[发明专利]一种基于分形识别的无人机图像处理方法

权利要求书

1.一种基于分形识别的无人机图像处理方法，其特征在于：

训练无人机三维地理图像样本，得到无人机三维地理图像样本分类器；

获取无人机实地三维地理采样图像，对所述无人机实地三维地理采样图像进行预处理，采用所述无人机三维地理图像样本分类器对所述无人机三维地理图像样本分类器进行测试，获取所述无人机三维地理图像样本分类测试结果和实地三维地理评价结果；

根据所述无人机三维地理图像样本分类测试结果和实地三维地理评价结果获取多级分形的特征，对无人机三维地理图像样本分类测试结果和实地三维地理评价结果进行分级管理，获取实地三维地理的动态检测结果；

对所述实地三维地理的动态检测结果进行环境检测分析，获取所述实地三维地理的图像处理结果。

2.如权利要求1所述的一种基于分形识别的无人机图像处理方法，其特征在于：

所述训练无人机三维地理图像样本，得到无人机三维地理图像样本分类器，还包括：

获取所述训练无人机三维地理图像样本的原始相位图像，提取其动态特征和颜色特征；

对所述训练无人机三维地理图像样本的原始相位图像的动态特征和颜色特征分别进行归一化处理，得到归一化后的所述原始相位图像的动态特征和颜色特征；

将所述归一化后的所述原始相位图像的动态特征和颜色特征进行融合，构成双相位无人机图像特征；

对所述训练无人机三维地理图像样本的原始相位图像进行手动获取C个双相位正向训练样本和D个两相位负向训练样本，其中0C500,0D1000；

采用得到的所述归一化后的所述原始相位图像的动态特征和颜色特征对C个双相位正向训练样本进行表示，得到双相位正向训练样本特征；

采用得到的所述归一化后的所述原始相位图像的动态特征和颜色特征对所有(C+D)个双相位训练样本进行表示，得到所有双相位训练样本特征；

采用双相位正向训练样本特征和所有双相位训练样本特征构造支撑分类器SVC。

3.如权利要求1所述的一种基于分形识别的无人机图像处理方法，其特征在于：所述获取无人机实地三维地理采样图像，对所述无人机实地三维地理采样图像进行预处理，采用所述无人机三维地理图像样本分类器对所述无人机三维地理图像样本分类器进行测试，获取所述无人机三维地理图像样本分类测试结果和实地三维地理评价结果，还包括：

控制镜头捕获数字图像，将采集的数字图像进行灰度化、去燥及重新设置图像尺寸处理，去除噪声使用高斯滤波和中值滤波；

使用图像清晰度评价算法判断图像的离焦程度，并通过据焦搜索方法找到焦点位置，驱动无人机镜头至最佳成像位置；

采用所述双相位无人机图像特征和所述双相位正向训练样本特征，将所述双相位无人机图像特征和所述双相位正向训练样本特征输入到第一层的小波神经网络中，利用第一层网络隐层和输入层节点的初始权值，输出层和隐层节点的初始权值、小波激活函数的缩放因子和平移因子分别计算第一层网络隐层的输出和输出层的输出；

将所述第一层网络隐层的输出和输出层的输出输入到所述采用双相位正向训练样本特征和所有双相位训练样本特征构造的支撑分类器SVC中，获取最终的无人机图像测试结果；

对所述测试结果进行实地三维地理分析，对实地三维地理进行聚类处理，并获取所述实地三维地理的纹理特征和硬度特征。