一种用于无人机影像中建筑物变化的检测方法及系统技术方案

本发明专利技术公开了一种用于无人机影像中建筑物变化的检测方法，该方法包括：读取两张用于对比的影像图，采用最邻近匹配法进行图像间的配准，分别得到配准影像图；对配准影像图预处理，用颜色平衡方法调节两幅配准影像图亮度和颜色上的差异；针对含有建筑物的正摄影像的样本数据集，采用深度学习进行训练，得到训练后模型，使用训练后的模型对调节后的影像图进行建筑物目标检测；根据目标检测后的对比影像图，将目标建筑物的变化情况分类，并综合识别变化的建筑物所属分类。本发明专利技术首先对用于变化检测的两期影像进行配准，对于配准后的影像图通过颜色平衡算法减小色彩、亮度上的差异，减少了检测过程中受到外界因素影响的问题，检测鲁棒性更好。

A Detection Method and System for Building Change in UAV Images

The invention discloses a detection method for building changes in UAV images, which includes: reading two image maps for comparison, using nearest neighbor matching method for image registration, obtaining registration image maps respectively; preprocessing registration image maps, adjusting brightness and color difference of two registration image maps by color balance method; and aiming at buildings containing buildings. Positive image sample data sets are trained by in-depth learning, and the trained model is used to detect the building target using the adjusted image map. According to the contrast image after the target detection, the change of the target building is classified, and the classification of the changed building is synthetically recognized. Firstly, the two-phase image for change detection is registered. For the registered image, the difference in color and brightness is reduced by color balance algorithm, and the problem affected by external factors in the detection process is reduced, and the detection robustness is better.

