[发明专利]一种用于无人机高动态遥感的测绘图像清晰度优化方法

权利要求书

1.一种用于无人机高动态遥感的测绘图像清晰度优化方法，其特征在于：包括以下步骤：

步骤1：选取无人机拍摄到的目标图像，对该目标图像上的每个像素点进行双三次插值，得到放大的目标图像；

步骤2：对放大的目标图像进行边缘信息提取，得到放大的目标图像的边缘像素点以及边缘像素点两侧的像素点；

步骤3：将放大的目标图像的边缘像素点以及位于边缘像素点两侧的像素点，逐一与梯度矩阵做卷积运算，生成像素点在最大梯度方向上的新像素点；

步骤4：取放大的目标图像的边缘像素点以及位于边缘像素点两侧的像素点，逐一判断在最大梯度方向上的新像素点是否需要修正，判断依据为：计算像素点与其在最大梯度方向上生成的新像素点间的梯度差值，表示为：(A_i*f-P*g)，式中，P为放大的目标图像的边缘像素点或位于边缘像素点两侧的像素点，A_i为像素点P在最大梯度方向上的新像素点，f和g均为锐化参数；

若该梯度差值大于0，则表示在最大梯度方向上的新像素点需要修正，根据式(3)完成修正；

A_i′＝(A_i*f-P*g)/(f-g) (3)

其中，A_i′表示A_i经过修正后的像素点；

取下一个像素点在最大梯度方向上的新像素点，进行修正判断；直至完成所有的放大的目标图像的边缘像素点以及位于边缘像素点两侧的像素点，得到清晰的目标图像；

若梯度差值小于等于0，则表示在最大梯度方向上的新像素点不需要修正，取下一个像素点在最大梯度方向上的新像素点，进行修正判断；直至完成所有的放大的目标图像的边缘像素点以及位于边缘像素点两侧的像素点，得到清晰的目标图像；

其中，步骤3中的梯度矩阵由垂直向上的法向算子、垂直向下的法向算子、水平向左的法向算子、水平向右的法向算子、右上方向的法向算子、右下方向的法向算子、左上方向的法向算子和左下方向的法向算子构成。

2.根据权利要求1所述的一种用于无人机高动态遥感的测绘图像清晰度优化方法，其特征在于：步骤1的具体实施步骤包括：

将选取无人机拍摄到的目标图像，将目标图像转化为位图图像，并采用(0,0),(1,0),(0,1),(1,1)四个顶点坐标初始化临近像素点；

位图图像上的每个像素点都通过其周围16个临近像素点依据权重值的加权来得到新的一个新的像素点p(x,y)，以此得到放大的目标图像；

其中，临近像素点的权重计算由式(1)得到：

式中，a为权重函数的参数，x为临近像素点的坐标。

3.根据权利要求1所述的一种用于无人机高动态遥感的测绘图像清晰度优化方法，其特征在于：步骤2的具体实施步骤包括：

将步骤1得到的放大的目标图像转化为灰度图像；

在matlab中，调用edge(Image,'Canny')函数对灰度图像进行计算，对边信息赋值1，非边信息赋值0，得到放大的目标图像的边缘像素点；

基于放大的目标图像的边缘像素点，得到位于边缘像素点两侧的像素点。

4.根据权利要求1所述一种用于无人机高动态遥感的测绘图像清晰度优化方法，其特征在于：垂直向上的法向算子表示为：

垂直向下的法向算子表示为：

水平向左的法向算子表示为：

水平向右的法向算子表示为：

右上方向的法向算子表示为：

右下方向的法向算子表示为：

左上方向的法向算子表示为：

左下方向的法向算子表示为：