[发明专利]一种面向智慧园林的无人机航拍目标识别方法

说明书

本发明公开了一种面向智慧园林的无人机航拍目标识别方法：对无人机拍摄视频（遥感信息）进行预处理，将遥感图像分割至超像素单元；利用聚类算法技术将第一步中获取到的超像素单元进行分类，剔除部分虚假目标；提取聚类后超像素单元的均值、方差、信息熵特征与金字塔匹配特征，并将它们进行特征融合后作为SVM支持向量机的输入，以克服复杂的场景；训练SVM支持向量机模型，得到目标的识别分类结果。

技术领域

本发明涉及一种面向智慧园林的无人机航拍目标识别方法，属于目标检测和计算机视觉领域。

背景技术

由于人们的环保意识不强，导致园林中经常水瓶、纸巾、包装袋等垃圾出现，不仅有碍卫生还影响园林美观。目前，大部分智慧园林都采用无人机对园林中的情况进行动态的监控，然后利用目标检测等算法对监控信息进行智能分析。随着深度学习在计算机视觉领域的飞速发展，目标检测技术作为计算机视觉领域的一部分也得到了突破性的发展，然而，由无人机获取的园林信息属于遥感图片，但自然场景下的目标检测算法并未在遥感图像研究中取得突破性进展，因此，对遥感图像中较多的小目标检测仍然是一个具有挑战性的问题。

遥感图像相比于普通图像存在以下问题：（1）小目标分割困难：遥感图像中目标尺寸比较小，对比度弱；（2）特征提取困难：遥感图像中目标包含的像素少，在卷积和池化操作后会造成大量的特征丢失特征提取困难，经过多次卷积操作以及池化操作后会丢失大量的特征。

综上所述，如何在现有技术的地处上提出准确的小目标识别方法成为了目前业内人士所亟待解决的问题。

发明内容

本发明为解决现有技术对遥感图片中小目标识别准确率低的问题，提供了一种面向智慧园林的无人机航拍目标识别方法。该方法通过对遥感图像进行超像素分割、聚类和多类别单阶检测，从背景分割和特征融合两个角度来提高整体的识别准确率。

本发明为解决上述技术问题采用以下技术方案：

一种面向智慧园林的无人机航拍目标识别方法，包括以下步骤：

S1，对已知其中目标类别的无人机航拍摄的遥感信息进行预处理，并将预处理后的遥感图像进行超像素分割，得到超像素单元；其中，预处理包括跳帧处理、图像滤波、直方图修正以及图像形态学变换；

S2，去除S1中超过设定阈值的超像素单元，并对剩余超像素单元利用OPTICS 聚类算法进行聚类；

S3，分别提取S2中聚类结果中每一类超像素单元的均值、方差、信息熵特征以及金字塔匹配特征；

S4，对S3中的均值、方差、信息熵特征以及金字塔匹配特征进行特征融合，得到每一类超像素单元的融合特征；

S5，将S4中的融合特征作为SVM支持向量机的输入，对应的目标类别作为SVM支持向量机的输出，对SVM支持向量机进行训练，得到目标识别模型；

S6，待识别遥感信息信息根据S1-S4的方法进行处理，得到对应的融合特征，并将融合特征输入S5中的目标识别模型，得到识别结果。

进一步，S3中首先对每一类超像素单元进行二值化，然后分别计算二值化后超像素单元的均值、方差、信息熵。

进一步，S4中融合特征为：F=[k₁×F_1, k₂×F_2, k₃×F₃]