【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种无人机采集图像优化传输方法。
技术介绍
1、无人机能够通过搭载高分辨率的摄像头，可以从高空俯瞰地面高灵敏度成像设备，且具有体积小、飞行速度快等优点，被广泛用于森林防火、抗震救灾等各个领域中，但是无人机在进行图像采集时会因为风力的影响而发生抖动，从而带动摄像头的抖动，使得获取的图像出现模糊现象，这种现象不仅影响了图像的视觉质量，而且会导致后续对于图像分割和图像识别的结果不准确。
2、使用盲去卷积的思想对图像进行去模糊操作，首先是利用变分贝叶斯，采用金字塔上采样的方式对图像估计出模糊核，再利用标准的非盲去卷积方法来重建清晰图像，但是多尺度的变分贝叶斯算法的复杂度较高，需要用户选择一个的图像块来进行模糊核估计，在用户选择图像块时，如果选择的图像块太小，可能会丢失有用的信息导致估计模糊核的准确性下降，如果选择的图像块太大，其计算量增强，并且非盲去卷积是基于“清晰的自然图像梯度分布符合重尾分布”这一理论，然而并不是所有图像块的梯度直方图的分布都符合重尾分布，如果选择的图像块位于平滑区域，其平滑区域的梯度都较小，并不满足重尾分布，则获取的模糊核的准确性也不高，进而使得重建的清晰图像效果差。
技术实现思路
1、本专利技术提供一种无人机采集图像优化传输方法，以解决现有的问题。
2、本专利技术的一种无人机采集图像优化传输方法采用如下技术方案：
3、本专利技术一个实施例提供了一种无人机采集图像优化传输方法，该方法包括以下步骤：p>
4、采集无人机图像；
5、获取无人机图像的梯度图像，根据梯度图像获取真实边缘与重影边缘之间的平均宽度，根据真实边缘与重影边缘之间的平均宽度获取图像块的边长；
6、根据真实边缘与重影边缘之间的平均宽度获取初始卷积核的大小；根据初始卷积核的大小将无人机图像的各个边长进行删除，得到m图像；根据初始卷积核的大小获取m图像中各像素点水平方向初始卷积核中左右两侧像素点的权重以及垂直方向初始卷积核中上下两侧像素点的权重；根据各像素点水平方向初始卷积核中左右两侧像素点的权重以及垂直方向初始卷积核中上下两侧像素点的权重，获取m图像中各像素点水平方向以及垂直方向的卷积核；根据m图像中各像素点水平方向和垂直方向的卷积核获取各像素点的预测梯度；
7、根据图像块的边长将m图像划分为多个图像块；根据各像素点的预测梯度获取每个图像块的预测梯度直方图；根据每个图像块的预测梯度直方图获取最优图像块；
8、根据最优图像块获取模糊核；根据模糊核获取清晰图像；将清晰图像传输至图像处理中心。
9、优选的，所述获取无人机图像的梯度图像，根据梯度图像获取真实边缘与重影边缘之间的平均宽度，根据真实边缘与重影边缘之间的平均宽度获取图像块的边长，包括的具体步骤如下：
10、预设第一倍数n，获取无人机图像中各像素点的梯度幅值，构成梯度图像，对梯度图像不进行非极大值抑制，使用canny双阈值边缘检测算法获取各个边缘，遍历任一边缘，获取该边缘的端点与其他边缘的端点之间的距离，将该边缘的端点与其距离最近的边缘的端点相连形成连通区域，使用骨架提取算法对连通区域进行骨架提取，对骨架上的任一像素点作其垂直骨架上该像素点的切线的垂线，得到垂线与连通区域边缘的两个交点构成的线段，获取每条线段的宽度并计算出所有线段的平均宽度，将所有线段的平均宽度记为真实边缘与重影边缘之间的平均宽度，将真实边缘与重影边缘之间的平均宽度的n倍作为图像块的边长。
11、优选的，所述根据真实边缘与重影边缘之间的平均宽度获取初始卷积核的大小；根据初始卷积核的大小将无人机图像的各个边长进行删除，得到m图像，包括的具体步骤如下：
12、预设第二倍数x，设置初始卷积核的大小为真实边缘与重影边缘之间的平均宽度的x倍，将无人机图像的各个边长的两端删除真实边缘与重影边缘之间的平均宽度的x倍个像素点得到新的图像，记为m图像。
13、优选的，所述根据初始卷积核的大小获取m图像中各像素点水平方向初始卷积核中左右两侧像素点的权重以及垂直方向初始卷积核中上下两侧像素点的权重，包括的具体步骤如下：
14、遍历m图像中任一像素点，以该像素点水平方向的初始卷积核的中心像素点所在列将水平方向的初始卷积核划分为左右两侧，以该像素点垂直方向的初始卷积核的中心像素点所在行将垂直方向的初始卷积核划分为上下两侧；
15、遍历m图像中任一像素点水平方向初始卷积核中左右两侧的任一侧记为当前侧，获取该像素点水平方向初始卷积核中当前侧的第i个像素点的权重：
16、
17、式中，wi为像素点水平方向初始卷积核中当前侧的第i个像素点的权重，pi代表像素点水平方向初始卷积核中当前侧的第i个像素点的梯度幅值；i代表像素点水平方向初始卷积核中当前侧的像素点的个数；exp ()代表以自然常数为底数的指数函数；
18、获取像素点垂直方向初始卷积核中上下两侧每个像素点的权重。
19、优选的，所述根据各像素点水平方向初始卷积核中左右两侧像素点的权重以及垂直方向初始卷积核中上下两侧像素点的权重，获取m图像中各像素点水平方向以及垂直方向的卷积核，包括的具体步骤如下：
