[发明专利]一种无人机检测图像特征选择方法

说明书

本发明公开了一种无人机检测图像特征选择方法，涉及无人机检测特征选择，包括无人机检测样本图像，还包括以下步骤：S1，进行图像去噪处理后，对所述无人机检测样本图像进行图像信息统计，获得基本统计特征集；S2，获取基于图像自身属性的特征点集；S3，获取区域定义的特征点集；S4，依据S1‑S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为无人机检测图像的特征参数。本发明通过选择合适的特征，能够有效提高无人机检测图像特征选择的稳定性、精确性及实时性；能够综合考虑不同条件下的特征有效性，提高图像特征的抗干扰能力。

技术领域

本发明涉及无人机检测特征选择，具体涉及一种无人机检测图像特征选择方法。

背景技术

无人驾驶飞机简称无人机，英文缩写为UAV，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。与有人驾驶飞机相比，无人机往往更适合那些太愚钝，肮脏或危险的任务。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。因此，对无人机的质量检测，在未来社会起到越来越重要的作用。目前无人机检测图像存在干扰项多，难以选择良好识别特征的问题。

发明内容

本发明所要解决的技术问题是目前无人机检测图像存在干扰项多，难以选择良好识别特征的问题，目的在于提供一种无人机检测图像特征选择方法，解决上述问题。

本发明通过下述技术方案实现：

一种无人机检测图像特征选择方法，包括无人机检测样本图像，还包括以下步骤：

S1，进行图像去噪处理后，对所述无人机检测样本图像进行图像信息统计，获得基本统计特征集；

S2，获取基于图像自身属性的特征点集；

S3，获取区域定义的特征点集；

S4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为无人机检测图像的特征参数。

进一步地，所述区域定义的特征点集，包括LOG算子、Forstner算子、SIFT算子。

进一步地，所述基于自身属性的特征点集，包括边缘点、角点、交叉点。

进一步地，所述基本统计特征，包括亮度、重心、灰度直方图。

进一步地，所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明一种无人机检测图像特征选择方法，通过选择合适的特征，能够有效提高无人机检测图像特征选择的稳定性、精确性及实时性；

2、本发明一种无人机检测图像特征选择方法，能够综合考虑不同条件下的特征有效性，提高图像特征的抗干扰能力。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明一种无人机检测图像特征选择方法，包括无人机检测样本图像，还包括以下步骤：