[发明专利]无人机航拍路基线光点捕捉双阈值Radon识别方法

说明书

本发明公开了一种无人机航拍路基线光点捕捉双阈值Radon识别方法，为无人机的图像识别判断做良好准备，本发明采用变换对图像进行投影，得到在变换后的投影点位置，进行捕捉，避免了变换中对点筛选的要求苛刻，降低了干扰因素的要求严格，提高了正确率。且具有人性化的适应能力，可以有人为经过测试与根据电脑硬件要求，进行手动调节识别的要求，降低硬件要求，提高工作效率，对投影后的图像光点进行捕捉，得到图像中道路直线，使其无人机航拍公路图像的道边与中线识别中获得的定位比较准确，具有良好的检测精度。

技术领域

本发明属于图像处理与图像识别技术领域，具体涉及一种无人机航拍路基线光点捕捉双阈值Radon识别方法。

背景技术

随着无人机产业研发的飞速发展，越来越多的人已经开始使用无人机来进行一系列的探查活动，如航拍与森林侦查，甚至很多军事领域对无人机航拍使用的更广泛，因此对无人机图像处理与识别的要求也会更为严格。无人机在空中对公路图像的道路边沿与中线识别意义重大。无人机在空中飞行时用于进行航线的自动判断，防止巡线偏移造成坠毁的其他事故，同时如果战时需要在公路跑道上临时降落，公路基线(包括道路边缘与道路中线)识别非常重要，决定了无人机安全降落的准确性。无人机空中飞行速度较高，要求识别时间少，这就决定无人机对道路边缘与中心线的识别精度与效率要很高。

在这种背景环境下，无人机在空中对公路图像基线的识别目前为止没有妥善的办法。目前大多数领域采用的直线识别算法是Hough变换，但Hough有其本身的缺点，例如检测速度太慢，精度不够高，期望的信息检测不到反而做出错误判断，进而产生大量的冗余数据，同时进行直线识别时需占用大量内存空间，耗时久，效率低；现实中的图像一般都受到外界噪声的干扰，信噪比较低，此时常规Hough变换的性能将急剧下降。

同时进行参数空间极大值的搜索时由于合适的阈值难以确定，往往出现虚峰和漏检的问题。Hough变换是一种使用表决原理的参数估计技术。其原理是利用图像空间和Hough参数空间的点-线对偶性，把图像空间中的检测问题转换到参数空间。因此当图片中出现太多干扰因素时则会出现错误检测，当图片大小过大时检测时间过长。

Radon变换可以用于直线检测，比Hough变换优越的地方在于：Radon变换可以针对非二值图像，Radon变换检测直线：当灰度值高的线段会在P空间中形成亮点，而低灰度值的直线会在P空间中形成暗点，而Hough变换需要针对二值图像进行，仅仅积攒非0点在某一个(P,θ)上的个数。

Radon变换的积分运算环节抵消了噪声所引起的亮度起伏，从直线检测方面看，Radon变换P空间较源图像空间域的SNR高，因此更适合低SNR遥感图像线检测的原因。

发明内容

本发明的目的在于提供一种无人机航拍路基线光点捕捉双阈值Radon识别方法，以克服上述现有技术存在的缺陷，本发明使得无人机航拍公路图像的道边与中线识别中获得的定位比较准确，具有良好的检测精度。

为达到上述目的，本发明采用如下技术方案：

无人机航拍路基线光点捕捉双阈值Radon识别方法，包括以下步骤：

步骤1：获取无人机拍摄的道路图像，将图像转化为数据表格，并保存为图像数据；

步骤2：读入步骤1得到的图像数据并进行灰度二值化处理；

步骤3：步骤2中的得到的二值化图像进行边缘检测找到图像边缘；

步骤4：对步骤3中得到的图像边缘关于幅角进行Radon变换得到投影后的图像，并对投影后的图像对应的矩阵数据中的最值点进行捕捉；

步骤5：对要寻找的直线条数与双阈值进行初始参数进行设定，对以在步骤4中所找到最值点为中心的nhood×nhood区域进行清零，以排除重复，此区域的行数与列数即nhood均为奇数，以保证寻找到的最值点坐标在区域中心；