《【精选】无人机的图像处理综述》由会员分享，可在线阅读，更多相关《【精选】无人机的图像处理综述（5页珍藏版）》请在金锄头文库上搜索。
1、无人机图像处理综述摘要：目标识别与跟踪技术是无人作战机实施攻击的关键步骤，本文从无人作战机的自动目标识别与跟踪的基本概念入手，以成像传感器的目标识别与跟踪为例，介绍目标识别、检测、跟踪等关键技术。关键词： 无人战斗机 目标识别 图像处理 识别技术 1、引言无人战斗机在最近几年成为无人机的发展热点。它的设计概念介于有人战斗机与导弹之间。无人战斗机不是孤立存在的，它是整个无人战斗机系统的一部分。无人战斗机系统有其独特的组成方式和管理模式。目前，无人战斗机的开发刚刚处于起步阶段。为了发展无人战斗机，有许多关键技术值得注意，特别是目标识别技术。它主要包括视觉图像预处理，目标提取、目标跟 踪、数据融合等
2、问题。其中，运动目标检测可采用背景差法、 帧差法、光流法等，固定标志物检测可用到角点提取、边提 取、不变矩、Hough 变换、贪婪算法等，目标跟踪可以分析 特征进行状态估计，并与其他传感器融合，用到的方法有卡 尔曼滤波、粒子滤波器和人工神经网络等。还有很多方法诸 如全景图像几何形变的分析或者地平线的检测等没有进行 特征提取，而是直接将图像的某一变量加到控制中去。实际应用中，上述问题的进一步解决受到很多因素的制 约。由于无人机的动力、载重、装配空间等物理条件的限制 以及飞行速度更快，使得算法处理需要更少的延时。而且， 无人机稀疏的室外飞行环境使得适用于地面机器人的算法 不适用于无人机。同时，模型
3、的不确定性，噪声和干扰，都 限制了实物实验的成功。所以，如何将地面机器人的视觉导 航成果应用到无人机视觉导航中去，如何提高无人机的算法 速度并不过分损失导航精度，如何面对无人机自身模型的不 确定度以及外界噪声的干扰，如何适应无人机所处的标志物 稀疏的飞行环境，这些问题都需要更进一步的探讨。2、无人机图像处理技术现状1979 年，Daliy 等人首先把雷达图像和 Landsat.MSS 图像的复合图像用于地质解释，其处理过程可以看作是最简单的图像融合。1981 年，Laner 和 Todd进行了 Landsat. RBV 和 MSS 图像融合试验。到 20 世纪 80 年代中后期，图像融合技术开
4、始引起人们的重视，陆续有人将图像融合技术应用于遥感多谱图像的分析和处理。到 20 世纪 80 年代末，人们才开始将图像融合应用于一般图像融合(可见光、红外等)。多波段 SAR 雷达相继开发使得对多波段的 SAR 图像数据融合技术的研究成为可能，特别是美国宇航局 1993 年 9 月成功发射了全世界第一部多波段(L,C, X 波段)、多极化、多投射角空间 SAR 之后，为多波段的 SAR 图像融合提供了坚实的物质基础。 20 世纪 90 年代后，图像融合技术的研究呈不断上升趋势，应用的领域也遍及遥感图像处理、可见光图像处理、红外图像处理、医学图像处理等。尤其是近几年，多传感器图像融合技术已成为计
5、算机视觉、自动目标识别、机器人、军事应用领域的研究热点。多传感器图像融合在无人机应用方面的研究越来越多。美军广泛使用了各种无人侦察机，特别是。 捕食者”中高空长航时无人机和“全球鹰”高空无人机。20 世纪 90 年代的波黑冲突中， “捕食者”因未装合成孔径雷达(SAR)，只能在云层下飞行，参战的 3 架无人机就被击中 2 架，暴露出仅用光电型传感器侦察的致命弱点。目前美军几乎所的机载雷达都具有合成孔径成像的工作模式。现在“捕食者”无人侦察机装载有光电、红外和合成孔径雷达等图像传感器，主要完成实时战场图像侦察，是美军现役的性能最好的远程无人侦察机。该机1996 年首次应用 AN/ZPQ-1 型合
6、成孔径雷达，对地面固定和移动目标进行实时成像侦察;再加上先进的。天球”光电/红外侦察平台(装有高分辨彩色电视摄像机、三代红外热像仪和激光测距/目标指示器)，因而首次在无人机平台上实现了全天候的实时图像侦察。PQ-4A“全球鹰”高空无人侦察机上的核心是休斯飞机公司负责研制的集成侦察传感系统。它是一个由具有移动目标识别功能的合成孔径雷达、高分辨率光电照相机、红外传感器等多种侦察仪器组成，采用现有商用技术的任务平台，能同时收集雷达和光电图像，通过集成的图像处理器进行实时处理。无人机拍摄的相片三、无人机图像识别技术发展趋势无人侦察机活动图像实时传输的特点：有一定的速高比，图像内目标像素小，目标数量大，
7、图像是满屏运动，帧间相关性较差，为了保证侦察图像信息远距离传输的高准确性和高可靠性，要求侦察图像信息必须分辨率高、失真小，而且传输带宽尽可能窄。因此，中远程无人机侦察信息必须采用一种特殊的数字化压缩传输体制，选择合适的压缩算法，利用专用图像处理芯片来实现侦察信息安全传输。 无人机高精度定位技术。对无人机的遥控遥测，导航定位及传播信息不仅要求实时性强，而且要求精度高，遥控指令完成对飞机及任务设备的实时控制，遥测信息实时反映飞机及任务设备的状态。导航定位信息必须有较高的实时性和精度。以往无人机系统是靠无人机综合测控系统的斜距/方位（R/A）数据或靠 GPS 系统独立定位的，目前无人机的导航定位技术
