The invention discloses a double threshold Radon recognition method for baseline light spot capture of UAV aerial photographic path, which is good preparation for image recognition and judgment of UAV. The method adopts transformation to project the image, obtains the projection point position after transformation, captures the projection point, avoids the strict requirement of point selection in transformation, and reduces the dryness. The requirements of disturbance factors are strict and the accuracy is improved. And has the humanized adaptability, can be tested and according to the computer hardware requirements, manual adjustment and recognition requirements, reduce hardware requirements, improve work efficiency, after projection of the image point of light to capture the road in the image straight line, so that UAV aerial photography of the road image edge and center line recognition The location obtained is accurate and has good detection accuracy.
【技术实现步骤摘要】
无人机航拍路基线光点捕捉双阈值Radon识别方法
本专利技术属于图像处理与图像识别
,具体涉及一种无人机航拍路基线光点捕捉双阈值Radon识别方法。
技术介绍
随着无人机产业研发的飞速发展,越来越多的人已经开始使用无人机来进行一系列的探查活动,如航拍与森林侦查,甚至很多军事领域对无人机航拍使用的更广泛,因此对无人机图像处理与识别的要求也会更为严格。无人机在空中对公路图像的道路边沿与中线识别意义重大。无人机在空中飞行时用于进行航线的自动判断,防止巡线偏移造成坠毁的其他事故,同时如果战时需要在公路跑道上临时降落,公路基线(包括道路边缘与道路中线)识别非常重要,决定了无人机安全降落的准确性。无人机空中飞行速度较高,要求识别时间少,这就决定无人机对道路边缘与中心线的识别精度与效率要很高。在这种背景环境下,无人机在空中对公路图像基线的识别目前为止没有妥善的办法。目前大多数领域采用的直线识别算法是Hough变换,但Hough有其本身的缺点,例如检测速度太慢,精度不够高,期望的信息检测不到反而做出错误判断,进而产生大量的冗余数据,同时进行直线识别时需占用大量内存空间,耗时久,效率低;现实中的图像一般都受到外界噪声的干扰,信噪比较低,此时常规Hough变换的性能将急剧下降。同时进行参数空间极大值的搜索时由于合适的阈值难以确定,往往出现"虚峰"和"漏检"的问题。Hough变换是一种使用表决原理的参数估计技术。其原理是利用图像空间和Hough参数空间的点-线对偶性,把图像空间中的检测问题转换到参数空间。因此当图片中出现太多干扰因素时则会出现错误检测,当图片大小过大时检测 ...
【技术保护点】
1.无人机航拍路基线光点捕捉双阈值Radon识别方法,其特征在于,包括以下步骤:步骤1:获取无人机拍摄的道路图像,将图像转化为数据表格,并保存为图像数据;步骤2:读入步骤1得到的图像数据并进行灰度二值化处理;步骤3:步骤2中的得到的二值化图像进行边缘检测找到图像边缘;步骤4:对步骤3中得到的图像边缘关于幅角进行Radon变换得到投影后的图像,并对投影后的图像对应的矩阵数据中的最值点进行捕捉;步骤5:对要寻找的直线条数与双阈值进行初始参数进行设定,对以在步骤4中所找到最值点为中心的nhood×nhood区域进行清零,以排除重复,此区域的行数与列数即nhood均为奇数,以保证寻找到的最值点坐标在区域中心;步骤6:从步骤5中找到的最大值在区域中的位置,将找到的最大值的对应横坐标保存,并将找到的最大值的对应纵坐标保存,然后清除最值点数据,最后将以最值点为中心的nhood×nhood矩阵全部清零;步骤7:将步骤6中最终确定的最值点在步骤4中经过Radon变换的投影图像中用方框进行标记;步骤8:将步骤7中所找到的最值点,即用方框标记的点对应的原图像中直线在无人机拍摄的图像上标出;步骤9:重复步骤1 ...
【技术特征摘要】
1.无人机航拍路基线光点捕捉双阈值Radon识别方法,其特征在于,包括以下步骤:步骤1:获取无人机拍摄的道路图像,将图像转化为数据表格,并保存为图像数据;步骤2:读入步骤1得到的图像数据并进行灰度二值化处理;步骤3:步骤2中的得到的二值化图像进行边缘检测找到图像边缘;步骤4:对步骤3中得到的图像边缘关于幅角进行Radon变换得到投影后的图像,并对投影后的图像对应的矩阵数据中的最值点进行捕捉;步骤5:对要寻找的直线条数与双阈值进行初始参数进行设定,对以在步骤4中所找到最值点为中心的nhood×nhood区域进行清零,以排除重复,此区域的行数与列数即nhood均为奇数,以保证寻找到的最值点坐标在区域中心;步骤6:从步骤5中找到的最大值在区域中的位置,将找到的最大值的对应横坐标保存,并将找到的最大值的对应纵坐标保存,然后清除最值点数据,最后将以最值点为中心的nhood×nhood矩阵全部清零;步骤7:将步骤6中最终确定的最值点在步骤4中经过Radon变换的投影图像中用方框进行标记;步骤8:将步骤7中所找到的最值点,即用方框标记的点对应的原图像中直线在无人机拍摄的图像上标出;步骤9:重复步骤1-8,图像中道路基线包括道路两边实线与中心虚线,二者识别的阈值有所不同,分开寻找最适应的识别阈值,将两次识别的直线共同复原在原图像,同时经过步骤1-8的第一次识别过程,对识别结果进行预判断,判断阈值过大还是偏小,如果是识别直线过多但是其中的结果存在识别成功的直线,则证明阈值设置过大,将两个阈值进行微调调小,如果识别直线过少,即没有正确识别出来的直线,说明阈值设置过小,调节阈值后,重复步骤1-8输出直线识别结果,以此类推,不断对阈值进行微调,直到找到最适合的阈值,即识别出道路基线。2.根据权...
【专利技术属性】
技术研发人员:黄鹤,任思奇,赵昆,宋京,胡凯益,王会峰,李炜光,许哲,郭璐,黄莺,惠晓滨,崔博,李光泽,陆星宇,
申请(专利权)人:长安大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。