【技术实现步骤摘要】
一种用于无人机影像中建筑物变化的检测方法及系统
本专利技术涉及一种变化检测技术，具体涉及一种用于无人机影像中建筑物变化的检测方法及系统。
技术介绍
随着社会经济水平的不断增长，为了明确了解到城市变化情况，以便于管理和控制城市的规划发展，这就需要城市规划管理部门明确掌握城市规划方案，土地的实际使用情况，违法用地和违章建筑物的情况。变化检测的传统方法有很多，主要有代数运算方法(差值法、比值法)，基于图像特征(纹理、线段、颜色信息)，基于对象比较(图像分割、地物聚类)等，但是这些方法往往总存在受外界各种因素如光照等影响、特征难以提取、相同地物之间难以有效分割和聚类等问题，存在很多伪变化和漏检，检测精度不高，检测鲁棒性较差。
技术实现思路
专利技术目的：为了克服现有技术的不足，本专利技术提供一种用于无人机影像中建筑物变化的检测方法，该方法可以解决变化检测中容易受外界各种因素影响、特征难以提取、相同地物之间难以有效分割和聚类以及检测精度不高，检测鲁棒性较差的问题，本专利技术还提供一种用于无人机影像中建筑物变化检测的系统。技术方案：一方面，本专利技术一种用于无人机影像中建筑物变化的检测方法，该方法包括：(1)读取两张用于对比的旧时像影像和新时像影像图，并采用最邻近匹配法进行图像间的配准，分别得到配准影像图；(2)对配准影像图预处理，并采用颜色平衡方法分别调节两幅配准影像图亮度和颜色上的差异，得到调节后的旧时像影像图和调节后的新时像影像图；(3)针对含有建筑物的正摄影像的样本数据集，采用深度学习的方法进行训练，得到训练后模型，使用所述训练后的模型对所述调节后的影像图进行建筑物目标检测；(4)根据目标检测后的旧时像影像图和新时像影像图，将目标建筑物的变化情况进行分类，并综合识别变化的建筑物所属分类。优选的，所述步骤(1)中，采用最邻近匹配法进图像间的配准，具体包括：(11)利用surf算子检测所述旧时像影像图和新时像影像图中的关键特征点对，设立海森阈值，去除多余的明显错误关键特征点对；(12)采用最邻近匹配算法根据关键特征点对间距离相近程度来匹配特征点，并结合RANSAC算法迭代数据点，去除错误的匹配点对，保留好的关键特征点对；(13)根据经过筛选后能够匹配的关键特征点对进行透射变换，计算单应性矩阵，用矩阵对影像图进行平移、旋转来配准影像图，从而得到旧时像配准影像图和新时像配准影像图。优选的，步骤(2)中，采用颜色平衡方法分别调节两幅配准影像图亮度和颜色上的差异，具体包括：(21)设定合适的卷积核对整个图像进行均值滤波，求得旧时像配准影像图的像素均值和新时像配准影像图的像素均值(22)分别将两个配准影像图像像素矩阵自身进行点乘运算，再通过所述卷积核进行滤波，求得新时像配准影像图的像素方差与新时像配准影像图的像素的方差(23)根据求得的两幅图像像素的均值和方差，通过颜色平衡算法对颜色进行调整，计算颜色调节后的像素值tnew(i,j)。优选的，所述通过颜色平衡算法对颜色进行调整，调整公式为：其中，t(i,j)是要用于颜色调节的原图像第i行、第j列像素值，和分别为旧时像配准影像图的像素均值和新时像配准影像图的像素均值，和分别为旧时像配准影像图的像素的方差和新时像配准影像图的像素的方差，k表示用于在像素(i,j)周围传送统计数据的卷积运算核的长度，tnew(i,j)是经过颜色调节后的图像中第i行、第j列的像素值。优选的，所述步骤(4)中，将目标建筑物的变化情况进行分类，类型包括新增、拆迁、范围扩建和缩小和建筑物加盖。优选的，所述步骤(4)中，综合识别变化的建筑物所属分类，识别方法包括：若目标检测后的新影像图中建筑物在所述目标检测后的旧影像图中找不到与其位置上基本吻合、面积相当的建筑物，重叠度为0时，则识别为新增的建筑物；若目标检测后的旧影像图中建筑物在目标检测后的新影像图中找不到与其位置上基本吻合、面积相当的建筑物，重叠度为0时，则判为拆除的建筑物；当目标检测后的新影像图和目标检测后的旧影像图中对应位置建筑物有明显重合，但，若两者面积比率超过设定阈值范围的上限Thratemax，可判为扩建；否则，两者面积比率小于预先设定的面积比率阈值范围的下限Thratemin时，判为范围缩小；若目标检测后的新影像图和目标检测后的旧影像图中对应建筑物的位置基本吻合、面积相当，同时面积比率rate满足Thratemin<rate<Thratemax时，通过SSIM算法判断两者的结构纹理特征上的相似度，则判断是否存在疑为建筑物加盖。优选的，所述结构纹理特征上的相似度超过预设相似度阈值Thsimilarity时，则认为建筑物没有加盖；低于或等于预设相似度阈值Thsimilarity时，则认为是建筑物加盖。另一方面，本专利技术还提供一种用于无人机影像建筑物变化检测的系统，包括：影像图配准模块，用于读取两张用于对比的旧时像影像和新时像影像图，并采用最邻近匹配法进行图像间的配准，分别得到配准影像图；影像图预处理模块，用于对配准影像图进行预处理，并采用颜色平衡方法分别调节两幅配准影像图亮度和颜色上的差异，得到调节后的旧时像影像图和调节后的新时像影像图；模型训练模块，用于针对含有建筑物的正摄影像的样本数据集，采用深度学习的方法进行训练，得到训练后模型，使用所述训练后的模型对所述调节后的影像图进行建筑物目标检测；建筑物分类模块，用于根据目标检测后的旧时像影像图和新时像影像图，将目标建筑物的变化情况进行分类，并综合识别变化的建筑物所属分类。优选的，所述建筑物分类模块中，将目标建筑物的变化情况进行分类，类型包括新增、拆迁、范围扩建和缩小和建筑物加盖。优选的，所述建筑物分类模块中，具体包括：建筑物新增识别单元，用于若目标检测后的新影像图中建筑物在所述目标检测后的旧影像图中找不到与其位置上基本吻合、面积相当的建筑物，重叠度几乎为0时，则识别为新增的建筑物；建筑物拆除识别单元，用于若目标检测后的旧影像图中建筑物在目标检测后的新影像图中找不到与其位置上基本吻合、面积相当的建筑物，重叠度几乎为0时，则判为拆除的建筑物；建筑物扩建缩小识别单元，用于当目标检测后的新影像图和目标检测后的旧影像图中对应位置建筑物有明显重合，但，若两者面积比率超过设定阈值范围的上限Thratemax，可判为扩建；否则，两者面积比率小于预先设定的面积比率阈值范围的下限Thratemin时，判为范围缩小；建筑物加盖识别单元，用于当目标检测后的新影像图和目标检测后的旧影像图中对应建筑物的位置基本吻合、面积相当，同时面积比率rate满足Thratemin<rate<Thratemax时，通过SSIM算法判断两者的结构纹理特征上的相似度，判断是否存在疑为建筑物加盖。有益效果：本专利技术与现有技术相比，其显著优点是：1、本专利技术将深度学习与传统方法相结合，并且综合考虑了建筑物可能存在的各种变化情况进行综合判别，使得相同的物体之间可以有效分割和聚类；2、本专利技术首先对用于变化检测的两期影像进行配准，对于配准后的影像图通过颜色平衡算法减小色彩、亮度上的差异，减少了检测过程中受到外界因素影响的问题，检测鲁棒性更好；3、本专利技术综合考虑将建筑物变化情况进行分类，综合识别变化的建筑物，有效减少了伪变化和漏检情况而给检测本文档来自技高网...

