[发明专利]基于无人机新旧时相影像的变化建筑物快速检测方法

说明书

本发明公开了一种基于无人机新旧时相影像的变化建筑物快速检测方法，通过获取在当前时刻之前得到的旧时相影像和在当前时刻得到的新时相影像，基于卡尔曼滤波进行粗匹配，以确定新时相影像在旧时相影像中的粗匹配影像区域，基于k‑d索引树对所述粗匹配影像区域和所述新时相影像进行精准匹配，以得到新时相影像在旧时相影像中的时相对应区域，以时相对应区域作为参考影像，对新时相影像进行几何校正，基于亮度校正模型构建和颜色平衡方法进行影像间的相对辐射校正，采用预先训练的识别模型分别对旧时相影像以及辐射校正后的新时相影像进行识别，以确定疑为变化的建筑物区域，实现对变化建筑物的快速检测，相应的检测过程具有较高的准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于无人机新旧时相影像的变化建筑物快速检测方法。

背景技术

针对当前违章滥用土地搭建、扩建建筑物的问题，相关部门也采取了很多措施，全面监督，加大监管力度，通过各种各样的手段加强动态监管，以便及时发现建筑物的变化状况，提高工作效率，做到“及时发现、及时报告、及时制止、及时处理”。为了及时掌握土地变化状况，需对土地进行监测和管制。传统无人机土地监测需人工选取和布设大量控制点，对影像进行大面积拼接后来完成变化检测，耗时耗力。

发明内容

针对以上问题，本发明提出一种基于无人机新旧时相影像的变化建筑物快速检测方法。该方法首先构建卡尔曼滤波模型预测新时相影像中心点在大尺度旧时相影像中的位置来缩小检索范围，其次通过k-d tree索引实现新旧时相影像的精准匹配，接着对影像进行几何校正和相对辐射校正，最后基于深度学习、形态空间位置匹配等识别和判断可疑变化建筑物。

为实现本发明的目的，提供一种基于无人机新旧时相影像的变化建筑物快速检测方法，包括如下步骤：

S10，获取在当前时刻之前拍摄并拼接得到的旧时相影像和在当前时刻拍摄得到的新时相影像，基于卡尔曼滤波对新时相影像和旧时相影像进行粗匹配，以确定新时相影像在旧时相影像中的粗匹配影像区域；

S20，基于k-d索引树对所述粗匹配影像区域和所述新时相影像进行精准匹配，以得到新时相影像在旧时相影像中的时相对应区域；

S30，以时相对应区域作为参考影像，对新时相影像进行几何校正，基于亮度校正模型构建和颜色平衡方法进行影像间的相对辐射校正；

S40，采用预先训练的识别模型分别对旧时相影像以及辐射校正后的新时相影像进行识别，以确定疑为变化的建筑物区域。

在一个实施例中，基于卡尔曼滤波对新时相影像和旧时相影像进行粗匹配，以确定新时相影像在旧时相影像中的粗匹配影像区域包括：

S11，根据t时刻得到的新时相影像在旧时相影像中的位置坐标(x_t，y_t)和预先构建的卡尔曼模型状态方程预测t+1时刻的点位置坐标(x_t+1，y_t+1)；其中，t时刻为当前时刻的上个时刻，t+1时刻为当前时刻；

S12，将新时相影像的经纬度坐标经过投影直角坐标和影像坐标转换以后得到测量值Z_t+1(x，y)，根据t+1时刻的点位置坐标(x_t+1，y_t+1)和测量值Z_t+1(x，y)，统计两者高斯分布区域相交后交集内的值，得到校正优化后的预估点(x’_t+1,y’_t+1)，将校正优化后的预估点(x’_t+1,y’_t+1)作为当前时刻的最优估值X_t+1|t+1；

S13，以最优估值X_t+1|t+1为中心，在旧时相影像中划定矩形区域作为新时相影像在旧时相影像中粗匹配后的区域并提取出来，以确定新时相影像在旧时相影像中的粗匹配影像区域。