本發(fā)明涉及遙感技術(shù)與地理信息系統(tǒng)，尤其涉及一種基于多源數(shù)據(jù)融合的無人機遙感圖像增強系統(tǒng)的實現(xiàn)方法。

背景技術(shù)：

1、在現(xiàn)代測繪和地理信息系統(tǒng)領(lǐng)域，無人機遙感技術(shù)已經(jīng)成為重要的工具和手段。隨著無人機技術(shù)的發(fā)展，無人機遙感技術(shù)在環(huán)境監(jiān)測、農(nóng)業(yè)、城市規(guī)劃和災(zāi)害管理等多個領(lǐng)域的應(yīng)用日益廣泛。無人機遙感技術(shù)能夠快速、低成本地獲取高分辨率的地理信息數(shù)據(jù)，促進資源整合、提升測繪精度、推動技術(shù)創(chuàng)新。然而，無人機遙感技術(shù)在應(yīng)用過程中也面臨諸多挑戰(zhàn)，特別是在數(shù)據(jù)處理和融合方面。傳統(tǒng)的無人機遙感數(shù)據(jù)處理主要包括數(shù)據(jù)采集、預(yù)處理、圖像增強、特征提取和三維地形建模。盡管現(xiàn)有的技術(shù)方法在一定程度上提升了遙感數(shù)據(jù)的質(zhì)量和精度，但仍存在諸多缺陷和挑戰(zhàn)，具體表現(xiàn)在以下幾個方面：

2、第一是多傳感器數(shù)據(jù)融合不夠完善，現(xiàn)有技術(shù)通常依賴單一傳感器獲取數(shù)據(jù)，這限制了數(shù)據(jù)的完整性和精度。光學(xué)傳感器、熱成像傳感器和lidar傳感器各有優(yōu)勢，但如何有效融合這些傳感器的數(shù)據(jù)，充分利用不同傳感器的優(yōu)勢，提高復(fù)雜地形區(qū)域的測繪精度，仍是一個技術(shù)難題。

3、第二是圖像處理算法有待優(yōu)化，傳統(tǒng)的圖像處理算法在處理復(fù)雜環(huán)境下的遙感數(shù)據(jù)時，效果往往不理想。例如，在光照條件變化較大的情況下，直方圖均衡和對比度拉伸等算法難以穩(wěn)定地提升圖像質(zhì)量。此外，邊緣檢測算法在處理噪聲較大的圖像時，容易產(chǎn)生誤檢或漏檢。

4、第三是維地形建模精度不足，現(xiàn)有的三維地形建模技術(shù)在處理復(fù)雜地形時，精度往往不足。特別是在生成數(shù)字高程模型和數(shù)字地形圖時，如何結(jié)合增強圖像和lidar數(shù)據(jù)，實現(xiàn)高精度的三維建模，是一個亟待解決的問題。

5、第四是gis數(shù)據(jù)集成與應(yīng)用有限，高精度地形數(shù)據(jù)如何高效地集成到gis中，并在各種應(yīng)用場景中充分發(fā)揮其價值，仍是一個挑戰(zhàn)?，F(xiàn)有技術(shù)在數(shù)據(jù)集成和應(yīng)用方面，存在效率低、精度不足等問題，難以滿足環(huán)境監(jiān)測、城市規(guī)劃和災(zāi)害評估等實際需求。

6、因此，提供一種基于多源數(shù)據(jù)融合的無人機遙感圖像增強系統(tǒng)的實現(xiàn)方法是本領(lǐng)域技術(shù)人員亟需解決的問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的一個目的是提出一種基于多源數(shù)據(jù)融合的無人機遙感圖像增強系統(tǒng)的實現(xiàn)方法。本發(fā)明通過無人機搭載光學(xué)傳感器和熱成像傳感器，對目標(biāo)區(qū)域進行自主飛行和遙感數(shù)據(jù)采集，并采用先進的圖像處理和融合算法對采集到的數(shù)據(jù)進行處理。具體方法包括去噪、幾何校正、輻射校正、對比度拉伸、直方圖均衡、邊緣檢測以及三維地形建模等步驟。通過多傳感器數(shù)據(jù)融合和高精度地形數(shù)據(jù)集成到地理信息系統(tǒng)中，本發(fā)明顯著提高了復(fù)雜地形區(qū)域的圖像分辨率和測繪精度，具備提供詳細(xì)和準(zhǔn)確的地形信息，支持環(huán)境監(jiān)測、城市規(guī)劃和災(zāi)害評估等多種應(yīng)用的優(yōu)點。

