[發(fā)明專利]一種基于RGB分布的無人機(jī)圖像處理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110727123.5
• 申請(qǐng)日: 2021-06-29
• 公開（公告）號(hào): CN113553912A
• 公開（公告）日: 2021-10-26
• 發(fā)明（設(shè)計(jì)）人: 劉穎;李帥
• 申請(qǐng)（專利權(quán)）人: 北京蓬瑞宇興科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京嘉途睿知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11793
• 代理人: 彭成

1.一種基于RGB分布的無人機(jī)圖像處理方法，其特征在于：

訓(xùn)練無人機(jī)三維地理圖像樣本，得到無人機(jī)三維地理圖像樣本分類器；

獲取無人機(jī)實(shí)地三維地理采樣圖像，對(duì)所述無人機(jī)實(shí)地三維地理采樣圖像進(jìn)行預(yù)處理，采用所述無人機(jī)三維地理圖像樣本分類器對(duì)所述無人機(jī)三維地理圖像樣本分類器進(jìn)行測(cè)試，獲取所述無人機(jī)三維地理圖像樣本分類測(cè)試結(jié)果和實(shí)地三維地理評(píng)價(jià)結(jié)果；

對(duì)所述無人機(jī)三維地理圖像樣本分類測(cè)試結(jié)果和實(shí)地三維地理評(píng)價(jià)結(jié)果進(jìn)行圖像類型轉(zhuǎn)化，拉取RGB匹配模板，獲取實(shí)地三維地理的動(dòng)態(tài)檢測(cè)結(jié)果；

對(duì)所述實(shí)地三維地理的動(dòng)態(tài)檢測(cè)結(jié)果進(jìn)行環(huán)境檢測(cè)分析，獲取所述實(shí)地三維地理的圖像處理結(jié)果。

2.如權(quán)利要求1所述的一種基于RGB分布的無人機(jī)圖像處理方法，其特征在于：

所述訓(xùn)練無人機(jī)三維地理圖像樣本，得到無人機(jī)三維地理圖像樣本分類器，還包括：

獲取所述訓(xùn)練無人機(jī)三維地理圖像樣本的原始相位圖像，提取其動(dòng)態(tài)特征和顏色特征；

對(duì)所述訓(xùn)練無人機(jī)三維地理圖像樣本的原始相位圖像的動(dòng)態(tài)特征和顏色特征分別進(jìn)行歸一化處理，得到歸一化后的所述原始相位圖像的動(dòng)態(tài)特征和顏色特征；

將所述歸一化后的所述原始相位圖像的動(dòng)態(tài)特征和顏色特征進(jìn)行融合，構(gòu)成雙相位無人機(jī)圖像特征；

對(duì)所述訓(xùn)練無人機(jī)三維地理圖像樣本的原始相位圖像進(jìn)行手動(dòng)獲取C個(gè)雙相位正向訓(xùn)練樣本和D個(gè)兩相位負(fù)向訓(xùn)練樣本，其中0C500,0D1000；

采用得到的所述歸一化后的所述原始相位圖像的動(dòng)態(tài)特征和顏色特征對(duì)C個(gè)雙相位正向訓(xùn)練樣本進(jìn)行表示，得到雙相位正向訓(xùn)練樣本特征；

采用得到的所述歸一化后的所述原始相位圖像的動(dòng)態(tài)特征和顏色特征對(duì)所有(C+D)個(gè)雙相位訓(xùn)練樣本進(jìn)行表示，得到所有雙相位訓(xùn)練樣本特征；

采用雙相位正向訓(xùn)練樣本特征和所有雙相位訓(xùn)練樣本特征構(gòu)造支撐分類器SVC。

3.如權(quán)利要求1所述的一種基于RGB分布的無人機(jī)圖像處理方法，其特征在于：所述獲取無人機(jī)實(shí)地三維地理采樣圖像，對(duì)所述無人機(jī)實(shí)地三維地理采樣圖像進(jìn)行預(yù)處理，采用所述無人機(jī)三維地理圖像樣本分類器對(duì)所述無人機(jī)三維地理圖像樣本分類器進(jìn)行測(cè)試，獲取所述無人機(jī)三維地理圖像樣本分類測(cè)試結(jié)果和實(shí)地三維地理評(píng)價(jià)結(jié)果，還包括：

控制鏡頭捕獲數(shù)字圖像，將采集的數(shù)字圖像進(jìn)行灰度化、去燥及重新設(shè)置圖像尺寸處理，去除噪聲使用高斯濾波和中值濾波；

使用圖像清晰度評(píng)價(jià)算法判斷圖像的離焦程度，并通過據(jù)焦搜索方法找到焦點(diǎn)位置，驅(qū)動(dòng)無人機(jī)鏡頭至最佳成像位置；

采用所述雙相位無人機(jī)圖像特征和所述雙相位正向訓(xùn)練樣本特征，將所述雙相位無人機(jī)圖像特征和所述雙相位正向訓(xùn)練樣本特征輸入到第一層的小波神經(jīng)網(wǎng)絡(luò)中，利用第一層網(wǎng)絡(luò)隱層和輸入層節(jié)點(diǎn)的初始權(quán)值，輸出層和隱層節(jié)點(diǎn)的初始權(quán)值、小波激活函數(shù)的縮放因子和平移因子分別計(jì)算第一層網(wǎng)絡(luò)隱層的輸出和輸出層的輸出；

將所述第一層網(wǎng)絡(luò)隱層的輸出和輸出層的輸出輸入到所述采用雙相位正向訓(xùn)練樣本特征和所有雙相位訓(xùn)練樣本特征構(gòu)造的支撐分類器SVC中，獲取最終的無人機(jī)圖像測(cè)試結(jié)果；

對(duì)所述測(cè)試結(jié)果進(jìn)行實(shí)地三維地理分析，對(duì)實(shí)地三維地理進(jìn)行聚類處理，并獲取所述實(shí)地三維地理的紋理特征和硬度特征。