鄒新雷 鄧文浩

【摘要】? ? 隨著無人機(jī)的在各領(lǐng)域的普及與應(yīng)用，無論是民用還是軍用，對(duì)于無人機(jī)采集來的圖像信息有著越來越多的技術(shù)需求。例如對(duì)于傳輸圖像內(nèi)各個(gè)目標(biāo)的檢測(cè)與識(shí)別，圖像的去霧與拼接。本文設(shè)計(jì)并實(shí)現(xiàn)了一種能夠自動(dòng)檢測(cè)無人機(jī)視頻內(nèi)車輛房屋等目標(biāo)的程序，并能按需求對(duì)多路傳輸視頻進(jìn)行圖像拼接，實(shí)現(xiàn)對(duì)無人機(jī)監(jiān)控的智能圖像分析。

【關(guān)鍵詞】? ? 無人機(jī)? ? 目標(biāo)檢測(cè)? ?機(jī)器學(xué)習(xí)? ? 人工智能? ? 圖像拼接

引言：

隨著科技的發(fā)展，無人機(jī)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(yīng)用。例如：邊防檢查，森林防火，交通管制，地理測(cè)繪，新聞采集?？v觀這些應(yīng)用領(lǐng)域，最終都要對(duì)采集的圖像進(jìn)行分析并收集信息，如果要通過人眼來進(jìn)行全面的觀察，每個(gè)監(jiān)控視頻需要耗費(fèi)過多的人力與時(shí)間。如果能通過機(jī)器學(xué)習(xí)的方法，讓計(jì)算機(jī)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(jī)領(lǐng)域的智能圖像處理就具有了重要的意義。

一、系統(tǒng)總體設(shè)計(jì)方案

本系統(tǒng)的總體架構(gòu)如圖1所示，整個(gè)系統(tǒng)框架流總體分為三大部分：

1.1圖像增強(qiáng)處理模塊

這個(gè)模塊主要是讓無人機(jī)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(qiáng)與去霧的操作。

1.2圖像拼接模塊

本模塊主要針對(duì)并飛無人機(jī)傳輸圖像進(jìn)行處理，能夠?qū)R一系列空間重疊的圖像，構(gòu)成一個(gè)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(biāo)檢測(cè)模塊

本模塊的功能是對(duì)傳輸回來的圖像進(jìn)行智能分析，依據(jù)大量數(shù)據(jù)集的訓(xùn)練，讓程序能夠自動(dòng)的識(shí)別到視頻中出現(xiàn)的目標(biāo)與其位置。

二、系統(tǒng)算法技術(shù)介紹

2.1圖像增強(qiáng)算法：多尺度Retinex算法（MSR）

多尺度Retinex算法（MSR）是從SSR發(fā)展而來的一種Retinex算法。相比于SSR算法，MSR的優(yōu)點(diǎn)是在保持圖像高保真度與對(duì)圖像的動(dòng)態(tài)范圍進(jìn)行壓縮的同時(shí)，也可實(shí)現(xiàn)色彩增強(qiáng)、顏色恒常性、局部動(dòng)態(tài)范圍壓縮、全局動(dòng)態(tài)范圍壓縮，還可以用于X光圖像增強(qiáng)。

MSR計(jì)算公式如下：

式中，K是高斯中心環(huán)繞函數(shù)的個(gè)數(shù)。當(dāng)K=1時(shí)，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(cè)到的特征點(diǎn)用一個(gè)128維的特征向量進(jìn)行描述，因此一幅圖像經(jīng)過SIFT算法后表示為一個(gè)128維的特征向量集，該特征向量集具有對(duì)圖像縮放，平移，旋轉(zhuǎn)不變的特征，對(duì)于光照、仿射和投影變換也有一定的不變性，是一種非常優(yōu)秀的局部特征描述算法。

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

2.3目標(biāo)檢測(cè)算法：YOLOV4

YOLO（You Only Look Once）系列是基于深度學(xué)習(xí)的回歸方法。其核心思想就是利用整張圖作為網(wǎng)絡(luò)的輸入，僅僅經(jīng)過一個(gè)神經(jīng)網(wǎng)絡(luò)，得到邊界框的位置及其所屬的類別。

這種算法的優(yōu)點(diǎn)為檢測(cè)速度快，在GPU上運(yùn)行可以實(shí)現(xiàn)實(shí)時(shí)的檢測(cè)速度，其背景誤檢率低，而且通用性強(qiáng)。YOLOV4比起前幾代提出了一種高效而強(qiáng)大的目標(biāo)檢測(cè)模型，使用者可以使用1080 Ti或2080 Ti GPU訓(xùn)練快速準(zhǔn)確的目標(biāo)檢測(cè)器。經(jīng)測(cè)試，在無人機(jī)高空飛行且目標(biāo)極多的情況下效果極好。

三、無人機(jī)實(shí)地測(cè)試應(yīng)用

本系統(tǒng)在無人機(jī)基地進(jìn)行了多次實(shí)地搭載測(cè)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(zhǔn)確實(shí)時(shí)的檢測(cè)到目標(biāo)單位，實(shí)地測(cè)試檢測(cè)結(jié)果如圖3所示。

四、結(jié)束語

本文設(shè)計(jì)一種無人機(jī)智能圖像處理系統(tǒng)，該系統(tǒng)基于機(jī)器學(xué)習(xí)、目標(biāo)識(shí)別、圖像拼接等技術(shù)，設(shè)計(jì)了一種準(zhǔn)確、低延遲的實(shí)時(shí)智能目標(biāo)檢測(cè)程序，并且能夠在PC以及開發(fā)板等硬件上成功實(shí)現(xiàn)。在無人機(jī)領(lǐng)域具有較大的市場(chǎng)和應(yīng)用價(jià)值。

參? 考? 文? 獻(xiàn)

[1]侯濤，蔣瑜.改進(jìn)YOLOv4在遙感飛機(jī)目標(biāo)檢測(cè)中的應(yīng)用研究[J/OL].計(jì)算機(jī)工程與應(yīng)用：1-10[2021-04-16].http：//kns.cnki.net/kcms/detail/11.2127.TP.20210409.1559.014.html.

[2]嚴(yán)羽，王永眾，楊來邦.基于無人機(jī)的實(shí)時(shí)圖傳系統(tǒng)[J].智能計(jì)算機(jī)與應(yīng)用，2019，9（04）：65-70.

[3]楊軍，楊婉鈺.改進(jìn)的尺度不變特征變換的遙感影像配準(zhǔn)[J/OL].測(cè)繪科學(xué)：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(gè)低光照?qǐng)D像增強(qiáng)系統(tǒng)[J/OL].小型微型計(jì)算機(jī)系統(tǒng)：1-8[2021-04-16].http：//kns.cnki.net/kcms/detail/21.1106.TP.20210330.1550.042.html.