邓雯静
【期刊名称】《《电子设计工程》》
8gggg
【年(卷),期】2019(027)022
【总页数】5页(P147-151)
【关键词】ZigBee; 无人机; 航拍影像; 快速特征匹配
【作 者】邓雯静
【作者单位】重庆科技发展战略研究院有限责任公司 重庆401123; 《自动化与仪器仪表》编辑部 重庆401123
【正文语种】中 文
【中图分类】TP391
随着无人机技术的发展，采用无人机进行航拍成像，结合图像处理算法，进行无人机航拍影像的特征分析和检测，实现对无人机航拍影像的优化识别，提高无人机航拍影像的自动检测能力，研究无人机航拍影像的识别方法是建立在对图像的特征快速匹配基础上，构建无人机航拍影像的快速特征匹配模型，根据对无人机航拍影像的特征匹配结果进行目标检测和高清成像处理，研究无人机航拍影像的特征快速匹配方法在提高无人机航拍影像的检测和识别能力方面具有重要意义[1]。
传统方法中，对无人机航拍影像快速特征匹配方法采用多层螺旋尺度分割的快速特征匹配方法，结合LVEDV、LVESV等点扫描技术，实现对无人机航拍影像快速特征匹配[2]，采用多元特征分解方法，实现无人机航拍影像快速特征匹配[3]，对无人机航拍影像三维测量和特征匹配的设计采用低分辨成像技术，上述方法在进行无人机航拍影像快速特征匹配的模糊度较大，特征分辨能力不好。针对上述问题，本文提出基于ZigBee的无人机航拍影像快速特征匹配算法，采用ZigBee协议进行无人机航拍影像采集的无线传感组网设计，采集无人机航拍的图像，对图像采用局部加权融合特征分离方法进行无人机航拍影像快速特征检测，构建像素分维像模型进行无人机航拍影像快速特征匹配，使用图像的熵特征量作为特征匹配的基准分量，计算图像每个像素的局部信息熵，结合图像背景过滤机制和小目标增
同温同压下强方法实现对无人机航拍影像的目标细节定位和快速特征匹配。最后进行仿真实验分析，展示了本文方法在提高无人机航拍影像快速特征匹配能力方面的优越性能。
1 图像采集和特征检测
1.1 基于ZigBee的无人机航拍影像采集
为了实现无人机航拍影像快速特征匹配，需要首先构建无人机航拍影像的成像模型，采用ZigBee协议进行无人机航拍影像采集的无线传感组网设计，实现无人机航拍影像采集[4]，无人机航拍影像采集的ZigBee传感组网模型如图1所示。
图1 无人机航拍影像采集的ZigBee传感组网模型
根据图1，采用一个4×4子块快速特征匹配模型进行无人机航拍影像的图像采集和纹理快速特征匹配，构建无人机航拍影像采集的分块特征匹配模型，采用邻域像素特征分解方法进行无人机航拍影像的特征分解[5]，依据像素分维的细节特征定位，在D维空间中进行无人机航拍影像的边缘轮廓检测，根据无人机航拍影像的采集环境的差异性，得到无人机航拍影像的像素分维定位输出为：
其中，Δu为在无人机航拍影像的局部区域中的特征分量，σ为在无人机航拍影像的旋转算子，在梯度方向中分析无人机航拍影像的像素强度。
基于像素分维处理方法，进行无人机航拍影像的纹理多特征分解，提高无人机航拍影像的内部关联性，采用多重分形技术进行性无人机航拍影像的成像处理，降低无人机航拍影像区域快速特征匹配的表面误差[6]，无人机航拍影像的纹理像素重构输出为：
提取无人机航拍影像W的R、G、B分量，相应得到无人机航拍影像的三维模板匹配值AR、AG、AB和WR、WG、WB，在快速特征匹配模板m*n区域内候选区域内，得到无人机航拍影像的灰度像素总特征分布为15*15维，采用灰度差异跟踪技术，进行无人机航拍影像在低维空间重构，得到无人机航拍影像的成像输出为s(X,Y)，无人机航拍影像的灰度信息为：
其中，assoc(A,V)是无人机航拍影像的像素点子集A中信息饱和度，assoc(B,V)为无人机航拍影像的三维边缘轮廓统计特征量，根据上述采集的无人机航拍的图像，对图像采用局部加权融合特征分离方法进行无人机航拍影像快速特征检测[7]。
1.2 无人机航拍影像快速特征检测
