本发明属于机场异物检测领域,特别是涉及一种用于机场跑道的图像清晰度评价方法。
背景技术:
机场异物探测系统(fod)通常采用云台摄像机对机场跑道进行监控。由于现有的图像清晰度评价模型主要针对与摄像机成像平面平行的目标场景的图像清晰度判断,因此,将现有的图像清晰度评价模型用于机场跑道的成像清晰度判断时存在准确度不高的问题。此外,由于机场跑道上经常有飞机起落,现有的清晰度评价方法也容易受到干扰。
技术实现要素:
本发明的目的在于克服现有技术的不足,提供一种用于机场跑道的图像清晰度评价方法,利用云台摄像机的角度对跑道图像的每个点的位置进行校正,提高清晰度判断的准确度。
本发明的目的是通过以下技术方案来实现的:用于机场跑道的图像清晰度评价方法,包括:
获取云台摄像机当前采集的跑道图像;
获取云台摄像机当前的方位俯仰角;
利用云台摄像机当前的方位俯仰角对跑道图像进行形变校正,使跑道图像投影到与光轴垂直的平面上;
计算校正后的跑道图像的全局清晰度。
优选的,用于机场跑道的图像清晰度评价方法,在计算校正后的跑道图像的全局清晰度前还包括:
分别计算校正后的跑道图像中各点的单点图像清晰度。
优选的,用于机场跑道的图像清晰度评价方法,在计算校正后的跑道图像的全局清晰度前还包括:
检测校正后的跑道图像中的运动区域。
优选的,对跑道图像进行形变校正包括:
计算跑道图像梯形形变的变化因子
其中,
计算校正后的跑道图像中各点的坐标:对于校正后的跑道图像中任意一点
其中,
优选的,跑道图像中各点的单点图像清晰度的计算公式为:
其中,
优选的,检测校正后的跑道图像中的运动区域包括:
通过图像帧间差分方法检测出校正后的跑道图像中的运动区域
其中,
优选的,检测校正后的跑道图像中的运动区域还包括:对运动区域
优选的,校正后的跑道图像的全局清晰度的计算公式为:
其中,
本发明的有益效果是:
(1)本发明利用云台摄像机的方位角对采集的跑道图像在清晰度函数中的权值映射的方法,使得机场跑道平面的清晰度判断不受物距变化的影响,提高了清晰度判断的准确性;
(2)本发明采用基于图像局部特征与全局特征融合的清晰度判断方法,具有良好的适应性和稳定性;
(3)本发明采用运动目标检测算法将运动目标的干扰区域去除,降低了跑道上起降的飞机对图像清晰度计算的干扰。
附图说明
图1为用于机场跑道的图像清晰度评价方法的一种流程示意图。
具体实施方式
下面将结合实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,本发明提供一种用于机场跑道的图像清晰度评价方法:
用于机场跑道的图像清晰度评价方法,包括:
s1.获取云台摄像机当前采集的跑道图像。
s2.获取云台摄像机当前的方位俯仰角。
s3.利用云台摄像机当前的方位俯仰角对跑道图像进行形变校正,使跑道图像投影到与光轴垂直的平面上。
通过对跑道图像进行校正,消除了因摄像机位置与跑道平面直角不垂直导致成像画面出现形变的问题,提高了机场跑道的清晰度评价的准确性。
云台摄像机采集的图像的形变主要表现为梯形形变,对跑道图像进行形变校正包括:
s31.计算跑道图像梯形形变的变化因子
其中,
s32.计算校正后的跑道图像中各点的坐标:对于校正后的跑道图像中任意一点
其中,
s4.分别计算校正后的跑道图像中各点的单点图像清晰度。
跑道图像中各点的单点图像清晰度的计算公式为:
其中,
s5.检测校正后的跑道图像中的运动区域。
通过检测跑道图像中的运动区域,将运动目标的干扰区域去除,可消除机场跑道上飞机起落给图像清晰度计算带来的干扰。
检测校正后的跑道图像中的运动区域包括:
通过图像帧间差分方法检测出校正后的跑道图像中的运动区域
其中,
运动区域
在一些实施例,先检测校正后的跑道图像中的运动区域,再分别计算校正后的跑道图像中各点的单点图像清晰度。在一些实施例中,检测校正后的跑道图像中的运动区域和分别计算校正后的跑道图像中各点的单点图像清晰度同时进行。
s6.计算校正后的跑道图像的全局清晰度。
校正后的跑道图像的全局清晰度的计算公式为:
其中,
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。