用于农林巡检的无人机图像异常视觉检测方法和装置与流程

本公开的实施例涉及图像航空遥感检测，具体涉及用于农林巡检的无人机图像异常视觉检测方法和装置。

背景技术：

1、在无人机低空巡检的真实作业工况下，搭载平台受气流扰动产生瞬态多自由度机械颤振，连续图像张量内部由此发生非线性的空间像素位移，在无异常区域引入大量伪高频畸变响应。与之同时，自然植被冠层随风摆动导致光影边界剧烈交替，地形起伏在局部空域引发突发的环境照度阶跃。用于农林巡检的无人机图像异常视觉检测是对农林巡检过程中的无人机图像进行异常视觉检测的一种技术。目前，在对无人机图像进行异常视觉检测时，通常采用的方式为：通常通过提高成像分辨率或外挂多通道并行滤波算子对农林巡检过程中的无人机图像进行异常视觉检测。

2、然而，采用上述方式时，经常会存在如下技术问题：通过单纯提高成像分辨率或者外挂多通道并行滤波算子，高动态工况下更高的像素密度反而成倍放大瞬态颤振产生的畸变纹理，多通道算子的叠加亦占用极高的显存带宽与算力负载，导致嵌入式硬件架构出现运算饱和，难以跟踪高速向前飞行过程中图像梯度的动态演变趋势。多层网络在提取空间特征时进一步加剧数据吞吐量，出现明显的计算时延，造成时空坐标对齐失效。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了用于农林巡检的无人机图像异常视觉检测方法和装置，来解决以上背景技术部分提到的技术问题。

3、第一方面，本公开的一些实施例提供了一种用于农林巡检的无人机图像异常视觉检测方法，该方法包括：构建农林巡检过程中针对作业对象的对齐巡检图像张量序列，其中，对齐巡检图像张量以多维数组形式存储；根据上述对齐巡检图像张量序列，生成反射特征张量序列；对于上述反射特征张量序列中的每个反射特征张量，执行以下步骤：对上述反射特征张量进行张量分解约束，以生成约束低频基础张量和约束高频残差张量；在预设的局部像素窗口内，提取上述约束低频基础张量在水平方向和垂直方向的基础梯度分量，以及提取上述约束高频残差张量在水平方向和垂直方向的残差梯度分量；根据上述基础梯度分量与上述残差梯度分量，生成在上述局部像素窗口内的局部空间梯度分布方差；根据所得到的各个局部空间梯度分布方差和预设的稳态基准阈值范围，生成带标记信息的巡检结果数据集。

4、第二方面，本公开的一些实施例提供了一种用于农林巡检的无人机图像异常视觉检测装置，装置包括：构建单元，被配置成构建农林巡检过程中针对作业对象的对齐巡检图像张量序列，其中，对齐巡检图像张量以多维数组形式存储；第一生成单元，被配置成根据上述对齐巡检图像张量序列，生成反射特征张量序列；执行单元，被配置成对于上述反射特征张量序列中的每个反射特征张量，执行以下步骤：对上述反射特征张量进行张量分解约束，以生成约束低频基础张量和约束高频残差张量；在预设的局部像素窗口内，提取上述约束低频基础张量在水平方向和垂直方向的基础梯度分量，以及提取上述约束高频残差张量在水平方向和垂直方向的残差梯度分量；根据上述基础梯度分量与上述残差梯度分量，生成在上述局部像素窗口内的局部空间梯度分布方差；第二生成单元，被配置成根据所得到的各个局部空间梯度分布方差和预设的稳态基准阈值范围，生成带标记信息的巡检结果数据集。

5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的用于农林巡检的无人机图像异常视觉检测方法，维持了高速巡检工况下分割边缘的像素级时空对齐精度和系统对微弱颜色异动特征的检测灵敏度。具体来说，造成时空坐标对齐失效的原因在于：通过单纯提高成像分辨率或者外挂多通道并行滤波算子，高动态工况下更高的像素密度反而成倍放大瞬态颤振产生的畸变纹理，多通道算子的叠加亦占用极高的显存带宽与算力负载，导致嵌入式硬件架构出现运算饱和，难以跟踪高速向前飞行过程中图像梯度的动态演变趋势。多层网络在提取空间特征时进一步加剧数据吞吐量，出现明显的计算时延，造成时空坐标对齐失效。基于此，本公开的一些实施例的用于农林巡检的无人机图像异常视觉检测方法，首先，构建农林巡检过程中针对作业对象的对齐巡检图像张量序列，其中，对齐巡检图像张量以多维数组形式存储。由此，可以对农林巡检过程中针对作业对象的巡检图像张量序列完成时空对齐，使巡检图像张量序列中的每一个巡检图像张量均携带统一的时空基准，作为后续逐像素关联的全局基准。然后，根据上述对齐巡检图像张量序列，生成反射特征张量序列。由此，可以保留表征植物表面纹理与色泽突变的反射特征张量。之后，对于上述反射特征张量序列中的每个反射特征张量，执行以下步骤：第一步，对上述反射特征张量进行张量分解约束，以生成约束低频基础张量和约束高频残差张量。由此，可以将反射特征张量内自然植被背景的动态风摆扭曲、大范围光影交替以及无人机运动引起的非线性模糊解耦至低频基础张量对应的空间，使修正后高频残差张量的数值演变速度限制在12%以内，维持张量分解过程的稳定性。第二步，在预设的局部像素窗口内，提取上述约束低频基础张量在水平方向和垂直方向的基础梯度分量，以及提取上述约束高频残差张量在水平方向和垂直方向的残差梯度分量。由此，可以同步提取低频基础张量与高频残差张量的方向梯度分量并以两者的方向共线投影度作为流控调节依据。第三步，根据上述基础梯度分量与上述残差梯度分量，生成在上述局部像素窗口内的局部空间梯度分布方差。由此，可以通过局部空间梯度分布方差判定当前局部像素窗口内的高频波动，为后续步骤提供便利。最后，根据所得到的各个局部空间梯度分布方差和预设的稳态基准阈值范围，生成带标记信息的巡检结果数据集。由此，可以在局部空间梯度分布方差超出稳态基准阈值范围时，判定当前局部像素窗口内的高频波动归属于各向同性畸变的微弱异动目标，产出负向反馈量或者零值反馈量，抑制空域传导窗口的收窄动作，把高频残差张量内微弱异动目标的边缘纹理细节完整保留。因此，维持了高速巡检工况下分割边缘的像素级时空对齐精度和系统对微弱颜色异动特征的检测灵敏度。

1.一种用于农林巡检的无人机图像异常视觉检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述构建农林巡检过程中针对作业对象的对齐巡检图像张量序列，包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述巡检图像张量序列进行时空对齐，以生成对齐巡检图像张量序列，包括：

4.根据权利要求1所述的方法，其特征在于，所述对所述反射特征张量进行张量分解约束，以生成约束低频基础张量和约束高频残差张量，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述基础梯度分量与所述残差梯度分量，生成在所述局部像素窗口内的局部空间梯度分布方差，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述基础梯度分量与所述残差梯度分量，确定方向共线投影度，包括：

7.根据权利要求1所述的方法，其特征在于，所述根据所述对齐巡检图像张量序列，生成反射特征张量序列，包括：

8.一种用于农林巡检的无人机图像异常视觉检测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的方法。