8、向惯导、GPS 和 GLONASS 组合导航定位的方向发展。现在无人机系统中大都已采用组合定位方式，这不仅提高了定位的实时性，同时也提高了定位精度。 无人机抗截获传输技术。用于战场复杂电子环境中的无人机系统，为了提高系统的生存能力，需要进一步采取抗干扰和保密措施。研究全数字化扩频解扩技术，其中包括零中频处理技术、高增益的数字相关处理技术和高速信号处理技术。探讨跳频与直接序列扩频相结合抗截获信息传输技术，其中包括高速稳定的频率综合器技术和扩频跳频结合的捕获跟踪技术。 单站多目标测控技术。包括多目标测控体制的研究；多目标测控、侦察信息融合技术研究；多目标控制处理技术研究；多目标的综合航迹参数处理显
9、示技术研究；各军兵种使用的无人机获取的情报将融人 CISR 网，实现资源共享。无人机图像图像融合(Image Fusion)是以图像为研究对象的数据融合，是指在同一时间，将同一景物的不同波段或来自不同传感器的两个或两个以上的图像进行处理，形成一幅合成图像，以获取更多的关于目标信息的图像处理过程。图像融合在军事领域的应用主要是目标识别、目标跟踪、态势分析、威胁判断及辅助决策等方面。不同类型传感器图像反映的对象的特征不尽相同。例如:可见光图像地物目标易于区分，雷达能提供高精度的距离信息，而红外传感器能提供形状信息等。多传感器图像融合研究的主要内容就是充分利用各种类型的图像资源，获得同时具有较高光谱
10、信息和空间分辨率的目标信息，以利于目标的定位、识别、检测等后续处理。具体来说，通过对来自多个传感器的图像进行融合处理后，获得的融合图像包含了任何单一传感器均无法提供的信息。概括地说，图像融合具有以下优点:(1)增加图像的标识度和可靠性。不同传感器对同一目标图像信息的置信度或精度是不同的，多通道提供的信息表现为冗余信息，这些冗余信息的融合可以减小整体对目标认识的不确定性，从而提高系统认识该特征的精确度。并且，当有传感器工作不正常或损坏时，提供冗余信息的多传感器能提高系统的可信赖性，即具有良好的鲁棒性。(2)信息互补性。从多传感器获得的互补性信息经过融合，可获取单一传感器所无法得到的景物特征，融合
11、后的图像包含了更为精确、全面、丰富的信息，更符合人或机器的视觉特性，更有利于对图像进行进一步分析处理。(3)工作范围宽。在不利的环境条件下(例如烟、尘、云、雾、雨等)，通过多传感器图像融合可以改善检测性能。例如，在恶劣环境下，可见光图像质量差(甚至无法看清目标)，而红外传感器对烟、云、尘和雾却有较强的穿透能力，尽管信号会有些衰减，但仍然可获得较清晰的图像。(4)抗干扰能力强。不论何种单一传感器，都有被干扰的可能，但是采用多传感器融合，被干扰的可能性大大降低。(5)高性能价格比。随着传感器数目的增加，系统成本将增加，但其增加比例小于系统得到的信息量的增加比例，可以这么说，一个多传感器系统相对于多
12、个单传感器系统，可以用更小的费用获得更多的信息量。通过无人机机载多传感器图像融合，能够使无人机更好地执行空中侦察、战场监视和战斗毁伤评估等任务。利用图像融合技术分析和综合利用无人机机载 SAR、红外、激光、电视等传感器信息己成现代作战指挥系统的迫切需要。多平台和多传感器的图像融合与只使用一种传感器或只对不同传感器获得的信息进行简单的合成相比，对提高指挥系统的性能提供了许多潜在的有利因素为了我国的军事技术，迫切需要开展无人机机载多传感器图像融合技术的研究。图 3 无人机图像识别流程图 4 无人机图像识别样例四、未来无人机发展趋势无人机自主着陆的视觉识别与定位系统的研究是一个具有挑战性的课题，也是
13、现在发展无人机新技术的迫切需要。由于个人能力有限，论文中难免存在不足之处。对今后的研究工作有以下几点想法:1.无人机机载多传感器图像与非图像信息之间的融合。这是目前研究较少的领域。将目标的非图像信息，诸如角度、距离等位置信息应用到目标图像处理。将图像中提取的目标角度和速度信息与非图像信息融合。2.视觉识别与定位系统、惯导系统、高度表系统和其它传感器之间的信息融合。3.考虑通过卡尔曼滤波等技术获取角速度、线速度、角加速度等控制系统所需要的参数。4.逐步设计并实现各硬件系统，从纯数字仿真逐渐转变为半实物、全实物仿真。参考文献1唐小明、夏明革、李炳荣等，无人机机载多传感器图像融合评述，海军航空工程学院学报，2005, 20 (5): 505-5092丁萌，基于计算机视觉的无人机自主着陆方法研究，硕士学位论文，南京航空航天大学，2006 年 1 月3徐廷学，曹云峰，罗锋，某型无人机自动着陆系统研究，南京航空航天大学学报，1997,29(5): 523-524李邵燕，基于视觉的无人战斗机自主着陆研究，博士学位论文，北京航空航天大学，2004 年 1 月5何友、王国洪、路大信等，多传感器信息融合及应用，北京:电子工业出版社，2000 年 11 月6何友、夏明革、苏峰，等，图像融合技术检测低可观测目标评述，海军航空工程学院学报，2003, 18 (5): 500-507
