[发明专利]一种基于边缘检测和颜色匹配的异常检测方法

说明书

本发明提出一种基于边缘检测和颜色匹配的异常检测方法，通过对不同时刻采集的两幅航拍图像进行配准、颜色平衡、边缘检测和颜色匹配，高效且准确地检测其中的异常区域。针对传统基于图像要素比对的异常检测方法的不足，本发明在图像配准步骤引入基于邻域的特征点匹配对筛选以及基于距离与面积准则的关键点选择策略，提高了图像配准的可靠性；在图像比对环节结合边缘检测与颜色匹配，解决了异常检测与颜色平衡相冲突的问题，提高了异常检测的准确率。

技术领域

本发明涉及计算机视觉技术领域，更具体地，涉及一种基于边缘检测和颜色匹配的异常检测方法。

背景技术

在地表环境监测等领域，需要通过采集图像以比对同一区域随时间的变化情况，发现并标注异常区域。例如利用无人机对同一地点在不同时刻分别拍摄图像，并进行对比分析，检测图像中的异常变化，如违章建筑、植被破坏、河流污染等。当前，异常检测的方法主要有两类，一类是基于图像要素比对的方法，另一类是基于前背景分割的方法。

基于图像要素对比的异常检测方法通过从图像中提取点、线、块等图像要素，然后加以对比，来区分异常和正常的部分。这类方法一般需要先进行图像配准，以解决航拍角度、高度等因素带来的成像角度、尺度变化问题。这种方法不需要学习，因此无需大量的训练样本，但是往往鲁棒性不足，在不同分辨率下得到的检测结果常常有较大差别，而图像配准的效果受分辨率影响也较大。

基于前背景分割的异常检测方法主要应用于固定摄像头拍摄的视频流数据，通常数据来源于城市等场景下固定安装的摄像头。此类方法基于样本的学习建立背景模型，并检测图像与背景模型的偏离，在此基础上进行异常前景检测和分类。这些方法的缺点在于摄像头需要固定，不适用于无人值守的大范围、长时间间隔的变化检测。

发明内容

本发明的发明目的在于解决现有技术提供的基于图像要素对比的异常检测方法鲁棒性不足、稳定性不够的技术缺陷，以及解决现有技术提供的基于前背景分割的异常检测方法存在的不适用于无人值守的大范围、长时间间隔的变化检测的技术缺陷，提供了一种基于边缘检测和颜色匹配的异常检测方法。

为实现以上发明目的，采用的技术方案是：

一种基于边缘检测和颜色匹配的异常检测方法，包括以下步骤：

S1.对两幅图像A、B进行SIFT特征点的检测和匹配，获得特征点匹配对；

S2.采用Lowe算法对得到的特征点匹配对进行初步的筛选，初步筛选完毕后进行基于邻域的特征点匹配对筛选；

S3.从经过筛选的特征点匹配对中选取三对特征点匹配对，并基于三对特征点匹配对求取仿射变换矩阵，对图像A/B进行仿射变换；

S4.对两幅图像A、B中的颜色异常进行初步的检测，将两幅图像转换为Lab颜色空间，然后进行Lab颜色空间下的颜色平衡；

S5.对经历过颜色平衡的图像A、B分别进行边缘异常检测、颜色异常检测。

与现有技术相比，本发明的有益效果是：

1)由于现实应用环境的复杂性，现有的图像配准方法中采用的特征点匹配往往可靠性不足。本发明提出了基于邻域的特征点匹配对筛选方法，可以准确高效地实现匹配对筛选；在选取关键点步骤，提出了简单且高效的关键点选取方法，提高了图像配准的可靠性。

2)本发明在颜色平衡和异常检测阶段加入了颜色异常检测的步骤，并在两个阶段分别设置不同的阈值，一方面在颜色平衡中排除了异常区域的干扰，另一方面也通过结合颜色匹配有效地提高了异常检测的准确率。

附图说明

图1为五种边缘检测模板的示意图。

图2为基于边缘检测和颜色匹配的异常检测方法的流程示意图。