一种基于无人机遥感的线性目标检测方法及系统技术方案

本发明专利技术涉及一种基于无人机遥感的线性目标检测方法及系统。所述线性目标检测方法包括以下步骤：步骤a：获取无人机序列影像，并在序列影像的重叠区域进行特征点提取；步骤b：对提取的特征点进行匹配，生成立体相对，并根据立体相对计算高程信息；步骤c：根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标。本发明专利技术根据目标特征制定数据采集方案获取高重叠度的序列影像，采用稳健的SIFT算法进行特征点匹配，并将获取的高程数据与影像特征相结合进行目标边缘的识别，从而实现现行目标的提取。本发明专利技术可大大节省成本，并有利于提高影像中线性目标检测的时效性和准确性。

A method and system for linear target detection based on UAV Remote Sensing

The invention relates to a linear target detection method and a system based on unmanned aerial vehicle remote sensing. The linear target detection method comprises the following steps: step a: acquiring the UAV image sequence, and overlap region in the image sequence feature extraction; step B: matching of feature point extraction, 3D relative, and according to the calculation of three-dimensional relative elevation information; step C: according to the recognition of color information and elevation information the image of the target edge information, and according to the edge information extracted from the target. The invention is formulated according to the features of object data acquisition program acquisition sequence images with high overlap, the robust SIFT algorithm for feature point matching, elevation data and image features and the combination of recognition of target edge extraction, so as to achieve the current goal. The invention can greatly save the cost, and is conducive to improve the timeliness and accuracy of linear target detection in images.

