在于不考慮圖像的對比度、色差還有圖像退化的原因，處理之后可能導致圖像的部分重要信息丟失。另一種是使用去霧模型進行去霧，首先對圖像退化的原因進行分析，然后建立反向模型對圖像進行去霧；在實際使用過程中需要獲得圖像的景深和大氣條件，加大了圖像處理的難度。因此有人提出了一種基于暗通道的先驗去霧方式，利用先驗知識和理論對圖像中霧氣的透射信息進行評估，然后利用該信息進行去霧。該方式僅適用于拍攝背景單一，圖像中天空區域或白色區域較少的情況。跨海大橋航拍圖像由于霧氣、反光等原因，直接使用這種方式去霧會產生較大的誤差。

發明內容

本發明的目的在于提供一種基于無人機航拍圖像的橋梁車輛檢測方法，以克服現有技術的不足。

為達到上述目的，本發明采用如下技術方案：

一種基于無人機航拍圖像的橋梁車輛檢測方法，包括以下步驟：

步驟1)、對獲取的圖像進行降噪預處理；

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；

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。

進一步的，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。