无人机传输图像方法和系统、无人机和接收设备与流程

本发明涉及通信领域，尤其涉及一种无人机传输图像方法和系统、无人机和接收设备。

背景技术：

目前无人机拍摄一般都是通过图像传输设备将拍摄内容传输到地面的设备上，然后观察者可以在地面上查看无人机的拍摄内容，包括视频或图像。通常，由于拍摄无人机拍摄的图像分辨率需求高，直接将无人机图像进行传输对传输压力大；尤其在实时传输时，传输的图像数据会严重的消耗传输网络的带宽，在网络较弱时，无法保证传输质量。

技术实现要素：

本发明的目的是提供一种无人机传输图像方法，能对传输的图像进行分块转换，有效提高传输效率和传输质量。

为实现上述目的，本发明提供了一种无人机传输图像方法，包括：接收来自接收设备发送的连接请求；根据收到的所述连接请求获得所述接收设备的连接地址；

在获得所述接收设备的连接地址后，获取第一图像；

将所述第一图像沿水平线和/或垂直线均匀分块，从而获得若干第二图像；

根据每一所述第二图像一一对应确定相同大小的第三图像，所述第三图像的大小为M行和N列；其中，所述第三图像的确定方法如下:对第二图像进行分块，获得若干图像块，每一所述图像块的大小为k1*k2；k1*k2取正整数，k1小于M且能被M整除，k2小于N且能被N整除；计算每一所述第二图像包括的每一所述图像块的平均灰度值，对于每一所述第二图像用包括的每一所述图像块获得的所述平均灰度值分别代替每一所述图像块原来的灰度值从而得到第三图像；

通过所述连接地址依次将每一所述第三图像的数据发送给所述接收设备；其中，每一所述第三图像的数据包括每一所述第三图像的灰度值；接收设备依次接收到每一所述第三图像的灰度值后，恢复出每一所述第三图像，对恢复出的每一所述第三图像进行非线性变换，得到每一所述第二图像；根据每一所述第二图像拼接所述第一图像。

进一步的，所述连接请求为IP连接请求，所述连接地址为IP地址。

进一步的，所述对恢复出的每一所述第三图像进行非线性变换，得到每一所述第二图像包括：

对每一所述第三图像的基于多层前馈神经网络的非线性映射，得到每一所述第二图像。

进一步的，所述获取第一图像包括：

所述无人机拍摄视频；

获取所述拍摄视频中一视频帧，按照预定噪声去除规则去除所述视频帧中的噪声数据，从而获取所述第一图像。

进一步的，所述无人机传输图像方法在所述通过所述连接地址依次将每一所述第三图像的数据发送给所述接收设备之前还包括步骤：采用无损压缩霍夫曼方法对每一所述第三图像的数据进行无损压缩。

与现有技术相比，本发明通过无人机传输第一图像时，把第一图像先进行分块处理以获取若干第二图像，再将每一第二图像转换为另外一幅同大小的第三图像，其中，第三图像比第二图像更易压缩；然后将第三图像的数据传送至接收设备，以使接收设备根据接收到的第三图像的数据来恢复出第三图像，并由第三图像恢复处第二图像，进而通过第二图像拼接出第一图像。从而实现无人机和接收设备之间的数据量较大的图像传输时，能够有效的将图像进行分块转换和压缩，减少传输网络的压力，能够实现有效的传输，且传输质量高。

相应的，本发明还提供一种无人机，包括：

地址接收模块，用于接收来自接收设备发送的连接请求；根据收到的所述连接请求获得所述接收设备的连接地址；

第一图像获取模块，用于在获得所述接收设备的连接地址后，获取第一图像；其中，所述第一图像为所述无人机拍摄的图像；

第二图像获取模块，用于将所述第一图像沿水平线和/或垂直线均匀分块，从而获得若干第二图像；

第三图像获取模块，用于根据每一所述第二图像一一对应确定相同大小的第三图像，所述第三图像的大小为M行和N列；其中，所述第三图像的确定方法如下:对第三图像进行分块，获得若干图像块，每一所述图像块的大小为k1*k2；k1*k2取正整数，k1小于M且能被M整除，k2小于N且能被N整除；计算每一所述第二图像包括的每一所述图像块的平均灰度值，对于每一所述第二图像用包括的每一所述图像块获得的所述平均灰度值分别代替每一所述图像块原来的灰度值从而得到第三图像；

第三图像数据发送模块，用于通过所述连接地址依次将每一所述第三图像的灰度值发送给所述接收设备，其中，所述接收设备依次接收到每一第三图像的灰度值后，恢复出每一所述第三图像；对恢复出的每一所述第三图像进行非线性变换，得到每一第二图像；根据每一所述第二图像拼接所述第一图像。

