一種應用于無人機的智能圖像處理系統

鄒新雷 鄧文浩

【摘要】? ? 隨著無人機的在各領域的普及與應用，無論是民用還是軍用，對于無人機采集來的圖像信息有著越來越多的技術需求。例如對于傳輸圖像內各個目標的檢測與識別，圖像的去霧與拼接。本文設計并實現了一種能夠自動檢測無人機視頻內車輛房屋等目標的程序，并能按需求對多路傳輸視頻進行圖像拼接，實現對無人機監控的智能圖像分析。

【關鍵詞】? ? 無人機? ? 目標檢測? ?機器學習? ? 人工智能? ? 圖像拼接

引言：

隨著科技的發展，無人機越來越多的普及到了我們的生活與工作中，無論是軍用還是民用都得到了廣泛的應用。例如：邊防檢查，森林防火，交通管制，地理測繪，新聞采集?？v觀這些應用領域，最終都要對采集的圖像進行分析并收集信息，如果要通過人眼來進行全面的觀察，每個監控視頻需要耗費過多的人力與時間。如果能通過機器學習的方法，讓計算機智能的分析出圖像所包含的信息，就能省去這些繁瑣的工作。因此，研究無人機領域的智能圖像處理就具有了重要的意義。

一、系統總體設計方案

本系統的總體架構如圖1所示，整個系統框架流總體分為三大部分：

1.1圖像增強處理模塊

這個模塊主要是讓無人機傳輸過來的圖像更為清晰，由于圖像是由高空傳來而且天氣未知，本模塊主要做亮度增強與去霧的操作。

1.2圖像拼接模塊

本模塊主要針對并飛無人機傳輸圖像進行處理，能夠對齊一系列空間重疊的圖像，構成一個無縫的、高清晰的圖像，使新形成的圖像具有更高的的分辨率和更大的視野。

1.3目標檢測模塊

本模塊的功能是對傳輸回來的圖像進行智能分析，依據大量數據集的訓練，讓程序能夠自動的識別到視頻中出現的目標與其位置。

二、系統算法技術介紹

2.1圖像增強算法：多尺度Retinex算法（MSR）

多尺度Retinex算法（MSR）是從SSR發展而來的一種Retinex算法。相比于SSR算法，MSR的優點是在保持圖像高保真度與對圖像的動態范圍進行壓縮的同時，也可實現色彩增強、顏色恒常性、局部動態范圍壓縮、全局動態范圍壓縮，還可以用于X光圖像增強。

MSR計算公式如下：

式中，K是高斯中心環繞函數的個數。當K=1時，MSR退化為SSR。

2.2圖像拼接算法：SIFT算法

SIFT（Scale Invariant Feature Transform）全稱尺度不變特征變換，SIFT算子是把圖像中檢測到的特征點用一個128維的特征向量進行描述，因此一幅圖像經過SIFT算法后表示為一個128維的特征向量集，該特征向量集具有對圖像縮放，平移，旋轉不變的特征，對于光照、仿射和投影變換也有一定的不變性，是一種非常優秀的局部特征描述算法。

本系統的圖像拼接系統首先使用sift算法提取特征點，然后利用快速最近鄰算法進行特征點粗匹配，并利用閾值設置和雙向交叉檢查方法進行初步的篩選。之后利用 RANSAC 算法進行精匹配，隨后經過圖像變換將不同圖像映射到同一坐標系下，完成圖像融合。

2.3目標檢測算法：YOLOV4

YOLO（You Only Look Once）系列是基于深度學習的回歸方法。其核心思想就是利用整張圖作為網絡的輸入，僅僅經過一個神經網絡，得到邊界框的位置及其所屬的類別。

這種算法的優點為檢測速度快，在GPU上運行可以實現實時的檢測速度，其背景誤檢率低，而且通用性強。YOLOV4比起前幾代提出了一種高效而強大的目標檢測模型，使用者可以使用1080 Ti或2080 Ti GPU訓練快速準確的目標檢測器。經測試，在無人機高空飛行且目標極多的情況下效果極好。

三、無人機實地測試應用

本系統在無人機基地進行了多次實地搭載測試。在光照充足下以及霧天、傍晚等圖像不足夠清晰的情況下，都能準確實時的檢測到目標單位，實地測試檢測結果如圖3所示。

四、結束語

本文設計一種無人機智能圖像處理系統，該系統基于機器學習、目標識別、圖像拼接等技術，設計了一種準確、低延遲的實時智能目標檢測程序，并且能夠在PC以及開發板等硬件上成功實現。在無人機領域具有較大的市場和應用價值。

參? 考? 文? 獻

[1]侯濤，蔣瑜.改進YOLOv4在遙感飛機目標檢測中的應用研究[J/OL].計算機工程與應用：1-10[2021-04-16].http：//kns.cnki.net/kcms/detail/11.2127.TP.20210409.1559.014.html.

[2]嚴羽，王永眾，楊來邦.基于無人機的實時圖傳系統[J].智能計算機與應用，2019，9（04）：65-70.

[3]楊軍，楊婉鈺.改進的尺度不變特征變換的遙感影像配準[J/OL].測繪科學：1-15[2021-04-16].http：//kns.cnki.net/kcms/detail/11.4415.P.20210415.1741.006.html.

[4]王萌萌，彭敦陸.Retinex-ADNet：一個低光照圖像增強系統[J/OL].小型微型計算機系統：1-8[2021-04-16].http：//kns.cnki.net/kcms/detail/21.1106.TP.20210330.1550.042.html.