基于校正航线特征的无人机非制冷红外图像温差校正方法技术

本发明专利技术公开的基于校正航线特征的无人机非制冷红外图像温差校正方法，属于航空遥感领域。本发明专利技术针对因相机升温、环境温度波动以及地物温度变化等因素造成任务区内图像温度灰度不一致、不可比较的问题，在无人机遥感观测时规划设计1条与各个任务航线相交的校正航线；通过校正航线的短时间内测量与任务航线交叉的同目标地物，构建任务航线的温差校正方程；基于温差校正方程生成每条任务航线的温差校正因子，对航线内的每幅温度图像进行校正；在利用彩色图像的区域网色彩平差模型进行温度灰度的整体均衡化，进而镶嵌合成温度均衡、可比的正射影像图，提高整个任务区域内温度测量的一致性和可比性。本发明专利技术能够保持温度图像原有温度相对关系，避免丢失物理信息。避免丢失物理信息。避免丢失物理信息。

【技术实现步骤摘要】
基于校正航线特征的无人机非制冷红外图像温差校正方法


[0001]本专利技术涉及一种非制冷热红外测温校正方法，尤其涉及针对无人机航空热红外温度遥感测图时航线间的温度校正方法，属于航空遥感领域。

技术介绍

[0002]无人机热红外遥感是当前航空遥感应用的热点方向，在电力巡检、目标搜索、生态环境调查等领域得到广泛应用。由于追求低成本、轻量化的要求，所采用的热红外传感器多为非制冷型热红外相机。这类热红外相机容易受到机身本身温度的变化以及环境温度波动的影响，带来较大的测温误差。无人机热红外遥感一般通过摄影测量外业技术规范进行航拍，以覆盖一个任务区域，进而利用具有航向与旁向重叠的单张热红外图像镶嵌合成一幅覆盖任务区的数字正射影像图。无人机沿航线观测的过程一般持续时间较长，由于地面目标温度随环境和大气条件时刻变化，使得按时序采集的图像之间不具有可比性，无法准确的表达地表同时刻的相对温度关系，也给图像镶嵌带来了困难。
[0003]传统的无人机热红外遥感测图一般只采用符合摄影测量技术规范的任务航线，在图像镶嵌时，采用匀色算法来调整图像之间的灰度差异，从而使合成的正射影像图整体上色彩均衡。这些方法通常有基于图像统计特征的匀色方法和基于数学模型的匀色方法。基于图像统计特征的匀色方法是利用图像重叠区域的图像直方图、灰度梯度、平均值等特征来调整相邻图像的灰度差异。目前，较为常用且行之有效的基于统计学方法的多幅图像匀色算法主要为直方图匹配算法和Wallis滤波算法。基于数学模型的匀色方法针对基于统计学方法的影像间匀色算法的不足，越来越多的学者倾向于在影像重叠区选取样本点，通过线性或非线性模型综合处理测区内的影像。例如：1)根据图像的的重叠区利用多元回归构造映射关系，根据此关系对相邻影像进行色彩校正；2)针对全景影像拼接时亮度与色彩的不均衡问题，对影像亮度通道采用伽马校正，对颜色通道采用线性模型，通过提取影像重叠区的亮度和色彩作为平差变量，整体求解各景影像的校正参数，通过参数校正影像色彩；3)利用Sift匹配提取照片集的同名点，采用非线性模型对相片色彩进行校正；4)国内学者将传统测量平差思想引入影像间的匀色处理中，利用相关系数法在重叠区筛选同名点并统计经筛选后影像重叠区的灰度均值作为平差变量，将线性模型作为平差模型，整体求解各影像的变换系数。以上这些方法大多基于彩色或灰度图像来设计的，忽视了图像中地物本身的辐射物理属性。因此，对于热红外图像，这种方法存在温度失真和误差传导等问题，且对于离基准影像较远的图像容易出现偏色现象；也会因灰度校正造成温度失真。