进一步的，所述连接请求为IP连接请求，所述连接地址为IP地址。

相应的，本发明提供一种接收设备，包括：

地址发送模块，用于向无人机发送连接请求；其中，所述无人机接收到所述连接请求后，获取所述接收设备的连接地址；

第三图像数据接收模块，用于依次接收到所述无人机发送的每一第三图像的数据后，其中，每一所述第三图像的数据包括每一第三图像的灰度值；

第三图像恢复模块，用于根据每一所述第三图像的灰度值；恢复出每一所述第三图像；

线性变换模块，用于对恢复出的每一所述第三图像进行非线性变换，得到每一第二图像；

拼接模块，用于根据每一所述第二图像拼接所述第一图像。

进一步的，所述线性变换模块，进一步用于对每一所述第三图像的基于多层前馈神经网络的非线性映射，得到每一所述第二图像。

相应的，本发明还提供一种无人机传输图像的系统，包括权利要求上述一种无人机和上述一种接收设备。

附图说明

图1是本发明提供的一种无人机传输图像方法的实施例的流程示意图；

图2是本发明提供的一种无人机的实施例的结构示意图；

图3是本发明提供的一种接收设备的实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中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，本领域普通技术人员在没有作出创造性劳动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。

参见图1，是本发明提供的一种无人机传输图像方法的实施例的流程示意图，本实施例包括步骤：

S1、接收来自接收设备发送的连接请求，根据收到的连接请求获得接收设备的连接地址；

S2、获取第一图像；

S3、将第一图像沿水平线和/或垂直线均匀分块，从而获得若干第二图像；

S4、根据每一第二图像一一对应确定相同大小的第三图像，第三图像的大小为M行和N列；其中，第三图像的确定方法如下:对第二图像进行分块，获得若干图像块，每一图像块的大小为k1*k2；k1*k2取正整数，k1小于M且能被M整除，k2小于N且能被N整除；计算每一第二图像包括的每一图像块的平均灰度值，对于每一第二图像用包括的每一图像块获得的平均灰度值分别代替每一图像块原来的灰度值从而得到第三图像；

S5、通过连接地址依次将每一第三图像的数据发送给接收设备；其中，每一第三图像的数据包括每一所述第三图像的灰度值；接收设备依次接收到每一所述第三图像的灰度值后，恢复出每一所述第三图像，对恢复出的每一所述第三图像进行非线性变换，得到每一所述第二图像；根据每一所述第二图像拼接所述第一图像。

在步骤S3中对第一图像的分块与传统的将图像划分为与其中含有的真实世界的物体或区域有强关联的组成成分不同，步骤S3中对整个图像进行矩形划分；这是基于减少网络传输量，优化系统性能考虑。尤其在运用于实时传输中，本实施例通过无人机向接收设备发送图像数据的过程中，由于相邻的第一图像所包括的第二图像的数据可能部分相同，则相邻几次发送的图像数据中，有大部分图像的信息使相同的，这样就没有必要每次都发送全部的第三图像的信息。步骤S3对第一图像进行矩形规划，如采用9*9的格式，则每一第一图像可获得81个第二图像；在每次根据第二图像确定第三图像和发送第三图像数据前，确定本次的若干第二图像所存在的与上次转化的若干第二图像中相同的第二图像，只对剩余存在不同的第二图像进行确定第三图像以及发送第三图像的数据，可以大大减少传输量。其中，确定本次的若干第二图像所存在的与上次转化的若干第二图像中相同的第二图像的方法可以采用两种方法：一是直接比较法，对两图像数据内存数据按字节进行比较；二是CRC比较法，通过判断两图像的CRC值是否发生变化。

进一步的，连接请求为IP连接请求，连接地址为IP地址。

进一步的，对恢复出的每一第三图像进行非线性变换，得到每一第二图像包括：

对每一第三图像的基于多层前馈神经网络的非线性映射，得到每一第二图像。其中，多层前馈神经网络的网络结构为N4-N5-N6，N4为输入层节点数，N5为中间层节点数，N6为输出层节点数，采用反向传播BP类算法对神经网络进行学习，输入第三图像，可得到一个与目标图像，即第三图像相类似的图像，事先设定第三图像与目标图像之间的峰值信噪比PSNR或最小均方误差MSE，当PSNR或MSE满足时，算法结束，形成一套神经网络权值W3；其中Q为第二图像的比特量化；当输入第三图像时，多层前馈神经网络按照权值W3进行非线性映射，得出映射图像即为第二图像。

