一种基于影像统计特征的数字航空影像变形自动检查方法
【专利摘要】本发明公开了一种基于影像统计特征的数字航空影像变形自动检查方法；由于波浪形特征扭曲变形影像具有规律性同方向的像素位移，因此在几何纠正处理后的影像中会出现大量相同方向的波形特征曲线影像扭曲。本发明的方法依据数字航空影像这一特点，通过计算影像轮廓线的曲率极值点定位波形曲线在影像中的位置，并统计影像中波形曲线开口对应方向的分布情况自动判断影像是否存在具有波浪形特征扭曲变形。采用本发明方法，能够有效地检查数字航空影像中因IMU数据精度不够引起的变形问题，具有较高的准确率和可靠性。
【专利说明】一种基于影像统计特征的数字航空影像变形自动检查方法
【技术领域】
[0001]本发明属于数字航空影像质量检查领域，具体涉及一种基于影像统计特征的数字航空影像变形自动检查方法。
【背景技术】
[0002]POS (GPS/MU)数据辅助航空摄影测量技术随着技术进步和应用实践日益成熟，并逐步应用到航空遥感的各个领域。POS数据辅助航空摄影测量技术通过使用POS数据对影像进行几何纠正。当IMU数据精度不够时，影像纠正人员通常通过对IMU数据进行线性插值以满足几何纠正的需求，而MU数据的插值误差值会使得几何纠正后的影像出现范围性的同方向影像像素位移。而这种变形现象会严重影响到数字航空影像的几何精度，进而影响影像的正常使用。在实际应用中，通常需要在没有POS数据的情况下对数字航空影像进行变形检测。对于因为MU数据精度不够引起的影像变形，通常通过采用计算数字航空影像的清晰度来检测影像中是否存在变形现象。但一般只有影像中存在特别强烈的变形现象，影像的清晰度才会出现明显的下降，而常见的扭曲现象并不会明显地影响到影像的清晰度，同时影像本身的质量也会影响到影像的清晰度评价，因此通过计算数字航空影像的清晰度，来检测影像中是否存在因IMU数据精度不够引起的变形现象效果不佳。而目前国内外也没有相关文献提出有效方法检测数字航空影像中是否存在因IMU数据精度不够引起的变形现象。
【发明内容】
[0003]为弥补现有检查方法的不足，本发明提出一种基于影像统计特征的数字航空影像变形自动检查方法。
[0004]本发明所采用的技术方案是:一种基于影像统计特征的数字航空影像变形自动检查方法，其特征在于，包括以下步骤:
[0005]步骤1:获取数字航空影像的轮廓线，其具体实现包括以下子步骤:
[0006]步骤1.1:对数字航空影像进行边缘检测，得到影像边缘；
[0007]步骤1.2:在获得影像边缘之后，进行轮廓跟踪，得到影像轮廓，将影像轮廓数据储存为链表形式，以方便影像中波形曲线的查找；
[0008]步骤1.3:对提取得到的影像轮廓，使用光滑可导的曲线函数来进行曲线拟合；
[0009]步骤2:寻找并判断波形曲线，其具体实现包括过程为:通过计算数字航空影像各个轮廓曲线中的曲率极值点，来确定影像中可能的波形曲线的位置，再通过对各个曲率极值点及其周围点的位置关系，来判断该曲率极值点及其周围点是否构成波形曲线；
[0010]步骤3:统计波形曲线开口对应方向的分布情况，判断影像是否存在扭曲变形。
[0011]作为优选，步骤1.1所述的对数字航空影像进行边缘检测，其具体实现包括以下子步骤:
[0012]步骤1.1.1:使用指定标准偏差σ的高斯滤波器对影像进行平滑；[0013]步骤1.1.2:在影像每一像素点处，用一阶偏导的有限差分来计算梯度的幅值和方向；
[0014]步骤1.1.3:根据梯度方向分区，寻找同一分区内梯度强度的局部极大值点，并且设置非局部极大值点为零，使得图像边缘得到细化；
[0015]步骤1.1.4:使用阈值Tl和T2对影像像素作阈值判断，其中T1〈T2，灰度值大于T2的像素称为强边缘像素，Tl和Τ2之间的像素称为弱边缘像素；
[0016]步骤1.1.5:将与强边缘像素8邻域连接的弱边缘像素作为强边缘像素，根据是否为强边缘像素对影像进行二值化，得到影像边缘。
[0017]作为优选，其特征在于:步骤1.2所述的轮廓跟踪，其具体实现包括以下子步骤:
[0018]步骤1.2.1:按照从左到右、从下到上的探测准则顺序搜索经过边缘检测后的影像的所有像素点，找到最左下的边缘的边界点并将其作为起始点；
[0019]步骤1.2.2:从第一个边界点开始，定义初始的搜索方向为沿左上方；如果左上方的点是黑点，则为边界点，否则顺时针旋转45°，这样一直找到第一个黑点为止；
[0020]步骤1.2.3:将第一个黑点作为新的边界点，在当前搜索方向的基础上逆时针旋转90。，继续用同样的方法搜索下一个黑点，直到返回最初的边界点或找不到点；
[0021]步骤1.2.4:将已跟踪获得的轮廓存入链表中，并标注为已跟踪；
