成像原理赋能的无人机巡检目标语义分割检测方法技术

本发明专利技术公开了一种成像原理赋能的无人机巡检目标语义分割检测方法：首先，使用枯草目标区域高斯滤波方法，获得待定枯草目标区域反射图像；其次，对待定枯草目标区域反射图像进行色彩增强，得到枯草色彩校正图像；然后，搭建改进UNet语义分割网络，采用ResNet50网络作为特征提取网络，使用基于通道注意力的上下文信息融合模块代替原UNet网络跳跃连接中的直接拼接操作，并对改进后的网络模型进行训练；最后，利用训练好的改进UNet语义分割网络模型对无人机巡检所获得的遥感图像中的枯草进行检测。本发明专利技术通过在枯草数据集上进行训练提取泛化的枯草目标所具有的特征表示，突出特征之间的可区分度，提高枯草目标检测的准确度，减少了人工巡检的工作。了人工巡检的工作。了人工巡检的工作。

【技术实现步骤摘要】
成像原理赋能的无人机巡检目标语义分割检测方法


[0001]本专利技术涉及一种成像原理赋能的无人机巡检目标语义分割检测方法，属于语义分割和机器视觉领域。

技术介绍

[0002]近年来，物联网发展迅猛，作为新型数字基础设施的重要组成部分，正在加速赋能产业数字化、智慧化，深刻改变技术产业体系。这使得诸多行业对无人化、自动化的要求进一步提升，无人机巡检在其中发挥了重要作用。传统巡检是依靠人工完成的，不但需要投入大量的人力、物力、财力，还存在检测效率以及安全性的问题，由于无人机所具有的操作简单、场地限制小、作业效率高等优点，使得利用无人机巡检解决上述难题成为可能。通过无人机巡检可以快速对园林中枯草目标的分布进行准确识别与定位，进而实现对于园林的高效管理，故基于无人机巡检的目标语义分割检测技术是智慧园林的关键技术之一。区别于传统巡检，无人机巡检通常具有大俯视、远距离、高动态的特点，这使得其获得的巡检图像也与普通巡检图像有所不同。无人机巡检所获得的遥感图像一般具有背景复杂、物体尺度差异大、分辨率大等特点，同时由于巡检目标光照动态变化、多目标边缘语义模糊等问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种成像原理赋能的无人机巡检目标语义分割检测方法，其特征在于，包括如下步骤：步骤1，将无人机巡检枯草目标区域所获取的遥感图像划分为待定枯草目标区域以及非枯草目标区域，并对待定枯草目标区域进行滤波，获得待定枯草目标区域的反射图像；步骤2，对待定枯草目标区域的反射图像进行色彩增强，获得枯草颜色校正图像；步骤3，搭建语义分割网络，以遥感图像与枯草颜色校正图像在通道方向的拼接结果作为输入，并对语义分割网络进行训练；步骤4，利用训练好的语义分割网络对无人机巡检所获得的遥感图像中的枯草进行检测。2.根据权利要求1所述的成像原理赋能的无人机巡检目标语义分割检测方法，其特征在于，所述步骤1中将无人机巡检枯草目标区域所获取的遥感图像划分为待定枯草目标区域以及非枯草目标区域，具体为：步骤1.1，将遥感图像由RGB颜色空间转换到HSI颜色空间，根据色调分量H，去除图像中一定不属于枯草区域的绿色区域部分，获得初步待定枯草区域图像；步骤1.2，通过形态学操作对初步待定枯草区域图像中粘连的区域进行分离，并据此在遥感图像上获得T个待定枯草目标区域以及非枯草目标区域。3.根据权利要求1所述的成像原理赋能的无人机巡检目标语义分割检测方法，其特征在于，所述步骤1中对待定枯草目标区域进行滤波，获得待定枯草目标区域的反射图像，具体为：步骤1.3，获得待定枯草目标区域的轮廓，并据此获得待定枯草目标区域的中心位置坐标；步骤1.4，按图像分辨率由小至大选定小尺度、中尺度、大尺度三类各q种高斯滤波函数尺度参数，生成q组高斯滤波函数并据此对选定的基准图像进行滤波，获取基准图像对应的q种反射图像；其中，s,m,b分别表示小尺度、中尺度、大尺度；步骤1.5，选取基准图像对应的q种反射图像中最大峰值信噪比所对应的一组高斯滤波函数尺度参数作为基准尺度参数；步骤1.6，根据基准尺度参数生成待定枯草目标区域的高斯滤波函数，并据此对T个待定枯草目标区域进行滤波，得到T个待定枯草目标区域的反射图像。4.根据权利要求3所述的成像原理赋能的无人机巡检目标语义分割检测方法，其特征在于，所述步骤1.4中基准图像对应的q种反射图像为：在于，所述步骤1.4中基准图像对应的q种反射图像为：在于，所述步骤1.4中基准图像对应的q种反射图像为：
其中，R
j
(x,y)代表第j种反射图像，代表经过颜色调节的反射图像，代表未经颜色调节的反射图像，Q
o
(x,y)为设定颜色调节因子，V(x,y)代表基准图像，代表高斯滤波函数，min(
·
)代表图像中最小像素值，max(
·
)代表图像中最大像素值，x代表像素点的横坐标，y代表了素点的纵坐标，*代表卷积操作，exp(
·
)代表指数函数；分别表示小尺度、中尺度、大尺度第q种高斯滤波函数尺度参数。5.根据权利要求4所述的成像原理赋能的无人机巡检目标语义分割检测方法，其特征在于，所述颜色调节因子Q
o
(x,y)的计算公式如下：其中，α和β为用于色彩增益和非线性调节的两个常数调节因，V
o
(x,y)代表基准图像V(x,y)的第o个通道，o∈{R,G,B}。6.根据权利要求3所述的成像原理赋能的无人机巡检目标语义分割检测方法，其特征在于，所述步骤1.6具体为：步骤1.6.1，利用设定巡航高度因子ζ
Alt
、光照强度因子ζ
Li
以及相对视角因子ζ
Agl
对基准尺度参数进行自适应调整，获得分别适用于不同巡航高度、不同光照强度、不同视角偏移量的待定枯草目标区域的高斯滤波函数尺度参数σ
Alt_l
、σ
Li_l
、σ
Agl_l
：其中，σ
base_l
表示基准尺度参数；Alt
cur
表示无人机巡航高度，[Alt
min
,Alt
max
]表示无人机巡航高度区间；Li
base
表示基准图像在HSI颜色空间中的平均亮度，Li
cur
表示遥感图像在HSI颜色空间中的平均亮度；(x
center
,y
center
)表示遥感图像中心点位置，(x
i
,y
i
)表示第i个待定枯草目标区域中心点位置；...

【专利技术属性】
技术研发人员：张晖，石亦巍，赵海涛，朱洪波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：