技术实现思路

[0004]为解决上述
技术介绍
中提出的问题，本专利技术的主要目的是提供一种基于校正航线特征的无人机非制冷红外图像温差校正方法，通过规划1条与每条任务航线相交的校正航线，构建温差校正方程，修正因相机升温、环境温度波动和地物本身温度变化所造成的时序图像温度差异，改进基于区域网平差模型的图像间灰度校正方法，提高整个任务区域内温
度测量的一致性和可比性。
[0005]本专利技术的目的是通过如下技术方案实现的：
[0006]本专利技术公开的基于校正航线特征的无人机非制冷红外图像温差校正方法，针对无人机热红外遥感测图中因相机升温、环境温度波动以及地物温度变化等因素造成任务区内图像温度灰度不一致、不可比较的问题，在无人机遥感观测时规划设计1条与各个任务航线相交的校正航线；通过校正航线的短时间内测量与任务航线交叉的同目标地物，构建任务航线的温差校正方程；基于温差校正方程生成每条任务航线的温差校正因子，对航线内的每幅温度图像进行校正；在利用彩色图像的区域网色彩平差模型进行温度灰度的整体均衡化，进而镶嵌合成温度均衡、可比的正射影像图，提高整个任务区域内温度测量的一致性和可比性。
[0007]本专利技术公开的基于校正航线特征的无人机非制冷红外图像温差校正方法，包括如下步骤：
[0008]步骤一：设计覆盖任务区域的无人机任务航线，并规划1条贯穿每条任务航线的校正航线；
[0009]步骤二：对任务航线与校正航线图像进行特征点提取操作，并通过特征匹配建立任务航线与校正航线图像的同名地物联系。
[0010]步骤三：依据任务航线与校正航线图像的像对和同名点，分别提取对应图像中窗口为5
×
5的像素值，并计算窗口平均值。任务航线中图像i中第j个同名点的窗口像元平均值为校正航线中。
[0011]窗口像元平均值计算式如下：
[0012][0013][0014]计算任务航线与校正航线图像同名点温差：
[0015][0016]其中，每个像对中选取的同名点不少于三个，计算每个像对内同名点温差的平均值，作为像对之间温差的有效值。
[0017][0018]步骤四：以观测时间为变量，构建温度校正方程。考虑到多种因素对图像温度的影响，温度校正方程为多项式方程。
[0019]多项式方程如下：
[0020]ΔT(t)＝a
×
t2+b
×
t+c
………………………………
(5)
[0021]利用步骤三得到的任务航线与校正航线n组像对温差统计数据。
[0022][0023]为了使校正多项式曲线能尽量反映所给数据点的变化趋势，要求偏差按照某种度量标准最小。通过最小二乘法拟合，计算温度校正方程系数a、b、c。
[0024][0025]步骤五：根据步骤四计算得到的校正模型，以无人机热红外相机拍摄图像时的时间为输入变量，计算得到图像的温度校正值ΔT，将此校正值与原始温度图像i(x，y)相加即得到校正温度图像I(x，y)。
[0026]校正温度图像I(x，y)公式为：
[0027]I(x，y)＝i(x，y)+ΔT
………………………………
(8)
[0028]步骤六：采用区域网平差模型进行整个任务区域的温度灰度校正，缩小各影像重叠区之间的温度灰度差，即得到色彩均衡的影像序列。
[0029]使用的灰度变换函数为F，那么影像i和影像j之间存在以下关系：
[0030]F(x
i
)＝F(x
j
)
……………………………………
(9)
[0031]其中，x
i
，x
j
为影像i和影像j位于重叠区同名地物的灰度均值，如若采用二次多项式作为灰度变换函数，式(9)可改写为：
[0032][0033]式中，a，b和c为灰度变换的多项式系数。由于，影像中的地物存在色彩不一致现象，所以两者间存在差值，列出误差方程如式：
[0034][0035]对于测区内的每对具有重叠关系的影像都可列出多个式(10)的误差方程。因此，所求解方程为超定方程组，利用最小二乘求解出参数的最优解，用每景影像的参数对其进行灰度校正，即得到色彩均衡的影像序列。
[0036]有益效果：
[0037]1.本专利技术公开的基于校正航线特征的无人机非制冷红外图像温差校正方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于校正航线特征的无人机非制冷红外图像温差校正方法，其特征在于：包括如下步骤，步骤一：设计覆盖任务区域的无人机任务航线，并规划1条贯穿每条任务航线的校正航线；步骤二：对任务航线与校正航线图像进行特征点提取操作，并通过特征匹配建立任务航线与校正航线图像的同名地物联系；步骤三：依据任务航线与校正航线图像的像对和同名点，分别提取对应图像中窗口为5
×
5的像素值，并计算窗口平均值；任务航线中图像i中第j个同名点的窗口像元平均值为校正航线中；步骤四：以观测时间为变量，构建温度校正方程；考虑到多种因素对图像温度的影响，温度校正方程为多项式方程；利用步骤三得到的任务航线与校正航线n组像对温差统计数据；通过最小二乘法拟合，计算温度校正方程系数a、b、c。步骤五：根据步骤四计算得到的校正模型，以无人机热红外相机拍摄图像时的时间为输入变量，计算得到图像的温度校正值ΔT，将此校正值与原始温度图像i(x,y)相加即得到校正温度图像I(x,y)；步骤六：采用区域网平差模型进行整个任务区域的温度灰度校正，缩小各影像重叠区之间的温度灰度差，即得到色彩均衡的影像序列。2.如权利要求1所述的基于校正航线特征的无人机非制冷红外图像温差校正方法，其特征在于：步骤三中，窗口像元平均值计算式如下：计算式如下：计算任务航线与校正航线图像同名点温差：其中，每个像对中选取的同名点不少于三个，计算每个像对内同名点温差的平均值，作为像对之间温差的有效值；3.如权利要求2所述的基于校正航线特征的无人机非制冷红外图像温差校正方法，其特征在于：步骤四中，多项式方程如...

【专利技术属性】
技术研发人员：秦凡，曹洪涛，王欣然，张海峰，
申请(专利权)人：天津师范大学，
类型：发明
国别省市：