【技术实现步骤摘要】
一种基于无人机遥感的线性目标检测方法及系统
本专利技术属于线性目标检测
，尤其涉及一种基于无人机遥感的线性目标检测方法及系统。
技术介绍
遥感影像中线性目标的提取具有重要的意义和广泛的研究，例如沟渠、河流、道路及电力线路等，在实际应用中大多根据线性目标的大小，选择高分辨率的卫星影像或航拍影像进行线性目标的信息检测和提取。遥感影像线性目标检测方法较多，通常都是在已经做好几何纠正的影像上采用二维彩色图像外观特征进行分割，有一定的适用性和局限性；如运用Hough变换对图像主特征直线进行检测的算法是基于全搜索，对计算量和存储空间的需求都很大，不利于实时处理；而基于数学形态学的线性目标检测、基于区域生长的线性目标检测和基于神经网络的线性目标检测等方法虽然计算简单，可以实现实时处理，但由于在一定程度上受到边缘检测算法的制约，不能处理有间断的直线。而采用高分辨率卫星影像和航拍影像的追踪和检测往往需要购买大范围的遥感影像进行识别和提取，造成不必要的影像购买成本和大量数据处理的负担。
技术实现思路
本专利技术提供了一种基于无人机遥感的线性目标检测方法及系统，旨在至少在一定程度上解决现有技术中的上述问题。本专利技术实现方式如下，一种基于无人机遥感的线性目标检测方法，包括以下步骤：步骤a：获取无人机序列影像，并在序列影像的重叠区域进行特征点提取；步骤b：对提取的特征点进行匹配，生成立体相对，并根据立体相对计算高程信息；步骤c：根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标。本专利技术实施例采取的技术方案还包括：所述步骤a前还包括：分析待测目标的目标特征，依据目标特征设定影像所需的分辨率及航向/旁向重叠度；根据影像所需的分辨率及航向/旁向重叠度制定飞行计划及拍摄规则；所述目标特征包括位置、大小及高程，所述飞行计划包括飞行路线、相对地面航高及航速，所述拍摄规则包括拍摄模式。本专利技术实施例采取的技术方案还包括：所述步骤a还包括：对获取的序列影像进行预处理；所述预处理包括影像定位、实际重叠度分析及图像彩色增强。本专利技术实施例采取的技术方案还包括：在所述步骤a中，所述在序列影像的重叠区域进行特征点提取的特征点提取方法包括以下步骤：步骤a1：采用DoG算子在影像尺度空间搜索尺度影像上的局部三维极值点，初步确定关键点的位置和特征尺度；步骤a2：在关键点处对DoG算子进行泰勒二阶式展开，通过在影像尺度空间拟合二次泰勒展开式，精确确定关键点的位置和特征尺度；步骤a3：将DoG算子的一阶微分和二阶微分组成Hessian矩阵，通过将Hessian矩阵最大特征值与最小特征值的比值与设定的阈值进行比较，剔除低对比度的关键点和不稳定的边缘响应点,提高关键点的抗噪声能力；步骤a4：由关键点邻域内像点梯度方向和经过高斯加权处理的梯度值形成梯度方向直方图，并用抛物线拟合该直方图极大值附近的值，精确确定关键点的主方向，形成SIFT特征点。本专利技术实施例采取的技术方案还包括：所述步骤b与步骤c之间还包括：根据立体相对获取待测目标所在区域的三维结构信息，根据区域的三维结构信息对影像进行校正和镶嵌。本专利技术实施例采取的技术方案还包括：在所述步骤c中，所述根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标具体包括以下步骤：步骤c1：通过meanshift分割算法对影像的颜色信息进行分割，得到图像边缘概率图；步骤c2：通过meanshift分割算法对高程信息进行分割，得到高程不连续边界概率图；步骤c3：根据图像边缘概率图和高程不连续边界概率图识别出待测目标的边缘信息；步骤c4：根据待测目标的边缘信息提取出待测目标。本专利技术实施例采取的另一技术方案为：一种基于无人机遥感的线性目标检测系统，包括影像获取模块、特征点提取模块、特征点匹配模块、高程计算模块和目标提取模块；所述影像获取模块用于获取无人机序列影像；所述特征点提取模块用于在序列影像的重叠区域进行特征点提取；所述特征点匹配模块用于对提取的特征点进行匹配，生成立体相对；所述高程计算模块用于根据立体相对计算高程信息；所述目标提取模块用于根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标。本专利技术实施例采取的技术方案还包括：还包括影像设定模块、计划制定模块和影像校正模块，所述影像设定模块用于分析待测目标的目标特征，依据目标特征设定影像所需的分辨率及航向/旁向重叠度；所述计划制定模块根据所需影像的分辨率及航向/旁向重叠度制定飞行计划及拍摄规则；所述影像校正模块用于根据立体相对获取待测目标所在区域的三维结构信息，根据区域的三维结构信息对影像进行校正和镶嵌。本专利技术实施例采取的技术方案还包括：所述特征点提取模块包括关键点搜索单元、关键点确定单元、关键点剔除单元和特征点生成单元；所述关键点搜索单元用于采用DoG算子在影像尺度空间搜索尺度影像上的局部三维极值点，初步确定关键点的位置和特征尺度；所述关键点确定单元用于在关键点处对DoG算子进行泰勒二阶式展开，通过在影像尺度空间拟合二次泰勒展开式，精确确定关键点的位置和特征尺度；所述关键点剔除单元用于将DoG算子的一阶微分和二阶微分组成Hessian矩阵，通过将Hessian矩阵最大特征值与最小特征值的比值与设定的阈值进行比较，剔除低对比度的关键点和不稳定的边缘响应点，提高关键点的抗噪声能力；所述特征点生成单元用于由关键点邻域内像点梯度方向和经过高斯加权处理的梯度值形成梯度方向直方图，并用抛物线拟合该直方图极大值附近的值，精确确定关键点的主方向，形成SIFT特征点。本专利技术实施例采取的技术方案还包括：所述目标提取模块包括颜色信息处理单元、高程信息处理单元、边缘识别单元和目标提取单元；所述颜色信息处理单元用于通过meanshift分割算法对影像的颜色信息进行分割，得到图像边缘概率图；所述高程信息处理单元用于通过meanshift分割算法对高程信息进行分割，得到高程不连续边界概率图；所述边缘识别单元用于根据图像边缘概率图和高程不连续边界概率图识别出待测目标的边缘信息；所述目标提取单元用于根据待测目标的边缘信息提取出待测目标。本专利技术实施例基于无人机遥感的线性目标检测方法及系统根据目标特征制定数据采集方案获取高重叠度的序列影像，采用稳健的SIFT算法进行特征点匹配，并将获取的高程数据与影像特征相结合进行目标边缘的识别，从而实现现行目标的提取。本专利技术可大大节省成本，并有利于提高影像中线性目标检测的时效性和准确性。附图说明图1是本专利技术实施例基于无人机遥感的线性目标检测方法的流程图；图2是本专利技术实施例的影像重叠区域特征点提取的方法的流程图；图3是本专利技术实施例的待测目标提取方法的流程图；图4是本专利技术实施例基于无人机遥感的线性目标检测系统的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。请参阅图1，是本专利技术实施例基于无人机遥感的线性目标检测方法的流程图。本专利技术实施例的线性目标检测方法包括以下步骤：步骤100：分析待测目标的目标特征，依据目标特征设定影像所需的分辨率及航向/旁向重叠度；本文档来自技高网...

