一种无人机检测图像特征选择方法技术

本发明专利技术公开了一种无人机检测图像特征选择方法，涉及无人机检测特征选择，包括无人机检测样本图像，还包括以下步骤：S1，进行图像去噪处理后，对所述无人机检测样本图像进行图像信息统计，获得基本统计特征集；S2，获取基于图像自身属性的特征点集；S3，获取区域定义的特征点集；S4，依据S1‑S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为无人机检测图像的特征参数。本发明专利技术通过选择合适的特征，能够有效提高无人机检测图像特征选择的稳定性、精确性及实时性；能够综合考虑不同条件下的特征有效性，提高图像特征的抗干扰能力。

A feature selection method of UAV detection image

The invention discloses a feature selection method of UAV detection image, which relates to UAV detection feature selection, including UAV detection sample image, and also includes the following steps: S1, after image denoising processing, image information statistics is carried out on the UAV detection sample image to obtain the basic statistical feature set; S2, feature point set based on the image's own attributes is obtained; S3, S4, according to the feature set obtained by S1 \u2011 S3, calculate the variance of each feature set sub item, and select the six features with the minimum variance, then use the feature compression method to reduce the dimension of the six features, forming three description features as the image features, as the feature parameters of UAV detection image. The invention can effectively improve the stability, accuracy and real-time of UAV detection image feature selection by selecting appropriate features, comprehensively consider the feature effectiveness under different conditions, and improve the anti-interference ability of image features.

【技术实现步骤摘要】
一种无人机检测图像特征选择方法
本专利技术涉及无人机检测特征选择，具体涉及一种无人机检测图像特征选择方法。
技术介绍
无人驾驶飞机简称无人机，英文缩写为UAV，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。与有人驾驶飞机相比，无人机往往更适合那些太愚钝，肮脏或危险的任务。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。因此，对无人机的质量检测，在未来社会起到越来越重要的作用。目前无人机检测图像存在干扰项多，难以选择良好识别特征的问题。
技术实现思路
本专利技术所要解决的技术问题是目前无人机检测图像存在干扰项多，难以选择良好识别特征的问题，目的在于提供一种无人机检测图像特征选择方法，解决上述问题。本专利技术通过下述技术方案实现：一种无人机检测图像特征选择方法，包括无人机检测样本图像，还包括以下步骤：S1，进行图像去噪处理后，对所述无人机检测样本图像进行图像信息统计，获得基本统计特征集；S2，获取基于图像自身属性的特征点集；S3，获取区域定义的特征点集；S4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为无人机检测图像的特征参数。进一步地，所述区域定义的特征点集，包括LOG算子、Forstner算子、SIFT算子。进一步地，所述基于自身属性的特征点集，包括边缘点、角点、交叉点。进一步地，所述基本统计特征，包括亮度、重心、灰度直方图。进一步地，所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。本专利技术与现有技术相比，具有如下的优点和有益效果：1、本专利技术一种无人机检测图像特征选择方法，通过选择合适的特征，能够有效提高无人机检测图像特征选择的稳定性、精确性及实时性；2、本专利技术一种无人机检测图像特征选择方法，能够综合考虑不同条件下的特征有效性，提高图像特征的抗干扰能力。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。实施例本专利技术一种无人机检测图像特征选择方法，包括无人机检测样本图像，还包括以下步骤：S1，进行图像去噪处理后，对所述无人机检测样本图像进行图像信息统计，获得基本统计特征集；S2，获取基于图像自身属性的特征点集；S3，获取区域定义的特征点集；S4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为无人机检测图像的特征参数。所述区域定义的特征点集，包括LOG算子、Forstner算子、SIFT算子。所述基于自身属性的特征点集，包括边缘点、角点、交叉点。所述基本统计特征，包括亮度、重心、灰度直方图。所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。以上所述的具体实施方式，对本专利技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本专利技术的具体实施方式而已，并不用于限定本专利技术的保护范围，凡在本专利技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种无人机检测图像特征选择方法，包括无人机检测样本图像，其特征在于，还包括以下步骤：/nS1，进行图像去噪处理后，对所述无人机检测样本图像进行图像信息统计，获得基本统计特征集；/nS2，获取基于图像自身属性的特征点集；/nS3，获取区域定义的特征点集；/nS4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为无人机检测图像的特征参数。/n

【技术特征摘要】
1.一种无人机检测图像特征选择方法，包括无人机检测样本图像，其特征在于，还包括以下步骤：
S1，进行图像去噪处理后，对所述无人机检测样本图像进行图像信息统计，获得基本统计特征集；
S2，获取基于图像自身属性的特征点集；
S3，获取区域定义的特征点集；
S4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为无人机检测图像的特征参数。


2.根据权利要求1所述的一种无人机检测图像特征选择方法，其特征在...

【专利技术属性】
技术研发人员：刘小英，
申请(专利权)人：刘小英，
类型：发明
国别省市：四川;51