[发明专利]无人机建筑航拍图神经网络自动校色方法

说明书

本发明公开了一种无人机建筑航拍图神经网络自动校色方法。该方法包括：使用无人机多次拍摄建筑物及标准色环得到待校色图像集，并对图像进行光照补偿处理；使用DETR神经网络对待校色图像集中的图像作图像分割处理，分割出建筑物区域，并通过降采样算法和聚类算法提取建筑物主色调；识别待校色图像中标准色环的轮廓，并提取标准色环上与建筑物主色调对应的色彩真值；训练阶段将建筑物主色调作为训练数据，对应的标准色环色彩真值作为训练标签，制作校色数据集，训练并得到卷积校色神经网络模型；推理阶段对待校色图像进行光照补偿，使用DETR神经网络分割出建筑物区域，使用卷积校色神经网络模型对建筑物区域进行校色，得到校色后的无人机建筑航拍图。

技术领域

本发明涉及无人机对建筑物的镜头成像的色彩校正领域，是针对无人机在不同光照、环境下拍摄的建筑物照片，进行色彩还原和矫正的方法。

背景技术

因无人机具有高空拍摄、操作简单、价格实惠、携带方便等特点，已成为城市规划、建筑设计、景观设计等行业的重要测绘工具。通过无人机，设计师能够准确掌握并获取城市的地形、地貌、建筑等三维数据，方便后续的现状分析和方案设计。

在城市建筑色彩设计领域，除了需要获取城市建筑的三维数据外，还需要得到城市建筑的色彩数据。在城市尺度下，无人机的大规模、大批量拍摄模式，可让数据采集的效率大大提高。然而，无人机因飞行高度、天气情况、成像模式等因素，使得镜头拍摄的色彩与实际物体的色彩，存在较大差值。对于需要精准色彩数值的城市建筑色彩专业来说，当下的无人机获得的色彩数据，还无法被采用。

所以，如何对无人机拍摄的建筑照片进行色彩校正，在各种天气、环境下飞行，都能获取准确、可靠的色彩数据，是当下需要解决的重要问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种无人机建筑航拍图神经网络自动校色方法。通过设计由光线补偿、图像分割、色彩真值自动提取、卷积校色神经网络组成的校色算法，在减少环境光线变化带来的噪声的同时，可以自动、批量化地提取建筑物主色调和其对应的标准色环真值，并组建校色数据集训练卷积校色神经网络模型，从而实现高鲁棒、高效率、高精度的无人机建筑航拍图校色。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面，提供了一种无人机建筑航拍图神经网络自动校色方法，包括以下五个步骤：

步骤一：使用无人机多次拍摄建筑物及标准色环得到待校色图像集，对待校色图像集中的图像进行光照补偿处理；

步骤二：使用基于Transformer的DETR神经网络对待校色图像集中光照补偿后的图像作图像分割处理，分割出建筑物区域，并通过降采样算法和聚类算法提取建筑物主色调；

步骤三：使用霍夫变换算法识别待校色图像集中光照补偿后的图像的标准色环轮廓，提取标准色环上与建筑物主色调对应的色彩真值；

步骤四：训练阶段将所有待校色图像集中光照补偿后的图像的建筑物主色调与其对应的标准色环色彩真值制作成校色数据集，建筑物主色调作为训练数据，与之对应的标准色环色彩真值作为训练标签，以此训练卷积校色神经网络模型；

步骤五：推理阶段对待校色图像进行光照补偿处理，使用DETR神经网络分割出待校色图像中的建筑物区域，使用训练好的卷积校色神经网络模型对建筑物区域进行校色，得到校色后的无人机建筑航拍图。

针对步骤一中的航拍操作与光照补偿，将标准色环摆放至与建筑物同一视场的位置，并操作无人机多次拍摄不同建筑物与标准色环的不同方位的航拍合照，再进行如下光照补偿处理：