[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

权利要求书

1.一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，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；

具体地，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；

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。

2.根据权利要求1所述的方法，其特征在于，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。

3.根据权利要求1所述的方法，其特征在于，所述步骤b与步骤c之间还包括：根据立体相对获取待测目标所在区域的三维结构信息，根据区域的三维结构信息对影像进行校正和镶嵌。

4.根据权利要求3所述的方法，其特征在于，在所述步骤c中，所述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具体包括以下步骤：

步骤c1：通过mean shift分割算法对影像的颜色信息进行分割，得到图像边缘概率图；

步骤c2：通过mean shift分割算法对高程信息进行分割，得到高程不连续边界概率图；

步骤c3：根据图像边缘概率图和高程不连续边界概率图识别出待测目标的边缘信息；

步骤c4：根据待测目标的边缘信息提取出待测目标。

5.一种基于无人机遥感的线性目标检测系统，其特征在于，包括影像获取模块、特征点提取模块、特征点匹配模块、高程计算模块和目标提取模块；所述影像获取模块用于获取无人机序列影像；所述特征点提取模块用于在序列影像的重叠区域进行特征点提取；所述特征点匹配模块用于对提取的特征点进行匹配，生成立体相对；所述高程计算模块用于根据立体相对计算高程信息；所述目标提取模块用于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；

所述特征点提取模块包括关键点搜索单元、关键点确定单元、关键点剔除单元和特征点生成单元；

所述关键点搜索单元用于采用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；

所述关键点确定单元用于在关键点处对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；

所述关键点剔除单元用于将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；

所述特征点生成单元用于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。