面向灾害应急响应的无人机影像快速处理技术研究

摘要

我国是一个地质灾害频繁的国家。发生地质灾害后，快速获取灾后地区影像是灾害监测及救援关键。地质灾害应急监测成像具有区域范围小、时间紧、分辨率高的特点，常规的遥感卫星和航空遥感手段无法满足。无人机低空遥感系统为这种小范围、危险区域遥感监测任务的特殊需求提供了新的技术途径。无人机飞行姿态稳定性差，成像系统受到相对运动、机械振动、光照和大气湍流效应等影响，导致影像畸变大、影像质量差、航带的排列不整齐和拼接累积误差大等问题。
　　本文面向地质灾害应急响应快速处理灾区高精度影像存在的问题展开了一系列的关键技术研究和仿真实验。
　　首先，针对海量无人机影像人工筛选流程存在的问题，研究高效的影像质量客观评价模型应用到自动筛选无人机影像。综合分析了现有的NR-IQA方法，主要有针对特定失真类型的方法和需要样本采集基于机器学习的方法。本文利用视觉相关特征信息，提出一种基于单演信号的相位一致性结构特征的NR-IQA方法。该方法结合结构特征对应的一阶和二阶Riesz变换系数，不需要训练学习样本。在LIVE和TID2008图像数据测试库上验证模型评价效果，从整体上和分失真类型分别测试，算法评价结果与主观评价都具有较好的一致性。
　　其次，分析了无人机影像在航拍实时传输过程中以及传感器本身拍摄影像时遭受噪声的干扰，引起影像退化原因。论文阐述了经典的空间域去噪方法，并分析了这些方法存在细节结构保持与平滑难以平衡的问题。NLM是一种新兴的性能优良去噪方法，但时间复杂度高。针对NLM效率问题提出一种选择性计算的改良优化方法。该方法基于L2范数的逐次消元法和图像积分图降低计算强度，并根据图像空间相关性提出一种基于Patch测地线距离寻找同质信息的自适应调整搜索窗口。实验表明，选择性计算的NLM既较好地降低运行时间又提升去噪效果。
　　第三，地质灾害伴随着恶劣天气的发生，不良天气极大地影响无人机影像质量。对雾天的无人机降质影像进行去雾清晰化研究是面向灾害应急响应无人机影像快速处理的重要环节。本文分析了雾图成像的物理模型，介绍了基于大气散射模型的去雾算法，然后以暗通道统计先验为基础，根据影像纹理和边缘结构自适应权重的引导滤波法，提出一种新的透射率细化的方法。实验表明，该方法对于薄雾影像处理质量基本可以达到晴天效果，对于浓雾的近景影像场景得到增强并不会出现人工光晕现象，可以较好地满足航拍实时和处理效果应用的需要。
　　第四，在自然灾害快速应急响应任务中，实时、鲁棒、误差小的拼接算法是无人机影像处理平台研究重点。本文分析了影像拼接现状和存在的不足，选用了特征检测效率高以及匹配快速的二进制描述符为特征信息。结合NNDR和RANSAC为影像配准提供精确稳定的控制点，以高效的汉明距离匹配二进制描述符完成自动配准步骤，根据影像亮度和色度完成颜色补偿，基于引导滤波的渐入渐出融合法拼接影像并消除拼接线。
　　最后，利用快速处理的序列影像构成的全景图对飓风灾害房屋损坏识别的应急评估受灾情况的应用研究。根据影像中房屋纹理和颜色特征利用灰度共生矩阵分割出房屋区域，形态学腐蚀操作填充提高识别精度。经实验与人工解译比较，算法识别精度较好，达到了灾害破坏房屋损毁应急评估的快速响应。
　　本文研究成果与创新点如下:
　　1、针对海量无人机影像人工筛选流程存在的问题，利用视觉相关特征信息，提出一种基于单演信号的相位一致性结构特征的无参考影像质量评价方法。
　　2、针对非均值去噪效率问题，提出一种选择性计算的优化方法，并应用到无人机影像去噪。该方法基于L2范数的逐次消元法和图像积分图降低计算强度，并根据图像空间相关性提出一种基于Patch测地线距离寻找同质信息的自适应调整搜索窗口。
　　3、针对无人机有雾影像清晰化研究，提出一种基于影像纹理和边缘结构自适应权重的引导滤波大气透射率细化方法，提高无人机影像清晰化效果，减少块效应和光圈效应。
　　4、提出一种多尺度快速定向二进制简单描述符特征描述方法。该方法采用定向二进制简单描述符代替高维数的SIFT特征提取算法作为拼接流程的特征提取算法，利用改进的渐入渐出融合法应用在无人机影像拼接中。
　　5、本文研究成果在飓风灾害房屋损毁识别的应急评估中的应用。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．1．1 问题提出