进一步的，步骤S2具体包括：

S21、无人机拍摄视频；

S22、获取拍摄视频中一视频帧，按照预定噪声去除规则去除视频帧中的噪声数据，从而获取第一图像。

进一步的，所述无人机传输图像方法在通过连接地址依次将每一第三图像的数据发送给接收设备之前还包括步骤：采用无损压缩霍夫曼方法对每一第三图像的数据进行无损压缩。

无损压缩霍夫曼方法的基本原理是将频繁使用的数据用较短的代码代替，较少适应的代码用较长的代码代替，每个数据的代码各部相同，进过霍夫曼编码压缩后能够有效减少图像字节流大小。

具体实施时，本实施例在通过无人机传输第一图像时，把第一图像先进行分块处理以获取若干第二图像，再将每一第二图像转换为另外一幅同大小的第三图像，第三图像比第二图像更易压缩，然后将第三图像的数据进行压缩后传送至接收设备，以使接收设备根据接收到的第三图像的数据来恢复出第二图像，进而拼接出第一图像。

本实施例在实现无人机和接收设备之间的数据量较大的图像传输时，能够有效的将图像进行分块转换和压缩，减少传输网络的压力，能够实现有效的传输，且传输质量高。

参见图2，图2是本发明提供的一种无人机的实施例的结构示意图，包括：

地址接收模块11，用于接收来自接收设备发送的连接请求；根据收到的连接请求获得接收设备的连接地址；

第一图像获取模块12，用于在获得接收设备的连接地址后，获取第一图像；其中，第一图像为无人机拍摄的图像；

第二图像获取模块13，用于将第一图像沿水平线和/或垂直线均匀分块，从而获得若干第二图像；

第三图像获取模块14，用于根据每一第二图像一一对应确定相同大小的第三图像的大小为M行和N列；其中，第三图像的确定方法如下:对第三图像进行分块，获得若干图像块，每一图像块的大小为k1*k2；k1*k2取正整数，k1小于M且能被M整除，k2小于N且能被N整除；计算每一所述第二图像包括的每一图像块的平均灰度值，对于每一第二图像用包括的每一图像块获得的平均灰度值分别代替每一图像块原来的灰度值从而得到第三图像；

第三图像数据发送模块15，用于通过连接地址依次将每一第三图像的灰度值发送给接收设备；其中，接收设备依次接收到每一第三图像的灰度值后，恢复出每一第三图像；对恢复出的每一第三图像进行非线性变换，得到每一第二图像；根据每一第二图像拼接第一图像。

通过地址接收模块11接收的连接请求为IP连接请求，连接地址为IP地址。

第一图像获取模块12获取第一图像的具体过程为：获取无人机拍摄视频中一视频帧，按照预定噪声去除规则去除视频帧中的噪声数据，从而获取第一图像。

通过第二图像获取模块13对第一图像的分块与传统的将图像划分为与其中含有的真实世界的物体或区域有强关联的组成成分的过程不同，通过第二图像获取模块13对整个图像进行矩形划分，这是基于减少网络传输量，优化系统性能考虑。尤其在运用于实时传输中，本实施例通过无人机向接收设备发送图像数据的过程中，由于相邻的第一图像所包括的第二图像的数据可能部分相同，则相邻几次发送的图像数据中，有大部分图像的信息使相同的，这样就没有必要每次都发送全部的第三图像的信息。对第一图像进行矩形规划，可以采用如9*9的格式，则每一第一图像可获得81个第二图像；在每次根据第二图像确定第三图像和发送第三图像数据前，确定本次的若干第二图像所存在的与上次转化的若干第二图像中相同的第二图像，只对剩余存在不同的第二图像进行确定第三图像以及发送第三图像的数据，可以大大减少传输量。其中，确定本次的若干第二图像所存在的与上次转化的若干第二图像中相同的第二图像的方法可以采用两种方法：一是直接比较法，对两图像数据内存数据按字节进行比较；二是CRC比较法，通过判断两图像的CRC值是否发生变化。

第一图像获取模块12用于获取第一图像的具体过程包括：获取无人机拍摄视频中的一视频帧，按照预定噪声去除规则去除视频帧中的噪声数据，从而获取第一图像。

为更好的减少数据传输量，无人机还可以包括数据压缩模块，具体用于采用无损压缩霍夫曼方法对每一第三图像的数据进行无损压缩，压缩后的第三图像数据用于第三图像数据发送模块发送至接收设备。

无损压缩霍夫曼方法的基本原理是将频繁使用的数据用较短的代码代替，较少适应的代码用较长的代码代替，每个数据的代码各部相同，进过霍夫曼编码压缩后能够有效减少图像字节流大小。