【技术保护点】
一种基于无人机遥感的线性目标检测方法，包括以下步骤：步骤a：获取无人机序列影像，并在序列影像的重叠区域进行特征点提取；步骤b：对提取的特征点进行匹配，生成立体相对，并根据立体相对计算高程信息；步骤c：根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标。

【技术特征摘要】
1.一种基于无人机遥感的线性目标检测方法，包括以下步骤：步骤a：获取无人机序列影像，并在序列影像的重叠区域进行特征点提取；步骤b：对提取的特征点进行匹配，生成立体相对，并根据立体相对计算高程信息；步骤c：根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标。2.根据权利要求1所述的方法，其特征在于，所述步骤a前还包括：分析待测目标的目标特征，依据目标特征设定影像所需的分辨率及航向/旁向重叠度；根据影像所需的分辨率及航向/旁向重叠度制定飞行计划及拍摄规则；所述目标特征包括位置、大小及高程，所述飞行计划包括飞行路线、相对地面航高及航速，所述拍摄规则包括拍摄模式。3.根据权利要求1所述的方法，其特征在于，所述步骤a还包括：对获取的序列影像进行预处理；所述预处理包括影像定位、实际重叠度分析及图像彩色增强。4.根据权利要求3所述的方法，其特征在于，在所述步骤a中，所述在序列影像的重叠区域进行特征点提取的特征点提取方法包括以下步骤：步骤a1：采用DoG算子在影像尺度空间搜索尺度影像上的局部三维极值点，初步确定关键点的位置和特征尺度；步骤a2：在关键点处对DoG算子进行泰勒二阶式展开，通过在影像尺度空间拟合二次泰勒展开式，精确确定关键点的位置和特征尺度；步骤a3：将DoG算子的一阶微分和二阶微分组成Hessian矩阵，通过将Hessian矩阵最大特征值与最小特征值的比值与设定的阈值进行比较，剔除低对比度的关键点和不稳定的边缘响应点,提高关键点的抗噪声能力；步骤a4：由关键点邻域内像点梯度方向和经过高斯加权处理的梯度值形成梯度方向直方图，并用抛物线拟合该直方图极大值附近的值，精确确定关键点的主方向，形成SIFT特征点。5.根据权利要求4所述的方法，其特征在于，所述步骤b与步骤c之间还包括：根据立体相对获取待测目标所在区域的三维结构信息，根据区域的三维结构信息对影像进行校正和镶嵌。6.根据权利要求5所述的方法，其特征在于，在所述步骤c中，所述根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标具体包括以下步骤：步骤c1：通过meanshift分割算法对影像的颜色信息进行分割，得到图像边缘概率图；步骤c2：通过meanshift分割算法对高程信息进行分割，得到高程不连续边界概率图；步骤c3：根据图像边缘概率图和高程不连续边界概率图识别出待测目标的边缘信息；步骤c4：根据待测目标的边缘信息提取出待测目...

【专利技术属性】
技术研发人员：刘萍，陈会，孙博，姜小砾，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44