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 国外研究进展

1．2．2 国内研究现状

1．3 论文研究主要内容及主要贡献

1．3．1 研究内容

1．3．2 论文组织结构

第2章 无人机影像质量评价模型研究

2．1 无人机影像质量评价基础

2．1．1 无人机影像质量客观评价的重要性

2．1．2 无人机影像失真类型

2．1．3 图像客观质量评价分类

2．2 现有的无参考图像质量评价方法

2．2．1 模糊和噪声失真的NR-IQA方法

2．2．2 基于机器学习的MR-IQA方法

2．3 视觉结构特征的NR-IQA模型

2．3．1 单演信号理论

2．3．2 视觉感知特征提取

2．3．3 基于单演相位一致性特征的图像质量评价方法

2．3．4 实验比较与分析

本章小结

第3章 基于快速NLM的无人机影像去噪研究

3．1 无人机影像噪声模型

3．1．1 影像退化模型与噪声特性

3．1．2 图像质量评价标准

3．2 经典的空间域图像滤波去嗓理论

3．3 基于选择性计算的快速NLM去噪优化

3．3．1 NLM去噪算法理论与研究现状

3．3．2 基于逐次消元法的加速策略

3．3．3 图像积分图计算

3．3．4 自适应搜索区域

3．3．5 实验结果与分析

本章小结

第4章 无人机有雾影像清晰化研究

4．1 有雾影像清晰化研究现状

4．2 雾图原理与雾图清晰化算法

4．2．1 雾图成像的物理模型

4．2．2 基于大气散射模型的去雾清晰化算法

4．3 基于自适应引导滤波的图像清晰化方法

4．3．1 大气透射率优化

4．3．2 自适应权重的引导滤波

4．3．3 自适应引导滤波的单幅图像清晰化研究

4．4 实验比较与分析

4．4．1 效果对比与分析

4．4．2 运算速度对比

本章小结

第5章 快速的无人机影像自动拼接研究

5．1 影像拼接原理与现状

5．1．1 无人机影像拼接原理

5．1．2 影像拼接现状与存在的问题

5．2 无人机序列影像匹配

5．2．1 图像局部不变性特征描述

5．2．2 多尺度的ORB及加速策略

5．2．3 特征匹配

5．2．4 变换矩阵的参数估计

5．3 无缝图像融合

5．3．1 光照补偿

5．3．2 基于引导滤波加权平均影像融合

5．4 实验结果与分析

本章小结

第6章 无人机影像在房屋损毁应急评估中的应用

6．1 房屋损毁应怎评估方案

6．1．1 数据源采集

6．1．2 基于无人机影像的灾情监测流程

6．2 灾区房屋信息识别

6．2．1 房屋特征分析

6．2．2 基于纹理特征的灾区房屋分割

6．3 房屋损毁信息统计与评价

本章小结

第7章 结束语与展望

7．1 全文总结

7．2 研究展望

致谢

参考文献

攻读学位期间取得学术成果