本实施例对应发送的接收设备在对恢复出的每一第三图像进行非线性变换，得到每一第二图像为基于多层前馈神经网络的非线性映射；其中，多层前馈神经网络的网络结构为N4-N5-N6，N4为输入层节点数，N5为中间层节点数，N6为输出层节点数，采用反向传播BP类算法对神经网络进行学习，输入第三图像，可得到一个与目标图像，即第三图像相类似的图像，事先设定第三图像与目标图像之间的峰值信噪比PSNR或最小均方误差MSE，当PSNR或MSE满足时，算法结束，形成一套神经网络权值W3；其中Q为第二图像的比特量化；当输入第三图像时，多层前馈神经网络按照权值W3进行非线性映射，得出映射图像即为第二图像。

具体实施时，本实施例的无人机，把需要传输的第一图像先进行分块处理以获取若干第二图像，再将每一第二图像转换为另外一幅同大小的第三图像，第三图像比第二图像更易压缩，然后将第三图像的数据进行压缩后传送至接收设备，以使接收设备根据接收到的第三图像的数据来获得第二图像，进而拼接出第一图像。

本实施例的无人机设备，能够将需要发送至接收设备的图像，进行分块转换和压缩，减少传输网络的压力，能够实现有效的传输，且传输质量高。

参见图3，图3是本发明提供的一种接收设备的实施例的结构示意图，包括：

地址发送模块21，用于向无人机发送连接请求；其中，无人机接收到连接请求后，获取接收设备的连接地址；

第三图像数据接收模块22，用于依次接收到无人机发送的每一第三图像的数据；其中，每一第三图像的数据包括每一第三图像的灰度值，无人机获取的每一第三图像的灰度值的过程可以参照本发明提供的一种无人机的实施例的说明，此处不做赘述。

第三图像恢复模块23，用于根据每第三图像的灰度值；恢复出每一第三图像；

线性变换模块24，用于对恢复出的每一第三图像进行非线性变换，得到每一第二图像；

拼接模块25，用于根据每一第二图像拼接第一图像。

具体，当本实施例对应接收的来自无人机发送的每一第三图像的数据时，每一第三图像的数据经过压缩的数据时，本实施例的第三图像恢复模块23还用于对接收的每一第三图像的数据进行解压。由于此处为现有技术，不做赘述。

具体，线性变换模块24进一步用于对每一第三图像的基于多层前馈神经网络的非线性映射，得到每一第二图像。其中，多层前馈神经网络的网络结构为N4-N5-N6，N4为输入层节点数，N5为中间层节点数，N6为输出层节点数，采用反向传播BP类算法对神经网络进行学习，输入第三图像，可得到一个与目标图像，即第三图像相类似的图像，事先设定第三图像与目标图像之间的峰值信噪比PSNR或最小均方误差MSE，当PSNR或MSE满足时，算法结束，形成一套神经网络权值W3；其中Q为第二图像的比特量化；当输入第三图像时，多层前馈神经网络按照权值W3进行非线性映射，得出映射图像即为第二图像。

具体实施时，本实施例的接收设备，能够对应配合本发明提供的一种无人机的实施例，接收无人接所传输的第三图像，其中第三图像为第一图像经过一系列的分块转化和压缩所获得的；本实施例的接收设备能够先对第三图像的数据进行解压，根据第三图像的灰度值恢复出第三图像，并对第三图像经非线性变换获得第二图像，并由若干第二图像拼接处第一图像。

本实施例的接收设备，能够配合本发明所提供的无人机的实施例的使用，将接收来自于无人机传输的图像进行解压恢复和拼接，从而在有限的带宽网络条件下，使得用户能够在地面有效接收并查看到质量高的图像。

本发明提供一种无人机传输图像系统的实施例，包括本发明提供的一种无人机的实施例和本发明提供的一种接收设备的实施例；具体内容可以分别参照上述本发明提供的一种无人机的实施例和本发明提供的一种接收设备的实施例的说明，此处不做赘述。

具体实施时，在本实施例的无人机传输图像系统中，通过无人机在传输图像时，把第一图像先进行分块处理以获取若干第二图像，再将每一第二图像转换为另外一幅同大小的第三图像，第三图像比第二图像更易压缩，然后将第三图像的数据进行压缩后传送至接收设备，之后通过接收设备根据第三图像的灰度值恢复出第三图像，并对第三图像经非线性变换获得第二图像，进而由若干第二图像拼接出第一图像。

本实施例的无人机传输图像系统，能够将需要传输的图像，进行分块转换和压缩，减少传输网络的压力，能够实现有效的传输，然后通过接收设备有接收的图像数据经过一系列处理来获得原始图像，获得高质量图像。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。