【技术实现步骤摘要】
本专利技术属于配网无人机导航用图像的图像处理，具体涉及一种无人机导航用图像的增强处理方法及系统。
技术介绍
1、配网无人机在电力线路巡检中具有许多优势，它可以提高工作效率，快速飞行并覆盖更大的范围；降低人员风险，电力线路通常位于高压、危险的环境中，存在着攀爬高塔和接触高压设备的风险。使用无人机进行巡检可以避免人员直接暴露在危险环境中，降低了人员受伤和事故发生的风险；提高故障检测准确性。
2、然而，目前仍存在一些行业问题需要解决，配网无人机的应用需要专业的操作人员和技术人员进行控制和维护。复杂的环境和偏远的位置可能导致无人机的手动导航失效，无法完成巡检任务，只能依靠人工方式来检查配电网故障，增加了巡检人员的负担和工作量。此外，配电网环境下，由于安全性要求，无人机需要具备精确的导航能力，避免与电网发生接触。因此，实现无人机的自主导航对减轻巡检负担至关重要。
3、单独使用传感器进行导航往往难以满足要求。在快速移动时，基于单目或双目传感器的导航容易出现失焦和模糊的问题。基于惯性测量单元(imu)的导航则容易累积误差，从而导致轨迹偏移。
技术实现思路
1、本专利技术要解决的技术问题：针对现有技术的上述问题，提供一种无人机导航用图像的增强处理方法及系统，本专利技术旨在针对输入图像进行边缘增强处理以去除边缘模糊部分，消除实时图像中边缘模糊部分对于无人机导航的干扰，提升利用实时图像和imu数据融合实现无人机导航时的准确性和鲁棒性。
2、为了解决上述技术问题，本专
3、一种无人机导航用图像的增强处理方法，包括针对输入图像进行下述边缘增强处理以去除边缘模糊部分：
4、s101，对输入的输入图像进行边缘信息增强处理，定义初始的模糊核k；
5、s102，对边缘信息增强处理后的图像基于模糊核k解卷积得到估计图像l′；
6、s103，对估计图像l′进行滤波得到滤波后的新图像l′p；
7、s104，基于滤波后的新图像l′p的梯度进行梯度映射以消除噪声；
8、s105，判断消除噪声后的估计图像l″是否为最佳估计，若为最佳估计，则将消除噪声后的估计图像l″作为处理结果输出；否则，根据消除噪声后的估计图像l″估计得到新的模糊核k，跳转步骤s102。
9、可选地，步骤s101中对输入的输入图像进行边缘信息增强处理的函数表达式为：
10、
11、上式中，r(x,y)为边缘信息增强处理后图像中(x,y)的像素值，b(x,y)为输入的灰度图像b中(x,y)的像素值，f(x,y)为中心环绕函数，为单位乘积，且有：
12、
13、上式中，λ为边缘信息增强的尺度参数。
14、可选地，步骤s102中基于模糊核k解卷积得到复原图像的估计图像l′的函数表达式为：
15、l′＝argmin(||r′-k*l||+ρ(l))，
16、上式中，r′为边缘信息增强处理后的图像，k为模糊核，l为去模糊后的清晰图像，ρ(l)去模糊后的清晰图像的正则化部分。
17、可选地，步骤s103包括针对估计图像l′中的每一个像素点取一个固定大小的窗口并根据下式进行滤波以得到滤波后的新图像l′p：
18、l′p(x)＝1/(wp(x)×∑(x′∈ω)i(x′)×ws(||i(x′)-i(x)||)×wp(||x′-x||))，
19、上式中，l′p(x)为滤波后的新图像l′p中第x个像素的像素值，ws和wp分别为像素值相似度权重和空间距离权重，x′为估计图像l′中第x个像素的窗口内的像素集合ω内的像素点，i(x′)为估计图像l′中像素点x′的像素值，i(x)为估计图像l′中像素点x的像素值。
20、可选地，步骤s104包括：
21、s201，针对滤波后的新图像l′p分别计算垂直方向梯度gy和水平方向的梯度值gx；
22、s202，根据垂直方向梯度gy和水平方向的梯度值gx计算梯度幅度m和梯度方向θ：
23、θ＝tan-1(gy/gx)，
24、上式中，tan-1表示反正切函数；
25、s203，针对滤波后的新图像l′p中的每一个像素，根据梯度方向θ来选择对像素值进行增强或减弱的调节方式，包括：如果梯度方向θ在0度到45度之间，则增强水平方向的像素值，减弱垂直方向的像素值；如果梯度方向θ在45度到90度之间，则增强垂直方向的像素值，减弱水平方向的像素值；如果梯度方向θ在90度到135度之间，则增强垂直方向的像素值，减弱水平方向的像素值；如果梯度方向θ在135度到180度之间，则增强水平方向的像素值，减弱垂直方向的像素值；
26、s204，基于确定的调节方式，根据下式调节以获得消除噪声后的估计图像l″p：
27、l″p(x)＝l′p(x)±(m×α)，
28、上式中，l″p(x)为消除噪声后的估计图像l″中第x个像素的像素值，α为调节系数。
29、可选地，步骤s105中根据消除噪声后的估计图像l″实现对模糊核k的估计得到新的模糊核包括：
30、s301，针对消除噪声后的估计图像l″p分别计算垂直方向梯度py和水平方向的梯度值px，得到消除噪声后的估计图像l″的梯度映射p＝(px,py)；