2、根據(jù)本發(fā)明實施例的一種基于多源數(shù)據(jù)融合的無人機遙感圖像增強系統(tǒng)的實現(xiàn)方法，包括如下步驟：

3、s1、通過無人機平臺搭載光學(xué)傳感器、lidar和熱成像傳感器，對目標(biāo)區(qū)域進行自主飛行和遙感數(shù)據(jù)采集；

4、s2、對采集到的遙感數(shù)據(jù)進行預(yù)處理，包括去噪處理、幾何校正和輻射校正；

5、s3、利用圖像增強算法對預(yù)處理后的圖像進行對比度拉伸、直方圖均衡和邊緣檢測；

6、s4、從增強后的圖像中提取重要地形特征，并結(jié)合lidar數(shù)據(jù)生成高精度的三維數(shù)字高程模型和數(shù)字地形圖；

7、s5、對不同傳感器的數(shù)據(jù)進行多源數(shù)據(jù)融合，并將處理后的高精度地形數(shù)據(jù)集成到地理信息系統(tǒng)中，支持地圖制圖和空間分析。

8、可選的，所述s1具體包括：

9、s11、選擇并配置無人機平臺，使其能夠搭載光學(xué)傳感器、lidar傳感器和熱成像傳感器；

10、s12、設(shè)定飛行路徑和參數(shù)，包括飛行高度、速度和航線重疊度；

11、s13、啟動無人機，按照預(yù)定路徑進行自主飛行，并在飛行過程中同步采集光學(xué)圖像、lidar數(shù)據(jù)和熱成像數(shù)據(jù)；

12、s14、將采集到的光學(xué)圖像數(shù)據(jù)記作ioptical，lidar數(shù)據(jù)記作llidar，熱成像數(shù)據(jù)記作tthermal；

13、s15、實時監(jiān)控?zé)o人機飛行狀態(tài)和傳感器工作情況；

14、s16、飛行完成后，回收無人機并將ioptical、llidar和tthermal傳輸至地面處理站。

15、可選的，所述s2具體包括：

16、s21、采用中值濾波或非局部均值濾波器，對采集到的光學(xué)圖像數(shù)ioptical進行去噪處理；

17、s22、對ioptical進行幾何校正，校正因無人機飛行姿態(tài)變化引起的圖像幾何畸變；

18、s23、對ioptical進行輻射校正，校正光照條件變化帶來的輻射誤差；

19、s24、對采集到的lidar數(shù)據(jù)llidar進行去噪處理，消除lidar數(shù)據(jù)中的噪聲；

20、s25、對llidar進行幾何校正；

21、s26、采用適當(dāng)?shù)臑V波器消除熱成像數(shù)據(jù)tthermal中的噪聲；

22、s27、對tthermal進行輻射校正，校正熱成像數(shù)據(jù)中的輻射誤差。

23、可選的，所述s3具體包括：

24、s31、對預(yù)處理后的光學(xué)圖像數(shù)據(jù)ioptical進行對比度受限的自適應(yīng)直方圖均衡化；

25、s32、對ioptical進行改進的多尺度retinex處理，均衡圖像的灰度分布，所述改進的多尺度retinex處理公式如下：

26、rfinal(x，y)＝∑sw(s)·(log(ioptical(x，y))-log(f(x，y，s)))；

27、其中，rfinal(x，y)表示位置((x，y)處融合后的retinex輸出，w(s)表示尺度s的權(quán)重，ioptical(x，y)表示光學(xué)圖像在位置(x，y)的像素值，f(x，y，s)表示尺度為s的模糊圖像在位置(x，y)的像素值；

