[发明专利]自适应起始快速笔画宽度无人机道路检测方法

说明书

本发明公开了一种自适应起始快速笔画宽度无人机道路检测方法，获取遥感影像下的道路图像；对获得的道路图像进行灰度化处理；然后进行对比度增强处理；然后进行高通滤波处理；然后进行笔画宽度变换算法处理；对获得的笔画宽度图像设定平均值、长度、方差的阈值，保留符合的图像，然后进行用均点法改进后的Kmeans聚类。本发明采用改进后的笔画宽度变换算法，在面对不同种类的图像有更好的检测效果和抗噪性能，也实现了改进算法的快速性。

技术领域

本发明涉及图像处理技术领域，具体涉及一种自适应起始快速笔画宽度无人机道路检测方法。

背景技术

无人机遥感，即利用先进的无人驾驶飞行器技术、遥感传感器技术、遥测遥控技术、通讯技术、GPS差分定位技术和遥感应用技术，能够实现自动化、智能化、专用化快速获取国土资源、自然环境、地震灾区等空间遥感信息，且完成遥感数据处理、建模和应用分析的应用技术。无人机遥感系统由于具有机动、快速、经济等优势，已经成为世界各国争相研究的热点课题，现已逐步从研究开发发展到实际应用阶段，成为未来的主要航空遥感技术。

道路作为无人机遥感理解图像的主要对象，在航拍图像中，如何精确检测出道路也成为了一项重要课题。Epstein等人曾提出过关于描述文字的笔画宽度特征，并称为笔画宽度变换(SWT)，该方法的原理是根据局部区域文字笔画宽度基本不变，从而改善检测结果。而无人机一般飞行高度超过100米，拍摄的道路图像也如同文字一般具有连续性的宽度，因此SWT同时也能应用于无人机的道路检测。

SWT的关键是检测道路的边缘，边缘的图像属性中显著变化的分界线，检测出了边缘，也就意味着剔除了不相关的信息从而大幅度减少数据量，同时保留了物体的形状信息。常用的边缘检测模板有Laplacian算子、Robert算子、Sobel算子、log(Laplacian-Gauss)算子、Krisch算子和Prewitt算子等，但这些边缘检测模板抗噪能力差，提取效果不好。Canny算法使用两种不同的阈值来检测强边缘和弱边缘，再通过是否与强边缘连接判断是否是真正的弱边缘，这一优点使其得到了广泛应用。但Canny算法尽管较其同类算法出色，还是对噪声比较敏感，容易出现不规则梯度方向的边缘像素，使笔画宽度提取的准确性大大降低。

发明内容

本发明的目的在于一种自适应起始快速笔画宽度无人机道路检测方法，以克服上述现有技术存在的缺陷，本发明在面对不同种类的图像有更好的检测效果和抗噪性能，也实现了算法的快速性。

为达到上述目的，本发明采用如下技术方案：

自适应起始快速笔画宽度无人机道路检测方法，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；

步骤4：对步骤3中获得的道路图像进行高通滤波处理；

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；

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。

进一步地，步骤3中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。

进一步地，步骤4采用Butterworth高通滤波，公式如下：