【技术实现步骤摘要】
本专利技术属于协同图像增强，特别是涉及一种多无人机协同探测分布式图像增强方法。
技术介绍
1、随着无人机技术的进步和成本的下降，无人机在各个领域的应用逐渐增加。无人机具有灵活性、高机动性和较低的风险特点，使其成为执行各种探测任务的理想平台。有些探测任务需要对大范围区域进行监测或获取高分辨率的图像数据，例如土地测绘、城市规划、资源勘探等。单个无人机的航程和传感器覆盖有限，而多个无人机的协同操作可以扩大探测范围并提供更详细的数据。由于无人机在不同时间、不同位置和不同天气条件下进行数据采集，探测区域内的光照程度会有所不同。这可能导致无人机采集到的图像具有不同的亮度、对比度和颜色分布。直接将这些图像进行全景拼接可能会存在光照不均匀的问题，使得拼接后的图像显示出明显的明暗变化和不连续性。这对于后续的图像分析和目标检测可能造成困扰，降低了整体探测系统的性能。
2、为了解决光照不均匀问题，研究人员提出了一些方法和技术：（1）光照校正：通过对采集到的图像进行光照校正，使得图像在亮度、对比度和颜色方面具有一致性。光照校正算法可以根据图像的亮度分布，调整每个像素的亮度值，从而实现图像的光照均衡化；（2）高动态范围图像拼接：针对光照差异较大的场景，可以采用高动态范围（high dynamicrange，hdr）图像拼接技术。该技术通过融合多张不同曝光程度的图像，从而在全景图像中实现更广泛的亮度范围，并减少光照不均匀性；（3）图像融合和渐变过渡：在进行图像拼接时，可以使用图像融合和渐变过渡的方法来平滑光照不均匀区域的过渡。通过将图像边缘进行
3、尽管上述方法在解决光照不均匀问题方面具有一定的优势，但也存在一些潜在的缺点：（1）光照校正方法可能导致过度处理或失真。在进行全局光照校正时，某些局部区域的细节可能会丢失或变得不真实。过度校正会导致图像的亮度和对比度过度调整，可能影响图像的可视性和细节；（2）hdr图像拼接在处理光照差异较大的场景时效果较好，但对于光照变化不连续或过渡较为复杂的场景，可能无法完全消除光照不均匀性，这可能导致拼接后的图像出现过渡不自然或部分区域明暗不一致的问题；（3）图像融合和渐变过渡方法需要较复杂的算法和处理步骤，可能会增加计算和处理的复杂性，这可能会导致处理时间增加或需要更高的计算资源，限制了实时或快速处理的能力；（4）目标检测与补偿方法需要对目标进行准确的检测和定位，并进行光照补偿处理，这可能受到目标检测算法的性能限制，并可能导致漏检或误检的问题；此外，对目标进行补偿处理可能引入额外的误差或变形。
技术实现思路
1、本专利技术的目的是提供一种多无人机协同探测分布式图像增强方法，以解决上述现有技术存在的问题。
2、为实现上述目的，本专利技术提供了一种多无人机协同探测分布式图像增强方法，包括：
3、获取若干无人机采集的若干个初始图像；
4、将若干个所述初始图像分别输入对应无人机的图像增强模型中进行图像增强，得到若干增强图像，将若干所述增强图像输入地面控制中心的全景拼接模块中进行全景拼接，得到全景拼接图像；
5、所述图像增强模型包括依次连接的光照估计模块、光照增强模块和反射分量增强模块；所述光照估计模块由若干个卷积神经网络串联构成；所述反射分量增强模块由若干依次连接的滤波子模块构成；所述光照增强模块为引入注意力机制的编码器－解码器网络结构；
6、所述全景拼接模块由依次连接的分解网络、图像拼接模块和权重融合模块构成。
7、可选的，所述图像增强模型的训练过程具体包括：
8、获取训练数据；所述训练数据包括初始训练图像及对应的增强图像；
9、将所述训练数据依次输入光照估计模块、光照增强模块和反射分量增强模块，并以所述反射分量增强模块的输出结果与所述初始训练图像对应的增强图像之间的损失最小为目标进行训练，得到所述图像增强模型。
10、可选的，所述图像增强模型的处理过程包括：
11、将所述初始图像输入所述光照估计模块进行光照估计，得到光照估计分量数据；
12、将所述光照估计分量数据作为所述光照增强模块的输入，进行光照分量增强处理，得到光照分量增强图像；