28、s33、采用改進的canny邊緣檢測算法，對ioptical進行邊緣檢測，提取圖像中的邊緣信息，改進的canny邊緣檢測算法公式如下：

29、

30、其中，g(x，y)表示位置(x，y)處的梯度幅值，θ(x，y)表示位置(x，y)處的梯度方向，和分別表示圖像在x和y方向上的梯度；

31、s34、對預(yù)處理后的lidar數(shù)據(jù)llidar進行改進的自適應(yīng)濾波處理；

32、s35、采用改進的多尺度retinex處理和自適應(yīng)邊緣檢測算法，對預(yù)處理后的熱成像數(shù)據(jù)tthermal進行對比度增強和邊緣檢測。

33、可選的，所述s32具體包括：

34、s321、對預(yù)處理后的光學(xué)圖像數(shù)據(jù)ioptical使用不同尺度的高斯濾波器進行模糊處理，得到多尺度模糊圖像f(x,y,s)；

35、s322、計算每個尺度下的retinex輸出r(x,y,s)，公式如下：

36、r(x,y,s)＝log(ioptical(x,y))-log(f(x,y,s))；

37、其中，r(x,y,s)表示尺度為s下的位置(x,y)處的retinex輸出，ioptical(x，y)表示光學(xué)圖像在位置(x,y)處的像素值，f(x,y,s)表示尺度為s的模糊圖像在位置(x,y)處的像素值；

38、s323、引入自適應(yīng)融合策略，根據(jù)圖像內(nèi)容動態(tài)調(diào)整不同尺度的權(quán)重w(s)，得到增強后的圖像rfinal(x,y))，公式如下：

39、rfinal(x,y)＝∑sw(s)·r(x,y,s)；

40、其中，rfinal(x,y)表示位置(x,y)處融合后的retinex輸出，w(s)表示尺度s的權(quán)重，r(x,y,s)表示尺度為s下的位置(x,y)處的retinex輸出；

41、s324、利用改進的自適應(yīng)權(quán)重調(diào)整方法，通過引入基于圖像局部特征的自適應(yīng)參數(shù)α(x,y)和β(x,y)，公式如下：

42、w(s)＝α(x,y)·exp(-β(x,y)·s2)；

43、其中，α(x,y)表示位置(x,y)處的自適應(yīng)增益參數(shù)，β(x,y)表示位置(x,y)處的自適應(yīng)衰減參數(shù)，s表示尺度參數(shù)；

44、s325、對融合后的retinex輸出rfinal(x,y)進行歸一化處理，使其像素值范圍在0到255之間。

45、可選的，所述s33具體包括：

46、s331、對預(yù)處理后的光學(xué)圖像數(shù)據(jù)ioptical進行自適應(yīng)高斯濾波平滑處理，減少噪聲，得到平滑后的圖像ismooth(x，y)；

47、s332、計算平滑后圖像的梯度，得到梯度幅值g(x，y)和梯度方向θ(x，y)，公式如下：

48、

49、其中，g(x，y)表示位置(x，y)處的梯度幅值，θ(x，y)表示位置(x，y)處的梯度方向，和分別表示平滑圖像在x和y方向上的梯度；

50、s333、對梯度幅值g(x，y)進行改進的非極大值抑制，細(xì)化邊緣，得到細(xì)化后的梯度圖像gnms(x，y)，所述改進包括以下公式：

51、

52、其中，gnms(x，y)為位置(x，y)處經(jīng)過非極大值抑制后的梯度幅值；

53、s334、采用局部自適應(yīng)雙閾值檢測法，對細(xì)化后的梯度圖像gnms(x，y)進行邊緣檢測，公式如下：

54、

55、其中，e(x，y)表示位置(x，y)處的邊緣檢測結(jié)果，thigh(x，y)表示位置(x，y)處的高閾值，tlow(x，y)表示位置(x，y)處的低閾值，若gnms(x，y)介于tlow(x，y)和thigh(x，y)之間，則通過滯后閾值法跟蹤邊緣；