20、遍历m图像中任一像素点，将获取的该像素点水平方向初始卷积核中左右两侧的每个像素点的权重填入该像素点水平方向初始卷积核中对应的位置，得到该像素点水平方向的卷积核；获取该像素点垂直方向的卷积核。
21、优选的，所述根据m图像中各像素点水平方向和垂直方向的卷积核获取各像素点的预测梯度，包括的具体步骤如下：
22、遍历m图像中的任一像素点，记为当前像素点，获取当前像素点的预测梯度：
23、
24、式中，wa代表当前像素点水平方向卷积核的左侧的第a个像素点的权重；qa代表当前像素点水平方向卷积核的左侧的第a个像素点的灰度值；a代表当前像素点水平方向卷积核的左侧的像素点个数；w'b代表当前像素点水平方向卷积核的右侧的第b个像素点的权重；q'b代表当前像素点水平方向卷积核的右侧的第b个像素点的灰度值；b代表当前像素点水平方向卷积核的左侧的像素点个数；wc代表当前像素点垂直方向卷积核的上侧的第c个像素点的权重；qc代表当前像素点垂直方向卷积核的上侧的第c个像素点的灰度值；c代表当前像素点垂直方向卷积核的上侧的像素点个数；w'd代表当前像素点垂直方向卷积核的上侧的第d个像素点的权重；q'd代表当前像素点垂直方向卷积核的上侧的第d个像素点的灰度值；d代表当前像素点垂直方向卷积核的上侧的像素点个数；g为当前像素点的预测梯度；||代表绝对值符号。
25、优选的，所述根据图像块的边长将m图像划分为多个图像块，包括的具体步骤如下：
26、根据图像块的边长，将m图像等分为多个图像块。
27、优选的，所述获取每个图像块的预测梯度直方图，包括的具体步骤如下：
28、以横坐标为预测梯度，本文档来自技高网...
【技术保护点】
1.一种无人机采集图像优化传输方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述获取无人机图像的梯度图像，根据梯度图像获取真实边缘与重影边缘之间的平均宽度，根据真实边缘与重影边缘之间的平均宽度获取图像块的边长，包括的具体步骤如下：
3.根据权利要求2所述的一种无人机采集图像优化传输方法，其特征在于，所述根据真实边缘与重影边缘之间的平均宽度获取初始卷积核的大小；根据初始卷积核的大小将无人机图像的各个边长进行删除，得到M图像，包括的具体步骤如下：
4.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述根据初始卷积核的大小获取M图像中各像素点水平方向初始卷积核中左右两侧像素点的权重以及垂直方向初始卷积核中上下两侧像素点的权重，包括的具体步骤如下：
5.根据权利要求4所述的一种无人机采集图像优化传输方法，其特征在于，所述根据各像素点水平方向初始卷积核中左右两侧像素点的权重以及垂直方向初始卷积核中上下两侧像素点的权重，获取M图像中各像素点水平方向以及垂直方向的卷积
6.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述根据M图像中各像素点水平方向和垂直方向的卷积核获取各像素点的预测梯度，包括的具体步骤如下：
7.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述根据图像块的边长将M图像划分为多个图像块，包括的具体步骤如下：
8.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述获取每个图像块的预测梯度直方图，包括的具体步骤如下：
9.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述根据每个图像块的预测梯度直方图获取最优图像块，包括的具体步骤如下：
10.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述根据最优图像块获取模糊核；根据模糊核获取清晰图像，包括的具体步骤如下：
...【技术特征摘要】
1.一种无人机采集图像优化传输方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述获取无人机图像的梯度图像，根据梯度图像获取真实边缘与重影边缘之间的平均宽度，根据真实边缘与重影边缘之间的平均宽度获取图像块的边长，包括的具体步骤如下：
3.根据权利要求2所述的一种无人机采集图像优化传输方法，其特征在于，所述根据真实边缘与重影边缘之间的平均宽度获取初始卷积核的大小；根据初始卷积核的大小将无人机图像的各个边长进行删除，得到m图像，包括的具体步骤如下：
4.根据权利要求1所述的一种无人机采集图像优化传输方法，其特征在于，所述根据初始卷积核的大小获取m图像中各像素点水平方向初始卷积核中左右两侧像素点的权重以及垂直方向初始卷积核中上下两侧像素点的权重，包括的具体步骤如下：
5.根据权利要求4所述的一种无人机采集图像优化传输方法，其特征在于，所述根据各像素点水平方向初始卷积核中左右两侧像素点...
【专利技术属性】
技术研发人员：黄小川，黎治坤，周立鹏，郑史芳，周火生，张赫雷，姚乃文，欧盛华，梁静桦，谢天鸿，吴雄骁，李雷，
申请(专利权)人：广东省国土资源测绘院，
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。