[发明专利]一种基于无人机遥感的线性目标检测方法及系统

说明书

本发明涉及一种基于无人机遥感的线性目标检测方法及系统。所述线性目标检测方法包括以下步骤：步骤a：获取无人机序列影像，并在序列影像的重叠区域进行特征点提取；步骤b：对提取的特征点进行匹配，生成立体相对，并根据立体相对计算高程信息；步骤c：根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标。本发明根据目标特征制定数据采集方案获取高重叠度的序列影像，采用稳健的SIFT算法进行特征点匹配，并将获取的高程数据与影像特征相结合进行目标边缘的识别，从而实现现行目标的提取。本发明可大大节省成本，并有利于提高影像中线性目标检测的时效性和准确性。

技术领域

本发明属于线性目标检测技术领域，尤其涉及一种基于无人机遥感的线性目标检测方法及系统。

背景技术

遥感影像中线性目标的提取具有重要的意义和广泛的研究，例如沟渠、河流、道路及电力线路等，在实际应用中大多根据线性目标的大小，选择高分辨率的卫星影像或航拍影像进行线性目标的信息检测和提取。遥感影像线性目标检测方法较多，通常都是在已经做好几何纠正的影像上采用二维彩色图像外观特征进行分割，有一定的适用性和局限性；如运用Hough变换对图像主特征直线进行检测的算法是基于全搜索，对计算量和存储空间的需求都很大，不利于实时处理；而基于数学形态学的线性目标检测、基于区域生长的线性目标检测和基于神经网络的线性目标检测等方法虽然计算简单，可以实现实时处理，但由于在一定程度上受到边缘检测算法的制约，不能处理有间断的直线。而采用高分辨率卫星影像和航拍影像的追踪和检测往往需要购买大范围的遥感影像进行识别和提取，造成不必要的影像购买成本和大量数据处理的负担。

发明内容

本发明提供了一种基于无人机遥感的线性目标检测方法及系统，旨在至少在一定程度上解决现有技术中的上述问题。

本发明实现方式如下，一种基于无人机遥感的线性目标检测方法，包括以下步骤：

步骤a：获取无人机序列影像，并在序列影像的重叠区域进行特征点提取；

步骤b：对提取的特征点进行匹配，生成立体相对，并根据立体相对计算高程信息；

步骤c：根据高程信息与影像的颜色信息识别待测目标的边缘信息，并根据边缘信息提取待测目标。

本发明实施例采取的技术方案还包括：所述步骤a前还包括：分析待测目标的目标特征，依据目标特征设定影像所需的分辨率及航向/旁向重叠度；根据影像所需的分辨率及航向/旁向重叠度制定飞行计划及拍摄规则；所述目标特征包括位置、大小及高程，所述飞行计划包括飞行路线、相对地面航高及航速，所述拍摄规则包括拍摄模式。

本发明实施例采取的技术方案还包括：所述步骤a还包括：对获取的序列影像进行预处理；所述预处理包括影像定位、实际重叠度分析及图像彩色增强。

本发明实施例采取的技术方案还包括：在所述步骤a中，所述在序列影像的重叠区域进行特征点提取的特征点提取方法包括以下步骤：

步骤a1：采用DoG算子在影像尺度空间搜索尺度影像上的局部三维极值点，初步确定关键点的位置和特征尺度；

步骤a2：在关键点处对DoG算子进行泰勒二阶式展开，通过在影像尺度空间拟合二次泰勒展开式，精确确定关键点的位置和特征尺度；

步骤a3：将DoG算子的一阶微分和二阶微分组成Hessian矩阵，通过将Hessian矩阵最大特征值与最小特征值的比值与设定的阈值进行比较，剔除低对比度的关键点和不稳定的边缘响应点,提高关键点的抗噪声能力；

步骤a4：由关键点邻域内像点梯度方向和经过高斯加权处理的梯度值形成梯度方向直方图，并用抛物线拟合该直方图极大值附近的值，精确确定关键点的主方向，形成SIFT特征点。