[0022]步骤1.2.5:重复第一步，直至影像没有未标注的轮廓。
[0023]作为优选，步骤1.3所述的曲线拟合，其具体实现包括过程为:设η为当前影像轮廓中含有 的像素点个数，通过使用三次样条函数拟合法构建形式参数t(t = O, 1，2…η-1)与当前影像轮廓所形成的平面曲线的函数关系式:
[0024]c (t) = (X (t)，y ⑴)
[0025]其中x(t)为平面曲线的横坐标与参数t的函数关系，y(t)为平面曲线的纵坐标与参数t的函数关系。
[0026]作为优选，步骤2所述的计算数字航空影像各个轮廓曲线中的曲率极值点，其具体实现包括以下子步骤:
[0027]步骤2.1:计算轮廓曲线的曲率K (t)；
[0028]
【权利要求】
1.一种基于影像统计特征的数字航空影像变形自动检查方法，其特征在于，包括以下步骤: 步骤1:获取数字航空影像的轮廓线，其具体实现包括以下子步骤: 步骤1.1:对数字航空影像进行边缘检测，得到影像边缘； 步骤1.2:在获得影像边缘之后，进行轮廓跟踪，得到影像轮廓，将影像轮廓数据储存为链表形式，以方便影像中波形曲线的查找； 步骤1.3:对提取得到的影像轮廓，使用光滑可导的曲线函数来进行曲线拟合； 步骤2:寻找并判断波形曲线，其具体实现包括过程为:通过计算数字航空影像各个轮廓曲线中的曲率极值点，来确定影像中可能的波形曲线的位置，再通过对各个曲率极值点及其周围点的位置关系，来判断该曲率极值点及其周围点是否构成波形曲线； 步骤3:统计波形曲线开口对应方向的分布情况，判断影像是否存在扭曲变形。
2.根据权利要求1所述的基于影像统计特征的数字航空影像变形自动检查方法，其特征在于:步骤1.1所述的对数字航空影像进行边缘检测，其具体实现包括以下子步骤: 步骤1.1.1:使用指定标准偏差σ的高斯滤波器对影像进行平滑； 步骤1.1.2:在影像每一像素点处，用一阶偏导的有限差分来计算梯度的幅值和方向；步骤1.1.3:根据梯度方向分区，寻找同一分区内梯度强度的局部极大值点，并且设置非局部极大值点为零，使得图像边缘得到细化； 步骤1.1.4:使用阈值Tl和Τ2对影像像素作阈值判断，其中Τ1〈Τ2，灰度值大于Τ2的像素称为强边缘像素，Tl和Τ2之间的像素称为弱边缘像素； 步骤1.1.5:将与强边缘像素8邻域连接的弱边缘像素作为强边缘像素，根据是否为强边缘像素对影像进行二值化，得到影像边缘。
3.根据权利要求1所述的基于影像统计特征的数字航空影像变形自动检查方法，其特征在于: 步骤1.2所述的轮廓跟踪，其具体实现包括以下子步骤: 步骤1.2.1:按照从左到右、从下到上的探测准则顺序搜索经过边缘检测后的影像的所有像素点，找到最左下的边缘的边界点并将其作为起始点； 步骤1.2.2:从第一个边界点开始，定义初始的搜索方向为沿左上方；如果左上方的点是黑点，则为边界点，否则顺时针旋转45°，这样一直找到第一个黑点为止； 步骤1.2.3:将第一个黑点作为新的边界点，在当前搜索方向的基础上逆时针旋转90°，继续用同样的方法搜索下一个黑点，直到返回最初的边界点或找不到点； 步骤1.2.4:将已跟踪获得的轮廓存入链表中，并标注为已跟踪； 步骤1.2.5:重复第一步，直至影像没有未标注的轮廓。
4.根据权利要求1所述的基于影像统计特征的数字航空影像变形自动检查方法，其特征在于:步骤1.3所述的曲线拟合，其具体实现包括过程为:设η为当前影像轮廓中含有的像素点个数，通过使用三次样条函数拟合法构建形式参数t(t = O, 1，2…n-1)与当前影像轮廓所形成的平面曲线的函数关系式:
c(t) = (x(t), y (t)) 其中x(t)为平面曲线的横坐标与参数t的函数关系，y(t)为平面曲线的纵坐标与参数t的函数关系。
5.根据权利要求1所述的基于影像统计特征的数字航空影像变形自动检查方法，其特征在于:步骤2所述的计算数字航空影像各个轮廓曲线中的曲率极值点，其具体实现包括以下子步骤: 步骤2.1:计算轮廓曲线的曲率K(t)；
6.根据权利要求1所述的基于影像统计特征的数字航空影像变形自动检查方法，其特征在于:步骤3所述的统计波形曲线开口对应方向的分布情况，判断影像是否存在扭曲变形；其具体实现包括以下子步骤: 步骤3.1:计算波形曲线顶点的法线方向，其具体实现包括以下子步骤: 步骤3.1.1:根据波形曲线参数方程，计算波形曲线顶点的法线方向的弧度rad:
【文档编号】G06T7/00GK104008556SQ201410272403
【公开日】2014年8月27日 申请日期:2014年6月18日 优先权日:2014年6月18日
【发明者】易尧华, 苏海, 袁媛, 苗敏婧 申请人:武汉大学