[发明专利]自适应起始快速笔画宽度无人机道路检测方法

权利要求书

1.自适应起始快速笔画宽度无人机道路检测方法，其特征在于，包括以下步骤：

步骤1：获取遥感影像下的道路图像；

步骤2：对步骤1中获得的道路图像进行灰度化处理；

步骤3：对步骤2中获得的灰度图像进行对比度增强处理；

对比度增强处理具体为：获取灰度图像的像素矩阵，得到像素值I的二维矩阵，再对每个I值进行判断，如果像素值I＜80，则令I*0.25；如果像素值I的范围为80≤I≤180，则令I*2.2-156；如果像素值I的范围为I＞180，则令I*0.2+204；

步骤4：对步骤3中获得的道路图像进行高通滤波处理；

其中，采用Butterworth高通滤波，公式如下：

式中，D(u,v)表示频域中点到频域平面的距离，D₀取10，n取2，构成Butterworth滤波器的传递函数，当D(u,v)增大时，对应的H(u,v)逐渐接近1，从而使得高频部分得以通过，显示高频部分的图像；而当D(u,v)减小时，H(u,v)逐渐接近0，实现低频部分过滤，删去低频部分的图像；

步骤5：对步骤4中获得的道路图像进行改进的笔画宽度变换算法处理；

具体地，步骤5.1：对步骤4获得的图像采用改进后的Canny算子进行边缘检测；

步骤5.2：对步骤5.1获得的边缘检测进行笔画宽度获取；

步骤5.3：对步骤5.2获取的笔画宽度验证；

其中，步骤5.1具体步骤为：

步骤5.1.1：对步骤4获得的图像使用改进的中值滤波降低噪声影响；

步骤5.1.2：对步骤5.1.1获得的图像用改进的3×3的Sobel边缘算子计算梯度幅值；使用的改进的3×3的Sobel边缘算子计算步骤5.1.1获取的图像的梯度幅值，具体方法为：在x方向和y方向的基础上，增加45°和135°两个方向，结合成为3×3的边缘算子来进行计算，公式如下：

G_x＝(U₇+2U₈+U₉)-(U₁+2U₂+U₃)

G_y＝(U₃+2U₆+U₉)-(U₁+2U₄+U₇)

其中，G_x为G在x方向上的值，G_y为G在y方向上的值，U_i为3×3矩阵中的对应值，U₁、U₃、U₇、U₉是Sobel改进算子控制45°和135°方向的参数值；

步骤5.1.3：对5.1.2获得的梯度幅值进行非极大值抑制；

步骤5.1.4：对5.1.3抑制后的梯度幅值使用改进的自适应双阈值方法检测和连接边缘，将高于高阈值的点确定为强边缘点，低于高阈值但高于低阈值的点判断为弱边缘点，对每个弱边缘点进行判断，如果它的邻域内有强边缘点，那么认为这个弱边缘点是可连接的点；将每个强边缘点直接认为是可连接的点，最后将所有被认为是可连接的点连接；

具体地，改进的自适应双阈值方法为逐次逼近法与Otsu法相结合的算法，其中逐次逼近法用于确定高阈值的自适应，Otsu法用于确定低阈值的自适应；

所述逐次逼近法是先设置初始阈值，再根据5.1.3进行非极大值抑制后的梯度幅值划分，梯度幅值大于阈值的为确定是边缘点的，梯度幅值小于阈值的为可能是边缘点的，求得这两部分梯度幅值的密度与当前阈值的关系是否符合如下公式，如果不符合，则继续循环逼近，直到符合下式：

其中，ρ₁是边缘点的梯度幅值密度，ρ₂是可能是边缘点的点的梯度幅值密度，T是当前阈值的值，循环结束后，T即最适宜的高阈值T_H；

所述Otsu法是在0～T_H之间运用如下公式求解低阈值T_L：

其中，

其中，P_i为灰度级为i的概率，P_a为灰度级在1到T_L的概率，即在0与低阈值之间的概率，P_b为灰度级在T_L+1到T_H的概率，即在低阈值与高阈值之间的概率；

步骤6：对步骤5中获得的笔画宽度图像设定宽度和方差的阈值，保留低于宽度阈值和方差的图像；

步骤7：对步骤6中获得的笔画宽度图像进行Kmeans聚类。