电动睫毛器
对图像采用局部加权融合特征分离方法进行无人机航拍影像快速特征检测，构建像素分维像模型进行无人机航拍影像快速特征匹配[8]，假设无人机航拍影像的灰度像素集为(i,j)，以此为像素中心，采用锐化模板快速特征匹配方法得到无人机航拍影像的特征分解模型为：
将无人机航拍影像的直方图与参考直方图通过图像拓扑方法进行特征分离处理，在4×4子块的局部区域内，建立无人机航拍影像像素概率测度分析模型，描述如下：
建立活动轮廓套索模型进行无人机航拍影像轮廓特征提取，对图像采用局部加权融合特征分离方法进行无人机航拍影像快速特征检测，构建像素分维像模型进行无人机航拍影像快速特征匹配[9-12]，无人机航拍影像轮廓特征分解的边缘矢量，无人机航拍影像的分块区域快速特征匹配控制参数 βi选择如下：
确定合理的属性集，构建无人机航拍影像检测的灰度特征分解模型为：
氯化氢压缩机通过考虑目标属性的直方图，采用分区域特征匹配方法进行二维无人机航拍影像的分块融合性检测和特征块匹配[13]，无人机航拍影像的像素点子集输出为：
其中，A为无人机航拍影像三维尺度信息，t(x)为无人机航拍影像采样间隔，无人机航拍影
快速水分测定
像的模板匹配矢量Sk(k=1,2,…,M )，通过上述分析，采用局部加权融合特征分离方法进行无人机航拍影像快速特征检测，提高无人机航拍影像快速特征匹配能力。
2 无人机航拍影像快速特征匹配优化
2.1 无人机航拍影像特征提取
在上述采集无人机航拍的图像，对图像采用局部加权融合特征分离方法进行无人机航拍影像快速特征检测的基础上，进行无人机航拍影像快速特征匹配，计算无人机航拍影像视觉特征分布向量化集[14-15]，无人机航拍影像区域快速特征匹配的先验知识分布为：
其中，为无人机航拍影像特征匹配区域的模板匹配值，定义无人机航拍影像的Gibbs先验能量函数，采用分区域特征匹配方法进行无人机航拍影像的分块融合处理，对无人机航拍影像进行视觉信息融合，假设输入的无人机航拍影像视觉成像的暗原分量为：
其中，t˙(x)为无人机航拍影像的空间区域像素，Ac为无人机航拍影像的统计特征值，Ic(y)为无人机航拍影像的透射强度，设J(y)t(x)为无人机航拍影像的边缘像素集，在确定合理的属性集后，得到无人机航拍影像的空间区域特征分类检测结果为：
构建无人机航拍影像视觉的相关性检测模型，通过无人机航拍影像的视觉特征分离方法，得到无人机航拍影像局部区域快速特征匹配输出为：
无人机航拍影像视觉区域大小为M×N，根据无人机航拍影像视觉RGB值进行像素特征分离，输出为：
综上分析，实现对无人机航拍影像的视觉特征提取。
2.2 无人机航拍影像的特征快速匹配输出
构建像素分维像模型进行无人机航拍影像快速特征匹配，使用图像的熵特征量作为特征匹配的基准分量，基于ZigBee技术，得到无人机航拍影像的快速特征匹配输出模型为：
在模板m*n区域内对无人机航拍影像进行像素值区域模板融合处理，采用自适应融合处理方法，无人机航拍影像的区域快速特征匹配表面点为：
其中，t0表示无人机航拍影像的结构相似度，在超声成像的4×4子区域内，通过无人机航拍影像网格快速特征匹配实现无人机航拍影像视觉重构，用帧扫描技术进行无人机航拍影像的区域特征快速特征匹配，构建无人机航拍影像的相关性检测模板匹配函数 f(gi)为：
由此获得无人机航拍影像三维动态区域快速特征匹配的背景差分量，在无人机航拍影像的三维特征分布区域中进行特征分解，构建无人机航拍影像的特征分析模型，采用分区域特征匹配方法进行二维无人机航拍影像的分块检测和区域性融合处理，计算各像素点与聚类中心间的聚类，得到无人机航拍影像的灰度像素值输出满足：
其中 k=1,…,M，i,j∈{1,,N},i＜j，通过计算得到无人机航拍影像采集沿梯度方向的位移矢量Si(i=1,2,…,M)，计算图像每个像素的局部信息熵，结合图像背景过滤机制和小目标增强方法实现对无人机航拍影像的目标细节定位和快速特征匹配[16]。
