[发明专利]一种无人机巡检图像边界特征精准定位方法

权利要求书

1.一种无人机巡检图像边界特征精准定位方法，其特征在于，包括如下步骤：

步骤一.用于获取待测目标原始图像并进行预处理的步骤包括步骤1.1；

1.1原始图像获取和初步处理；具体是指，获取待分析的无人机巡检图像，剔除不清晰以及图像要素过渡模糊，识别难度过高的劣质图像；

步骤二.基于图像像素梯度对原始图像进行滤波处理的步骤，

包括步骤2.1～2.2；

2.1图像像素梯度计算；具体是指：根据原始图像的像素尺寸，建立a×a像素大小的像素梯度截取框以限制运算量；基于前述梯度框对原始图像进行像素梯度截取，分别计算每个梯度框在正交坐标系xoy内的像素梯度幅值T_x,y；

其中t_x(x,y)为正交坐标系中坐标为(x,y)的梯度框的X向像素梯度值；t_y(x,y)为正交坐标系中坐标为(x,y)的梯度框的y向像素梯度值；T(x,y)为正交坐标系中坐标为(x,y)的梯度框的像素梯度幅值；为正交坐标系中坐标为(x,y)的梯度框的像素值，i_a×a为梯度框内所有像素点的像素值之和；

2.2基于图像像素梯度幅值的分级平滑处理；具体是指：根据像素梯度幅值T_x,y计算结果，依次对所有梯度框的像素梯度幅值进行排序，根据最大像素梯度幅值确定像素梯度幅值截取区间，在每个像素梯度幅值截取区间内按照由高到低的顺序截取梯度框进行保留

步骤三.基于幅值截取区间的边界生成

包括步骤3.1～3.2；

3.1基于像素梯度幅值的中间幅值梯度框筛选；具体是指：基于幅值截取区间内所有梯度框的像素梯度幅值，确定每个幅值截取区间内梯度框的平均梯度幅值，从每个幅值截取区内定位对应的梯度框作为中心梯度框；

3.2基于中心梯度框的边界定位，

包括步骤①～⑤；

①定位图像中的所有梯度框，计算梯度框的水平角α；

②以中心梯度框为基础建立若干边界区，定义边界区的水平角为α_r为边界区内第r个梯度框的水平角；其中，初始边界区仅包含一个中心梯度框，初始边界区的水平角为该中心梯度框的水平角；

③定位与边界区j相邻且非中心梯度框的梯度框k，计算梯度框k的水平角α_k与边界区j的水平角的方向差根据待测对象的实际边界特点，指定方向差阈值Δα_max；

若Δα_j,k≤Δα_max则将梯度框k划分至边界区j，否则不予处理；

若梯度框k具有多个相邻的边界区，则依据方向差最小的进行划分；

④每更新一次边界区后，重新计算所有边界区的水平角，并重复步骤3)直至所有可划分的梯度框已经被划分，删除剩余未被划分至边界区的梯度框；

⑤整理所有边界区，清理边界区边缘明显脱离边界区核心范围的异常区域，得到最终边界。

2.根据权利要求1所述的一种无人机巡检图像边界特征精准定位方法，其特征在于，所述步骤一还包括用于对图像进行降噪处理以及尺度标准化操作的步骤1.2；

1.2原始图像的预处理；具体包括：

图像缩放去锯齿缩放：缩小原图像的尺寸以抑制图像中锯齿现象；

高斯滤波平滑处理：利用高斯函数对图像进行滤波处理，处理后执行高斯降采样；

图像尺度统一：获取所有的图像，在保持原有高宽比的同时将所有矩形供电区图像调节为统一的像素高度或者宽度。

3.根据权利要求1所述的一种无人机巡检图像边界特征精准定位方法，其特征在于，所述正交坐标系xoy是指以图像的高为纵坐标，图像的宽为横坐标，图像左下角为坐标原点建立的坐标系，坐标系中每单位尺寸为a像素。

4.根据权利要求1所述的一种无人机巡检图像边界特征精准定位方法，其特征在于，所述步骤2.2具体是指：

根据原始图像内所有梯度框的像素梯度幅值计算结果进行排序，确定最大像素梯度幅值T_max，并基于最大像素梯度幅值T_max确定n个幅值截取区间：

将所有梯度框按照排序顺序填入幅值截取区间内；在每个幅值截取区间内按照同样的比例按照从高到低的顺序选取梯度框予以保留，将剩余的梯度框予以删除，根据结果更新原始图像。