[发明专利]基于分层退化模型的无人机实时图像模拟方法

说明书

技术领域

本发明属于无人机图像处理技术领域，具体涉及一种基于分层退化模型的无人机实时图像模拟方法。 

背景技术

无人机模拟飞行训练系统需要大量无人机实时图像样本。无人机实时图像是由无人机飞经目标区域上空时，由机载传感器实时获取的地面（海面）景象特征，它与诸如卫星照片或高质量航拍图像这类基准图有较大差异。 

无人机实时图像有两种来源：1）采用无人机航拍的方式直接获取实时图，其优点是真实性好、可信度高；2）从基准图中截取目标区域并加入各种缺陷构成无人机实时图，其优点是方便灵活。在无人机模拟飞行训练系统中，需要大量能够覆盖各种图像场景种类、畸变种类与强度的无人机实时图。显然，通过直接摄取的方式代价昂贵，不现实，违背了无人机模拟飞行训练系统的设计初衷。有实验证明，在现有的图像数据基础上加入各种图像缺陷模拟无人机图像则是可行的。 

无人机图像在其获取、存储和传输过程中，会受到各种退化因素的影响，使最终得到的图像不可避免地发生一定退化。这些退化因素存在于图像形成过程的各个环节，如表1所示。 

表1无人机图像形成各环节退化因素及其缺陷类型 

在成像环节，首先要考虑无人机飞行姿态造成的几何畸变。其次，天气、光照条件是影响图像灰度和清晰度的重要因素。再者，模糊缺陷也应当充分考虑，包括高速飞行、相机抖 动带来的运动模糊以及对焦不准确引起的离焦模糊。最后，还不能忽略滤波、A/D转换以及欠采样等处理带来的振铃和混叠缺陷。在数据压缩、传输以及图像重构环节，引入的缺陷主要还是振铃和混叠。另外，有些退化因素在多个环节中存在，例如：成像环节会引入传感器的暗电流噪声，在数据传输环节又会引入信道噪声。 

传统的实时图仿真方法中，只考虑了噪声干扰、几何畸变、灰度畸变三大缺陷类型，而忽视了模糊、混叠以及振铃对图像带来的影响，因此建立的退化模型不够全面、完整。此外，Augusta系统公司提供一种自动目标识别训练工具由于建立仿真图像数据库，该工具能够生产18种目标在不同方向、高度角和分辨率下的效果图。有学者在该工具所建立的图像库基础上，加入6种原始图像的退化版本，从而扩充了图像数据库，涉及到的退化因素包括：高斯噪声、光照变化、对比度变化、运动模糊以及离焦模糊。当设置的退化参数不同时，能够生成大量仿真图像。 

结合无人机图像具有的缺陷类型，发现这些方法存在两点不足：1）考虑的缺陷类型不全面，建立的退化模型不够完善；2）没有阐明各种缺陷引入的先后次序。 

发明内容

本发明为了克服上述传统模拟方法的不足，提出基于分层退化模型的无人机实时图像模拟方法。 

综合考虑无人机图像形成过程中存在的退化因素及其缺陷，本发明确定了在无人机实时图像中需要模拟的缺陷类型主要有：几何畸变、灰度畸变、模糊效果、混叠、振铃及噪声。结合无人机图像的形成过程确定模拟方法的总体流程如下： 

第一步，模拟几何畸变 

根据无人机的飞行参数（飞行高度、偏航角、俯仰角、滚动角）仿真几何畸变缺陷，模拟无人机在不同姿态角下的成像效果。 

第二步，模拟灰度畸变 

根据用户输入的退化参数进行图像亮度、对比度的调整，将亮度、对比度分别分为五个等级，模拟天气条件、光照变化等效果。 

第三步，加入模糊效果 

在图像中添加运动模糊及离焦模糊效果，模拟无人机高速飞行引起的运动模糊以及对焦不准去引起的离焦模糊。 

第四步，加入混叠、振铃缺陷 

在图像中加入混叠、振铃现象，模拟欠采样引起的混叠以及滤波、DCT变换引起的振铃现象。 

第五步，加入噪声干扰 

对图像进行噪声腐蚀，模拟无人机实时图像中的高斯噪声及椒盐噪声。 

本发明具有以下优点： 

1)考虑的缺陷类型全面，建立的退化模型完整； 

2)确定了各缺陷加入的先后次序，避免了次序不正确而生成不逼真甚至错误的无人机实时图像； 

3)引入混叠和振铃缺陷，使仿真图像能更真实地模拟欠采样、滤波后的退化效果； 

4)为各缺陷类型设置了适当的退化参数，以模拟不同退化程度的缺陷。 

附图说明

图1为本发明基于分层退化模型的无人机实时图像模拟方法的总体流程图； 

图2为原始图像； 

图3为几何畸变计算坐标系示意图； 

图4为不同飞行参数下几何畸变的仿真效果图；