一种基于对抗生成网络的无人机图像风格迁移方法技术

本发明专利技术公开了一种基于循环对抗生成网络的无人机图像风格迁移方法。使用无人机垂直拍摄地面图像，根据对应的GPS和偏航角在卫星地图上进行裁切，将无人机图像保存至无人机域下，裁切后的卫星图像保存至卫星域下，完成数据集制作，利用数据集训练循环对抗生成网络完成两个域之间的图像风格转，将循环对抗生成网络中无人机域到卫星域的生成器提取用于风格迁移。本发明专利技术中方法运用在与制作训练集时拍摄无人机图像所处的环境较为相似的环境下拍摄的新数据上时会较为有效，从而拉近无人机图和卫星图之间的相似度，进而有利于提高无人机图像和卫星图像匹配之间的精度，从而提高纯视觉无人机定位的准确度。无人机定位的准确度。无人机定位的准确度。

【技术实现步骤摘要】
一种基于对抗生成网络的无人机图像风格迁移方法


[0001]本专利技术属于图像处理、深度学习
的一种无人机图像处理方法，尤其是涉及了一种基于对抗生成网络的利用卫星图像的无人机图像风格迁移方法。

技术介绍

[0002]当今多数无人机获取自身经纬度位置信息都依赖于卫星系统，但在使用无人机执行任务的过程中，难免会出现遭遇无GNSS(Global Navigation Satellite System)环境的情况，即不能依赖GPS信号的情况，在这种情况下无人机难以完成自定位，从而无法执行任务。
[0003]在过去的一段时间里，无人机跨视角匹配被提出，旨在依靠纯视觉来解决在无GNSS环境下无人机自定位问题。
[0004]通过将无人机拍摄图像经过深度学习模型提取的图片特征与相同方法提取的卫星图片特征进行相似度计算从而进行匹配是当今的主流方法，然而由于无人机视角和卫星视角之间的剧烈变化带来图像差异较大，基于此方法的匹配精度有待提升。
[0005]同时，随着近几年来对抗生成网络的提出以及其网络模型不断升级，其在各种领域中的应用不断增本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环对抗生成网络的无人图像风格迁移方法，其特征在于，所述方法包括如下步骤：步骤1：使用无人机垂直拍摄地面图像；步骤2：根据无人机拍地面图像时地面图像对应的GPS信息和偏航角信息在卫星地图上进行裁切，获得裁切后的卫星图像；步骤3：将无人机图像保存至无人机域下，裁切后的卫星图像保存至卫星域下，完成数据集制作；步骤4：利用数据集训练循环对抗生成网络完成两个域之间的图像风格转义；步骤5：将循环对抗生成网络中无人机域到卫星域的生成器提取出来，用于其他无人机实时拍摄图像的风格迁移。2.如权利要求1所述的一种基于循环对抗生成网络的无人图像风格迁移方法，其特征在于，所述步骤1具体为：使用无人机在距离地面已知的多个高度进行垂直向下的图片拍摄，拍摄的图片数据存储在无人机的存储卡上，提取得到无人机视角的地面图像。3.如权利要求1所述的一种基于循环对抗生成网络的无人图像风格迁移方法，其特征在于，所述步骤2具体为：通过API函数读取无人机图像属性的exif、xmp区域中图片拍摄时的GPS和偏航角，在卫星地图上截取相同GPS下的卫星图像，并以偏航角进行旋转处理。4.如权利要求1所述的一种基于循环对抗生成网络的无人图像风格迁移方法，其特征在于，所述步骤3具体为：制作用于循环对抗生成网络训练的数据集，将拍摄的无人机图片进行中心裁切，以最短边为边长截取一个正方形并改变其尺寸成为固定像素的方形图像，同样截取的卫星图像也经过改变尺寸后变成固定像素的方形图像；将无人机图像保存至无人机域下作为无人机真图，裁切的卫星图像...

【专利技术属性】
技术研发人员：尹诚懿，郑恩辉，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：