一种应用于大型无人机天空区域快速分割方法技术

本发明专利技术公开了一种应用于大型无人机天空区域快速分割方法，涉及无人机观测图像处理领域，包括：步骤S1：对无人机观测图像进行采样聚类，获取天空区域在观测图像中的大致分布范围，作为天空先验区域；步骤S2：基于天空先验区域内所有采样点的RGB像素值，对观测图像进行多次带通滤波，提取多张二值图；步骤S3：计算多张二值图的交集，交集所表示区域即为天空区域；本发明专利技术提出的分割方法，具有速度快、占用计算资源小、泛化性好等特点。泛化性好等特点。泛化性好等特点。

【技术实现步骤摘要】
一种应用于大型无人机天空区域快速分割方法


[0001]本专利技术涉及无人机观测图像处理领域，具体涉及一种应用于大型无人机天空区域快速分割方法。

技术介绍

[0002]大型无人机需要利用机载相机的观测图像，通过一系列智能算法进行智能化的识别和决策；这些智能化算法进行处理时，往往需要首先滤除图像中的天空区域。
[0003]目前，天空区域的识别方法主要分为两类，一类基于深度学习方法，一类基于数字图像处理方法；其中，基于深度学习的方法依赖大量标注数据和充分的训练，且在应用中耗费GPU资源；基于数字图像处理的方法使用传统的图像处理手段识别天空，但存在泛化性和稳定性不足的问题。