31、s302，利用消除噪声后的估计图像l″p的梯度映射p计算能量函数f(k)：
32、f(k)＝∑(p,l*)ω||k*p-l*||2+β||k||2，
33、上式中，l*为消除噪声后的估计图像l″的偏导数，ω为偏导数的权重，k为模糊核，p为消除噪声后的估计图像l″的梯度映射，β为正则化权重；
34、s303，获得能量函数f(k)的矩阵形式
35、
36、上式中，为模糊核k的向量，a为由五个消除噪声后的估计图像l″p的梯度映射p构成的向量，b为由五个消除噪声后的估计图像l″的偏导数l*构成的向量；
37、s304，对能量函数f(k)的矩阵形式利用共扼梯度的方法最小化处理得到能量函数f(k)的矩阵形式的梯度：
38、
39、上式中，为能量函数f(k)的矩阵形式的梯度；
40、s305，针对能量函数f(k)的矩阵形式的梯度采用快速傅里叶变换的方法进行梯度下降并收敛从而得到新的模糊核。
41、可选地，步骤s105中判断消除噪声后的估计图像l″是否为最佳估计时，消除噪声后的估计图像l″为最佳估计的条件为迭代次数达到预设的最大迭代次数，或者消除噪声后的估计图像l″、步骤s101中原始的输入图像之间的均方误差mse小于设定值，且消除噪声后的估计图像l″、步骤s101中原始的输入图像之间的均方误差mse的计算函数表达式为：
42、
43、上式中，m*n分别为消除噪声后的估计图像l″的长度和宽度，本文档来自技高网...
【技术保护点】
1.一种无人机导航用图像的增强处理方法，其特征在于，包括针对输入图像进行下述边缘增强处理以去除边缘模糊部分：
2.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤S101中对输入的输入图像进行边缘信息增强处理的函数表达式为：
3.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤S102中基于模糊核K解卷积得到复原图像的估计图像L′的函数表达式为：
4.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤S103包括针对估计图像L′中的每一个像素点取一个固定大小的窗口并根据下式进行滤波以得到滤波后的新图像L′p：
5.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤S104包括：
6.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤S105中根据消除噪声后的估计图像L″实现对模糊核K的估计得到新的模糊核包括：
7.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤S105中判断消除噪声后的估计图像L
8.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，还包括针对输入图像进行下述颜色区域分割以去除天空白云的干扰：
9.一种无人机导航用图像的增强处理系统，包括相互连接的微处理器和存储器，其特征在于，所述微处理器被编程或配置以执行权利要求1～8中任意一项所述无人机导航用图像的增强处理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序用于被微处理器编程或配置以执行权利要求1～8中任意一项所述无人机导航用图像的增强处理方法。
...【技术特征摘要】
1.一种无人机导航用图像的增强处理方法，其特征在于，包括针对输入图像进行下述边缘增强处理以去除边缘模糊部分：
2.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤s101中对输入的输入图像进行边缘信息增强处理的函数表达式为：
3.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤s102中基于模糊核k解卷积得到复原图像的估计图像l′的函数表达式为：
4.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤s103包括针对估计图像l′中的每一个像素点取一个固定大小的窗口并根据下式进行滤波以得到滤波后的新图像l′p：
5.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤s104包括：
6.根据权利要求1所述的无人机导航用图像的增强处理方法，其特征在于，步骤s105中根据消除噪声后的估计图像l″实现对模糊核k的估计得到新的模糊核包括：
7.根据权利要求1...
【专利技术属性】
技术研发人员：肖剑，黄志鸿，吴晟，左沅君，徐先勇，刘帅，陈骏星溆，孙云龙，彭双剑，单楚栋，陈卓，龙彦伯，张文静，
申请(专利权)人：国网湖南省电力有限公司，
类型：发明
国别省市：
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。