阅读说明：本技术 一种无人机检测图像识别方法 (A kind of unmanned plane detection image recognition methods ) 是由 朱姝 于 2018-05-21 设计创作，主要内容包括：本发明公开了一种无人机检测图像识别方法,涉及无人机检测图像识别,包括无人机检测类别样本、待识别图像,还包括以下步骤：S1,获取来自无人机检测检测采集点的待识别图像,在空间域中进行分解域变换,使图像信息分解到的多个尺度空间中；S2,利用空间域梯度算子进行待识别图像的边缘检测；S3,在图像变换域中,利用小波进行待识别图像的边缘检测；S4,提取空间域和变换域中边缘检测获取的待识别图像的特征向量；S5,利用人工神经网络进行模式识别。本发明能够有效提取无人机检测的边缘,作为理想的特征；能够依据空间域和变换域双重检测,提高检测精度。(The invention discloses a kind of unmanned plane detection image recognition methods, it is related to the identification of unmanned plane detection image, including unmanned machine testing classification sample, images to be recognized, it is further comprising the steps of: S1, obtain the images to be recognized from unmanned machine testing detection collection point, decomposition field transformation is carried out in the spatial domain, in the multiple scale spaces for decomposing image information；S2 carries out the edge detection of images to be recognized using spatial domain gradient operator；S3 carries out the edge detection of images to be recognized using small echo in image transform domain；S4 extracts the feature vector for the images to be recognized that edge detection obtains in spatial domain and transform domain；S5 carries out pattern-recognition using artificial neural network.The present invention can effectively extract the edge of unmanned machine testing, as ideal feature；Detection accuracy can be improved according to spatial domain and transform domain double check.)

一种无人机检测图像识别方法

技术领域

本发明涉及无人机检测图像识别，具体涉及一种无人机检测图像识别方法。

背景技术

无人驾驶飞机简称无人机，英文缩写为UAV，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。与有人驾驶飞机相比，无人机往往更适合那些太愚钝，肮脏或危险的任务。无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用与发展无人机技术。因此，对无人机的质量检测，在未来社会起到越来越重要的作用。目前无人机检测类别存在识别出错、存在干扰时难以识别的问题。

发明内容

本发明所要解决的技术问题是目前无人机检测类别存在识别出错、存在干扰时难以识别的问题，目的在于提供一种无人机检测图像识别方法，解决上述问题。

本发明通过下述技术方案实现：

一种无人机检测图像识别方法，包括无人机检测类别样本、待识别图像，还包括以下步骤：

S1，获取来自无人机检测检测采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；

S2，利用空间域梯度算子进行待识别图像的边缘检测；

S3，在图像变换域中，利用小波进行待识别图像的边缘检测；

S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；

S5，利用人工神经网络进行模式识别，将无人机检测类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像的识别。

进一步地，所述S1中的分解域变换采用小波多尺度分解域变换。

进一步地，所述S2中的梯度算子采用高斯拉普拉斯算子。

进一步地，所述S3中的边缘检测结果采用链表进行记录。

进一步地，所述S4中的特征向量采用统计特征。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明一种无人机检测图像识别方法，能够有效提取无人机检测的边缘，作为理想的特征；

2、本发明一种无人机检测图像识别方法，能够依据空间域和变换域双重检测，提高检测精度。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明一种无人机检测图像识别方法，包括无人机检测类别样本、待识别图像，还包括以下步骤：

S1，获取来自无人机检测检测采集点的待识别图像，在空间域中进行分解域变换，使图像信息分解到的多个尺度空间中；

S2，利用空间域梯度算子进行待识别图像的边缘检测；

S3，在图像变换域中，利用小波进行待识别图像的边缘检测；

S4，提取空间域和变换域中边缘检测获取的待识别图像的特征向量；

S5，利用人工神经网络进行模式识别，将无人机检测类别样本进行离线训练，确定权值，与S4获得的特征向量进行运算，实现待识别图像的识别。

所述S1中的分解域变换采用小波多尺度分解域变换。

所述S2中的梯度算子采用高斯拉普拉斯算子。

所述S3中的边缘检测结果采用链表进行记录。

所述S4中的特征向量采用统计特征。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。