[发明专利]一种基于概率统计模型的地平线检测方法

说明书

技术领域

本发明涉及图像处理领域，尤其是涉及一种基于概率统计模型的地平线检测方法。

背景技术

无人机(飞行器)在科研和军事方面发挥的作用越来越重要，无人机可以代替人们做一些惊险但又值得考察的事。

目前在各大高校中，对四翼飞行器的研究热情也正在冉冉升起，一些老师和学生通过构建实验平台对无人机的性能展开深入的研究和探讨。针对无人机(飞行器)飞行以及降落，有关的地平线检测和轨道识别技术，国内还没有一些较新方法来处理。此外大部分方法检测到的地平线是直线，并没有很好地以及真实地体现地平线的形状。

地平线的检测是一个重要的过程，它可以估计飞行器的姿态和角度，以及为下一步的轨道识别做好铺垫。它的检测算法一般有三类：基于边缘特征；区域特征；机器学习。目前还未出现使用概率统计的方法来检测的文章。

付丙岛等人结合航拍视频序列的特点与视觉导航系统的需求，提出了一种基于图像区域相似性和禁忌搜索算法的地平线拟合视觉导航算法。从航拍视频序列中提取单帧图像，并做下采样去噪等相应预处理，初始化禁忌搜索算法的初始解等参数，结合适配值函数，拟合图像中的地平线，用禁忌搜索算法的特赦准则和收敛准则评判拟合的准确性，直到适配值函数值满足收敛准则为止，得出最优解，但该算法得到的结果是直线，遇到山坡时得到不到真正的平滑的曲线。目前大多数地平线检测方法存在误差，且检测的结果均是直线，并非真正的地平线(有时是曲线)，精确度较低。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种检测结果真实有效、精确度高的基于概率统计模型的地平线检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于概率统计模型的地平线检测方法，包括以下步骤：

1)对原始图像进行金字塔分解，得到多分辨率的K层图像；

2)对分解后的各层图像进行方向评估；

3)在各层中对图像中的地平线构建概率统计模型；

4)在每层图像中，根据第3)步骤中建立的统计模型，在先验概率的基础上，对像素点数目和边缘方向匹配这两个特性，利用MAP寻求最优区域，将其做标记，产生标记链；

5)根据上一层得到的最优区域对当前层图像计算最优区域，直至最后一层；

6)对最底层的最优区域进行细化，根据最优区域与第2)步骤中边缘方向估计时得到的边缘特征的对应性搜索最优像素点；

7)将所述最优像素点连接，即得到地平线。

所述步骤1)中，对原始图像进行金字塔分解时，首先对每层图像进行高斯平滑滤波，然后进行降采样获得上层图像；

所述高斯平滑滤波具体为：

a)利用方差为σ的二维Gauss核函数对每一层图像I(x，y)作预平滑滤波，所述高斯函数公式：

G(x,y,σ)=12πσ2e-(x2+y2)2σ2]]>

b)求高斯函数与每层图像的卷积进行滤波：

L(x，y，σ)＝G(x，y，σ)*I(x，y)

所述步骤2)具体为：

201)计算各层图像的窗口中每个地平线像素点的邻域像素的梯度幅值和方向：