【技术保护点】
1.一种用于无人机影像中建筑物变化的检测方法，其特征在于，该方法包括：(1)读取两张用于对比的旧时像影像和新时像影像图，并采用最邻近匹配法进行图像间的配准，分别得到配准影像图；(2)对配准影像图预处理，并采用颜色平衡方法分别调节两幅配准影像图亮度和颜色上的差异，得到调节后的旧时像影像图和调节后的新时像影像图；(3)针对含有建筑物的正摄影像的样本数据集，采用深度学习的方法训练，得到训练后模型，使用所述训练后的模型对所述调节后的影像图进行建筑物目标检测；(4)根据目标检测后的旧时像影像图和新时像影像图，将目标建筑物的变化情况进行分类，并综合识别变化的建筑物所属分类。

【技术特征摘要】
1.一种用于无人机影像中建筑物变化的检测方法，其特征在于，该方法包括：(1)读取两张用于对比的旧时像影像和新时像影像图，并采用最邻近匹配法进行图像间的配准，分别得到配准影像图；(2)对配准影像图预处理，并采用颜色平衡方法分别调节两幅配准影像图亮度和颜色上的差异，得到调节后的旧时像影像图和调节后的新时像影像图；(3)针对含有建筑物的正摄影像的样本数据集，采用深度学习的方法训练，得到训练后模型，使用所述训练后的模型对所述调节后的影像图进行建筑物目标检测；(4)根据目标检测后的旧时像影像图和新时像影像图，将目标建筑物的变化情况进行分类，并综合识别变化的建筑物所属分类。2.根据权利要求1所述的用于无人机影像中建筑物变化的检测方法，其特征在于，所述步骤(1)中，采用最邻近匹配法进图像间的配准，具体包括：(11)利用surf算子检测所述旧时像影像图和新时像影像图中的关键特征点对，设立海森阈值，去除多余的明显错误关键特征点对；(12)采用最邻近匹配算法根据关键特征点对间距离相近程度来匹配特征点，并结合RANSAC算法迭代数据点，去除错误的匹配点对，保留好的关键特征点对；(13)根据经过筛选后能够匹配的关键特征点对进行透射变换，计算单应性矩阵，用矩阵对影像图进行平移、旋转来配准影像图，从而得到旧时像配准影像图和新时像配准影像图。3.根据权利要求1所述的用于无人机影像中建筑物变化的检测方法，其特征在于，步骤(2)中，采用颜色平衡方法分别调节两幅配准影像图亮度和颜色上的差异，具体包括：(21)设定合适的卷积核对整个图像进行均值滤波，求得旧时像配准影像图的像素均值和新时像配准影像图的像素均值(22)分别将两个配准影像图像像素矩阵自身进行点乘运算，再通过所述卷积核进行滤波，求得新时像配准影像图的像素方差与新时像配准影像图的像素的方差(23)根据求得的两幅图像像素的均值和方差，通过颜色平衡算法对颜色进行调整，计算颜色调节后的像素值tnew(i,j)。4.根据权利要求3所述的用于无人机影像中建筑物变化的检测方法，其特征在于，所述通过颜色平衡算法对颜色进行调整，调整公式为：其中，t(i,j)是要用于颜色调节的原图像第i行、第j列像素值，和分别为旧时像配准影像图的像素均值和新时像配准影像图的像素均值，和分别为旧时像配准影像图的像素的方差和新时像配准影像图的像素的方差，k表示用于在像素(i,j)周围传送统计数据的卷积运算核的长度，tnew(i,j)是经过颜色调节后的图像中第i行、第j列的像素值。5.根据权利要求1所述的用于无人机影像中建筑物变化的检测方法，其特征在于，所述步骤(4)中，将目标建筑物的变化情况进行分类，类型包括新增、拆迁、范围扩建和缩小和建筑物加盖。6.根据权利要求5所述的用于无人机影像中建筑物变化的检测方法，其特征在于，所述步骤(4)中，综合识别变化的建筑物所属分类，识别方法包括：若目标检测后的新影像图中建筑物在所述目标检测后的旧影像图中找不到与其位置上基本吻合、面积相当的建筑物，重叠度为0时，则识别为新增的建筑物；若目标检测后的旧影像图中建筑物在目标检测后的新影像图中找不到与其位置上...

【专利技术属性】
技术研发人员：冯宝红，王晓鹏，张小国，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏,32