13、将所述初始图像与光照估计分量数据进行除法运算，将运算结果作为所述反射分量增强模块的输入，进行反射分量增强，得到反射分量增强图像；
14、将所述光照分量增强图像和反射分量增强图像进行融合，得到所述增强图像。
15、可选的，将所述初始图像输入所述光照估计模块进行光照估计，得到光照估计分量数据，具体包括：
16、通过所述光照估计模块中的若干卷积神经网络对所述初始图像的亮度进行逐阶段估计，得到所述光照估计分量数据；
17、获取所述光照估计分量数据的计算公式为：
18、
19、式中，是具有训练参数的映射，用于学习光照；表示t阶段的残差项，表示t阶段的光照分量， t为总的阶段数；y表示原始图像；表示整个光照估计阶段的映射函数；每个阶段都使用相同的架构。
20、可选的，将所述光照估计分量数据作为所述光照增强模块的输入，进行光照分量增强处理，得到光照分量增强图像，具体包括：
21、通过所述光照增强模块中的编码器－解码器网络对所述光照估计分量数据进行光照分量增强，将所述光照估计分量数据输入编码器中进行全局特征捕捉和局部特征捕捉，进一步通过解码器对编码器的输出结果进行细节恢复和结构恢复；
22、在所述编码器－解码器网络加入注意力模块，通过所述注意力模块对编码器的输出结果应用注意力机制，得到注意力图，将所述注意力图与解码器的输出结果进行融合，得到光照分量增强图像；
23、其中，获取所述注意力图的计算公式为：
24、
25、式中， a为注意力图，表示返回三个颜色通道中的最大值，为原始参考光照分量图像，x表示输入光照分量图像。
26、可选的，将所述初始图像与光照估计分量数据进行除法运算，将运算结果作为所述反射分量增强模块的输入，进行反射分量增强，得到反射分量增强图像，具体包括：
27、将所述初始图像与光照估计分量数据进行除法运算，得到反射分量数据，将所述反射分量数据输入所述反射分量增强模块中，通过所述反射分量增强模块中的若干所述滤波子模块对所述反射分量数据依次进行去噪、对比度、白平衡增强处理，得到所述反射分量增强图像。
28、可选的，若干所述滤波子模块由依次连接的中值滤波子模块、直方图均衡滤波子模本文档来自技高网...
【技术保护点】
1.一种多无人机协同探测分布式图像增强方法，其特征在于，包括：
2.根据权利要求1所述的一种多无人机协同探测分布式图像增强方法，其特征在于，所述图像增强模型的训练过程具体包括：
3.根据权利要求1所述的一种多无人机协同探测分布式图像增强方法，其特征在于，所述图像增强模型的处理过程包括：
4.根据权利要求3所述的一种多无人机协同探测分布式图像增强方法，其特征在于，将所述初始图像输入所述光照估计模块进行光照估计，得到光照估计分量数据，具体包括：
5.根据权利要求3所述的一种多无人机协同探测分布式图像增强方法，其特征在于，将所述光照估计分量数据作为所述光照增强模块的输入，进行光照分量增强处理，得到光照分量增强图像，具体包括：
6.根据权利要求3所述的一种多无人机协同探测分布式图像增强方法，其特征在于，将所述初始图像与光照估计分量数据进行除法运算，将运算结果作为所述反射分量增强模块的输入，进行反射分量增强，得到反射分量增强图像，具体包括：
7.根据权利要求6所述的一种多无人机协同探测分布式图像增强方法，其特征在于，<...
【技术特征摘要】
1.一种多无人机协同探测分布式图像增强方法，其特征在于，包括：
2.根据权利要求1所述的一种多无人机协同探测分布式图像增强方法，其特征在于，所述图像增强模型的训练过程具体包括：
3.根据权利要求1所述的一种多无人机协同探测分布式图像增强方法，其特征在于，所述图像增强模型的处理过程包括：
4.根据权利要求3所述的一种多无人机协同探测分布式图像增强方法，其特征在于，将所述初始图像输入所述光照估计模块进行光照估计，得到光照估计分量数据，具体包括：
5.根据权利要求3所述的一种多无人机协同探测分布式图像增强方法，其特征在于，将所述光照估计分量数据作为所述光照增强模块的输入，进行光照分量增强处理，得到光照分量增强...
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。