56、s335、采用自適應(yīng)邊緣連接算法，對檢測到的邊緣e(x，y)進行后處理，移除孤立的弱邊緣點，保留連通的強邊緣，公式如下：

57、efinal(x，y)＝connect(e(x，y)，θ(x，y))；

58、其中，efinal(x，y)表示位置(x，y)處的最終邊緣檢測結(jié)果，connect表示自適應(yīng)邊緣連接算法，根據(jù)邊緣方向θ(x，y)動態(tài)連接邊緣點；

59、可選的，所述s4具體包括：

60、s41、從增強后的光學(xué)圖像數(shù)據(jù)ioptical和lidar數(shù)據(jù)llidar中提取重要地形特征，使用自適應(yīng)邊緣檢測算法提取地物輪廓eoptical(x，y)和高程數(shù)據(jù)hlidar(x，y)；

61、s42、結(jié)合光學(xué)圖像數(shù)據(jù)ioptical和lidar數(shù)據(jù)llidar，生成初步的三維數(shù)字高程模型，公式如下：

62、deminitial(x，y)＝α·ioptical(x，y)+β·llidar(x，y)；

63、其中，deminitial(x，y)表示位置(x，y)處的初步數(shù)字高程模型值，ioptical(x，y)表示光學(xué)圖像在位置(x，y)的像素值，llidar(x，y)表示lidar數(shù)據(jù)在位置(x，y)的高程值，α和β為結(jié)合權(quán)重參數(shù)；

64、s43、采用多尺度融合策略，對初步數(shù)字高程模型進行細(xì)化，生成高精度的三維數(shù)字高程模型，公式如下：

65、demrefined(x，y)＝∑sw(s)·deminitial(x，y，s)；

66、其中，emrefined(x，y)表示位置(x，y)處的細(xì)化后的數(shù)字高程模型值，deminitial(x，y，s)表示位置(x，y)處在尺度s下的初步數(shù)字高程模型值，w(s)為尺度s下的權(quán)重參數(shù)；

67、s44、生成數(shù)字地形圖，結(jié)合細(xì)化后的數(shù)字高程模型和地物輪廓數(shù)據(jù)eoptical(x，y)，采用自適應(yīng)濾波算法，公式如下：

68、dtm(x，y)＝g(demrefined(x，y),eoptical(x，y))；

69、其中，dtm(x，y)表示位置(x，y)處的數(shù)字地形圖值，demrefined(x，y)表示位置(x，y)處的細(xì)化后的數(shù)字高程模型值，eoptical(x，y)表示位置(x，y)處的地物輪廓數(shù)據(jù)，g表示結(jié)合細(xì)化后的數(shù)字高程模型和地物輪廓生成數(shù)字地形圖的自適應(yīng)濾波函數(shù)。

70、可選的，所述s5具體包括：

71、s51、對來自不同傳感器的數(shù)據(jù)進行多源數(shù)據(jù)預(yù)處理，首先對光學(xué)圖像數(shù)據(jù)ioptical、lidar數(shù)據(jù)llidar和熱成像數(shù)據(jù)tthermal進行噪聲去除、幾何校正和輻射校正，得到預(yù)處理后的數(shù)據(jù)ioptical，pre、llidar,pre和tthermal，pre；

72、s52、利用基于深度學(xué)習(xí)的空間對齊算法對預(yù)處理后的數(shù)據(jù)進行精確對齊，確保多源數(shù)據(jù)在相同的地理坐標(biāo)系下匹配，公式如下：

73、ialigned(x，y)＝align(ioptical,pre(x，y)，llidar,pre(x，y)，tthermal，pre(x，y))；

74、其中，ialigned(x，y)表示對齊后的多源數(shù)據(jù)，align表示利用深度學(xué)習(xí)模型進行空間對齊的函數(shù)；

75、s53、采用多尺度卷積神經(jīng)網(wǎng)絡(luò)對對齊后的數(shù)據(jù)進行多尺度特征提取與融合，生成高精度的綜合地理信息數(shù)據(jù)，公式如下：

