[發(fā)明專利]一種光電導(dǎo)航系統(tǒng)的超分辨率圖像異常目標檢測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011242621.2
• 申請日: 2020-11-09
• 公開（公告）號: CN112184559B
• 公開（公告）日: 2022-07-22
• 發(fā)明（設(shè)計）人: 汪輝;白俊強;王謀;郭彬;劉成茂
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué);西安索格亞航空科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06K9/62;G06N3/04;G06N3/08;G06V10/774;G06V10/82
• 代理公司: 北京市盛峰律師事務(wù)所 11337
• 代理人: 于國強

本發(fā)明公開了一種光電導(dǎo)航系統(tǒng)的超分辨率圖像異常目標檢測方法及系統(tǒng)，檢測方法及系統(tǒng)通過對光電導(dǎo)航系統(tǒng)獲取的圖像進行處理，并使用處理后的圖像對初始圖像超分辨率模型進行訓(xùn)練，獲取第一圖像超分辨率模型；使用第一圖像超分辨率模型對光電導(dǎo)航系統(tǒng)獲取的圖像進行處理，使用經(jīng)其處理后的圖像對初始圖像超分辨率模型進行訓(xùn)練，獲取第二圖像超分辨率模型，最后使用第二超分辨率模型對光電導(dǎo)航系統(tǒng)獲取的圖像進行目標檢測，實現(xiàn)異常目標告警。優(yōu)點是：通過對圖像進行超清化處理，輔助提高駕駛員在光照不足、有干擾源的戶外等復(fù)雜場景下的判斷準確性。對圖像中存在的所有目標進行分類與距離判斷，對異常目標發(fā)出預(yù)警，從而提高飛行器飛行的安全性。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺、圖像處理及人工智能與導(dǎo)航技術(shù)領(lǐng)域，尤其涉及一種光電導(dǎo)航系統(tǒng)的超分辨率圖像異常目標檢測方法及系統(tǒng)。

背景技術(shù)

飛行器、車輛上對智能導(dǎo)航系統(tǒng)的應(yīng)用是今后導(dǎo)航系統(tǒng)發(fā)展的必然趨勢，智能化方法與傳統(tǒng)導(dǎo)航系統(tǒng)結(jié)合正是這一趨勢的直接體現(xiàn)。在不需要人為干涉情況下，利用計算機視覺技術(shù)對導(dǎo)航系統(tǒng)獲取的圖像進行處理，能夠在硬件設(shè)施有所欠缺的情況下為飛行員或駕駛員提供更加準確的操作判斷素材，并能夠在異常情況發(fā)生時及時發(fā)出預(yù)警，輔助飛行員或駕駛員最大程度地降低危險發(fā)生的幾率。

飛行器在飛行或著陸安全性與導(dǎo)航系統(tǒng)密不可分，根據(jù)導(dǎo)航系統(tǒng)的物理特性，可分為全球定位系統(tǒng)、慣性導(dǎo)航系統(tǒng)、光電圖像導(dǎo)航系統(tǒng)等。全球定位系統(tǒng)在衛(wèi)星信號較弱的情況下可靠性受到嚴重影響，慣性導(dǎo)航系統(tǒng)的誤差會隨著時間積累，其戰(zhàn)時實用性受到限制。而光電導(dǎo)航系統(tǒng)具有可視性好、無線電靜默、非主動性等特點而受到廣泛關(guān)注。

現(xiàn)有大部分導(dǎo)航系統(tǒng)只是提供捕獲的圖像，沒有對圖像進行分析。對異常事件的實時檢測與事故的事后分析需人為完成。這使得人的勞動量非常大，或多或少存在誤報與漏報現(xiàn)象，從而導(dǎo)致整個系統(tǒng)的安全性降低。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種光電導(dǎo)航系統(tǒng)的超分辨率圖像異常目標檢測方法及系統(tǒng)，從而解決現(xiàn)有技術(shù)中存在的前述問題。

為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

一種光電導(dǎo)航系統(tǒng)的超分辨率圖像異常目標檢測方法，包括如下步驟，

S1、獲取光電導(dǎo)航系統(tǒng)的多個高分辨率圖像，建立原始數(shù)據(jù)集S'＝{(H₁,T₁),(H₂,T₂),…,(H_n,T_n)}，對原始數(shù)據(jù)集中的各個高分辨率圖像進行不同類型的模糊來降低其分辨率，獲取各個高分辨率圖像對應(yīng)的低分辨率圖像，將各個低分辨率圖像一一對應(yīng)各高分辨率圖像添加到原始數(shù)據(jù)集中，獲取第一數(shù)據(jù)集S＝{(H₁,L₁,T₁),(H₂,L₂,T₂),…,(H_n,L_n,T_n)}；其中，n為高分辨率圖像i的總數(shù)；H_i和T_i分別表示第i個高分辨率圖像和第i個高分辨率圖像的標簽；L_i為第i個高分辨率圖像對應(yīng)的低分辨率圖像；

S2、將第一數(shù)據(jù)集中成對的高分辨率圖像和低分辨率圖像劃分為第一訓(xùn)練集S_train、第一驗證集S_validate和第一測試集S_test；

S3、搭建基于卷積神經(jīng)網(wǎng)絡(luò)的初始圖像超分辨率模型Λ_CNN；