技术实现思路

[0004]本专利技术的目的在于：针对
技术介绍
中提出的问题，提供一种应用于大型无人机天空区域快速分割方法，基于传统图像处理手段的，具有良好泛化性的，占用计算资源少的快速天空区域识别方法，解决了上述问题。
[0005]本专利技术的技术方案如下：一种应用于大型无人机天空区域快速分割方法，包括：步骤S1：对无人机观测图像进行采样聚类，获取天空区域在观测图像中的大致分布范围，作为天空先验区域；步骤S2：基于天空先验区域内所有采样点的RGB像素值，对观测图像进行多次带通滤波，提取多张二值图；步骤S3：计算多张二值图的交集，交集所表示区域即为天空区域。
[0006]进一步地，还包括：对于第一帧观测图像，利用步骤S1获取天空先验区域；第一帧之后的观测图像，利用上一帧处理后的天空区域作为当前帧的天空先验区域。
>[0007]进一步地，所述步骤S1，包括：步骤S11：利用对天空区域的先验知识，划定天空的可能区域；步骤S12：在可能区域内进行等间距的离散点采样，每个采样点是一个像素框；步骤S13：计算所有采样点内，所有像素的平均RGB三通道值；步骤S14：根据采样结果对所有采样点进行kmeans聚类，找出聚类数量最多的一类作为天空区域，并将其余类归为非天空区域；步骤S15：将天空区域的聚类点视为天空区域在观测图像中的大致分布范围。
[0008]进一步地，所述步骤S2，包括：步骤S21：统计天空先验区域内所有采样点的RGB像素值，获取最大、最小的R、G、B
值；步骤S22：基于最大、最小的R、G、B值，对观测图像进行三次带通滤波，提取三张二值图。
[0009]进一步地，所述获取最大、最小的R、G、B值，包括：获取数值最大的R通道值，数值最小的R通道值，数值最大的G通道值，数值最小的G通道值，数值最大的B通道值，数值最小的B通道值。
[0010]进一步地，所述步骤S22，包括：根据最大、最小的R、G、B值，分别确定针对于R、G、B通道进行带通滤波的带通区间；从观测图像中，分别提出R、G、B通道数值在带通区间范围内的区域；在二值图中，位于带通区间范围内的区域像素值为1，其他区域像素值为0。
[0011]进一步地，所述分别确定针对于R、G、B通道进行带通滤波的带通区间，包括：根据最大、最小的R值，确定针对于R通道进行带通滤波的带通区间一；根据最大、最小的G值，确定针对于G通道进行带通滤波的带通区间二；根据最大、最小的B值，确定针对于B通道进行带通滤波的带通区间三。
[0012]进一步地，所述提取三张二值图，包括：第一张二值图从观测图像中提取R通道数值在带通区间一范围内的区域，得到一张二值图；第二张二值图从观测图像中提取G通道数值在带通区间二范围内的区域，得到一张二值图；第三张二值图从观测图像中提取B通道数值在带通区间三范围内的区域，得到一张二值图。
[0013]进一步地，所述带通区间一，包括：所述带通区间二，包括：所述带通区间三，包括：。
[0014]与现有的技术相比本专利技术的有益效果是：一种应用于大型无人机天空区域快速分割方法，包括：步骤S1：对无人机观测图像进行采样聚类，获取天空区域在观测图像中的大致分布范围，作为天空先验区域；步骤S2：基于天空先验区域内所有采样点的RGB像素值，对观测图像进行多次带通滤波，提取多张二值图；步骤S3：计算多张二值图的交集，交集所表示区域即为天空区域；本专利技术提出的分割方法，具有分割速度快、占用计算资源小、泛化性好等优点。
附图说明
[0015]图1为一种应用于大型无人机天空区域快速分割方法的流程图。
具体实施方式
[0016]需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0017]下面结合实施例对本专利技术的特征和性能作进一步的详细描述。
[0018]实施例一通常情况下，大型无人机在室外飞行时，其前视相机一定可以观测到天空，且天空区域在图像上半部分。利用这一特性，本实施例通过一种应用于大型无人机天空区域快速分割方法，找出大致的天空的区域。
[0019]请参阅图1，一种应用于大型无人机天空区域快速分割方法，具体包括如下步骤：步骤S1：对无人机观测图像进行采样聚类，获取天空区域在观测图像中的大致分布范围，作为天空先验区域；步骤S2：基于天空先验区域内所有采样点的RGB像素值，对观测图像进行多次带通滤波，提取多张二值图；步骤S3：计算多张二值图的交集，交集所表示区域即为天空区域。
[0020]在本实施例中，具体的，还包括：对于第一帧观测图像，利用步骤S1获取天空先验区域；第一帧之后的观测图像，利用上一帧处理后的天空区域作为当前帧的天空先验区域。
[0021]在本实施例中，具体的，所述步骤S1，包括：步骤S11：利用对天空区域的先验知识，划定天空的可能区域；例如：新得到一张观测图像，首先利用对天空区域的先验知识，划定天空的可能区域；步骤S12：在可能区域内进行等间距的离散点采样，每个采样点是一个像素框；优选地，每个离散采样点是一个3*3的像素框；步骤S13：计算所有采样点内，所有像素的平均RGB三通道值；例如：计算所有3*3采样点内9个像素的平均RGB三通道值；步骤S14：根据采样结果对所有采样点进行kmeans聚类，找出聚类数量最多的一类作为天空区域，并将其余类归为非天空区域；步骤S15：将天空区域的聚类点视为天空区域在观测图像中的大致分布范围。
[0022]在本实施例中，具体的，所述步骤S2，包括：步骤S21：统计天空先验区域内所有采样点的RGB像素值，获取最大、最小的R、G、B值；即通过采样聚类，得到了天空区域在图像中的大致范围，也得到了天空区域的所有采样点的RGB像素值；统计这些RGB像素，找到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于大型无人机天空区域快速分割方法，其特征在于，包括：步骤S1：对无人机观测图像进行采样聚类，获取天空区域在观测图像中的大致分布范围，作为天空先验区域；步骤S2：基于天空先验区域内所有采样点的RGB像素值，对观测图像进行多次带通滤波，提取多张二值图；步骤S3：计算多张二值图的交集，交集所表示区域即为天空区域。2.根据权利要求1所述的一种应用于大型无人机天空区域快速分割方法，其特征在于，还包括：对于第一帧观测图像，利用步骤S1获取天空先验区域；第一帧之后的观测图像，利用上一帧处理后的天空区域作为当前帧的天空先验区域。3.根据权利要求1所述的一种应用于大型无人机天空区域快速分割方法，其特征在于，所述步骤S1，包括：步骤S11：利用对天空区域的先验知识，划定天空的可能区域；步骤S12：在可能区域内进行等间距的离散点采样，每个采样点是一个像素框；步骤S13：计算所有采样点内，所有像素的平均RGB三通道值；步骤S14：根据采样结果对所有采样点进行kmeans聚类，找出聚类数量最多的一类作为天空区域，并将其余类归为非天空区域；步骤S15：将天空区域的聚类点视为天空区域在观测图像中的大致分布范围。4.根据权利要求1所述的一种应用于大型无人机天空区域快速分割方法，其特征在于，所述步骤S2，包括：步骤S21：统计天空先验区域内所有采样点的RGB像素值，获取最大、最小的R、G、B值；步骤S22：基于最大、最小的R、G、B值，对观测图像进行三次带通滤波，提取三张二值图。5.根据权利要求4所述的一种应用于大型无人机天空区域快速分割方法...

【专利技术属性】
技术研发人员：梁文斌，梅涛，陈益杨，方琪鸿，颜郁洁，
申请(专利权)人：四川腾盾科技有限公司，
类型：发明
国别省市：