76、ifused(x，y)＝mscnn(ialigned(x，y))；

77、其中，ifused(x，y)表示融合后的多源數(shù)據(jù)，mscnn表示多尺度卷積神經(jīng)網(wǎng)絡(luò)；

78、s54、對融合后的高精度地理信息數(shù)據(jù)ifused(x，y)進行自適應(yīng)增強處理，公式如下：

79、ienhanced(x，y)＝enhance(ifused(x，y))；

80、其中，ienhanced(x，y)表示增強后的地理信息數(shù)據(jù)，enhance表示自適應(yīng)增強函數(shù)；

81、s55、將增強后的高精度地理信息數(shù)據(jù)ienhanced(x，y)集成到地理信息系統(tǒng)中，支持地圖制圖、空間分析和多種應(yīng)用場景，公式如下：

82、gisdata＝integrate(ienhanced(x，y))；

83、其中，gisdata表示集成到中的地理信息數(shù)據(jù)，integrate表示數(shù)據(jù)集成函數(shù)。

84、本發(fā)明的有益效果是：

85、(1)、顯著提高圖像分辨率和測繪精度：通過無人機搭載光學(xué)傳感器和熱成像傳感器，并結(jié)合先進的圖像處理算法(如對比度受限的自適應(yīng)直方圖均衡化、改進的多尺度retinex處理和自適應(yīng)邊緣檢測算法)，對預(yù)處理后的圖像進行增強處理。即使在復(fù)雜地形和光照條件下，圖像質(zhì)量也得到了顯著提升，地物輪廓更加清晰，從而大幅提高了復(fù)雜地形區(qū)域的圖像分辨率和測繪精度。

86、(2)、實現(xiàn)多傳感器數(shù)據(jù)融合：本發(fā)明采用多傳感器融合技術(shù)，將光學(xué)圖像數(shù)據(jù)、lidar數(shù)據(jù)和熱成像數(shù)據(jù)進行綜合處理。通過自適應(yīng)融合策略和多尺度融合算法，生成高精度的三維數(shù)字高程模型和數(shù)字地形圖，提高了地形數(shù)據(jù)的完整性和精確性，能夠提供更加詳細(xì)和準(zhǔn)確的地形信息。

87、(3)、高精度三維地形建模：結(jié)合增強圖像和lidar數(shù)據(jù)，本發(fā)明生成高精度的三維數(shù)字高程模型和數(shù)字地形圖。通過引入自適應(yīng)融合策略和多尺度融合算法，進一步細(xì)化數(shù)字高程模型，顯著提高了三維地形建模的精度，為地理信息系統(tǒng)中的應(yīng)用提供了堅實的數(shù)據(jù)基礎(chǔ)。

88、(4)、高效的數(shù)據(jù)預(yù)處理與增強本發(fā)明詳細(xì)描述了數(shù)據(jù)預(yù)處理步驟，包括去噪處理、幾何校正和輻射校正，確保了采集數(shù)據(jù)的高質(zhì)量。利用先進的圖像增強算法對預(yù)處理后的圖像進行處理，提升了圖像的對比度、灰度均衡和邊緣清晰度。

89、(5)、強大的gis集成與應(yīng)用能力：本發(fā)明將高精度地形數(shù)據(jù)集成到地理信息系統(tǒng)中，支持多種地理分析和應(yīng)用場景，如環(huán)境監(jiān)測、城市規(guī)劃和災(zāi)害評估。通過自適應(yīng)數(shù)據(jù)集成和增強處理技術(shù)，提升了地理信息系統(tǒng)數(shù)據(jù)的實用性和應(yīng)用價值，使得測繪結(jié)果更具實用價值，能夠更好地服務(wù)于各類地理信息應(yīng)用需求。