图像处理方法和装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理领域，尤其涉及一种图像处理方法和装置。
【背景技术】
[0002] 无人机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。由于无 人机小型轻便、低噪节能、高效机动、航拍影像清晰、智能化的突出特点，因此无人机航拍具 有广泛的应用前景，如城市道路桥梁建设、交通巡逻、治安监控、城市执法等。
[0003] 无人机航拍图像中路面目标的提取，可用于路面目标的检测、跟踪，如车辆检测、 车辆跟踪、行人检测、行人跟踪、路面裂痕检测等。然而无人机航拍图像中包含着大量的信 息，如何快速、准确的从图像中提取所需的目标，是当前无人机航拍的重要研究课题。
[0004] 目前，无人机航拍图像中路面目标的提取，主要是基于机器学习法，提取特征，逐 点或逐块判断是否为路面目标，判断过程依赖于内置的图像样本，若所拍摄场景不在样本 库中，则路面目标提取的精确性较差，不具有广泛适用性；且路面目标提取的整体处理速度 慢，不能够进行实时处理，给后续的车辆检测等应用造成了不便。现有路面目标提取技术的 精确性与处理速度已不能满足当前路面目标提取应用的需求。
【发明内容】
[0005] 本发明的主要目的在于提供一种图像处理方法和装置，解决当前路面目标提取技 术的精确性差与处理速度慢的技术问题。
[0006] 为实现上述目的，本发明提供一种图像处理方法，所述图像处理方法包括以下步 骤：
[0007] 获取拍摄的图像；
[0008] 将所述图像进行特征聚类，获取特征聚类后的图像；
[0009] 将所述特征聚类后的图像进行分割，得到二值图像，获取二值图像中的目标区 域；
[0010] 从所述目标区域中提取路面目标区域。
[0011] 优选的，所述获取拍摄的图像的步骤之后，还包括：
[0012] 判断所述图像的颜色空间是否为彩色模型Lab模式；
[0013] 若所述图像的颜色空间不是Lab模式，则将所述图像的颜色空间转换为Lab模式。
[0014] 优选的，所述将所述图像进行特征聚类，获取特征聚类后的图像的步骤包括：
[0015] 根据所述图像的颜色空间，选择颜色特征组表征所述图像；
[0016] 获取所述图像的元素集合，并计算得到所述元素集合的均值和所述元素集合的协 方差矩阵最大特征向量；
[0017] 根据所述颜色特征组、所述元素集合的均值和所述元素集合的协方差矩阵最大特 征向量，将所述图像的元素集合进行特征聚类，得到特征聚类后的图像。
[0018] 优选的，所述从所述目标区域中提取路面目标区域的步骤包括：
[0019] 提取所述目标区域的联通区域；
[0020] 判断所述联通区域为路面目标区域或非路面目标区域；
[0021] 若所述联通区域为非路面目标区域，则删除所述非路面目标区域，得到所述目标 区域中的路面目标区域。
[0022] 优选的，所述判断所述联通区域为路面目标区域或非路面目标区域的步骤包括：
[0023] 获取所述联通区域的直线元素；
[0024] 判断所述联通区域的直线元素是否满足阈值；
[0025] 若所述联通区域的直线元素满足所述阈值，则判定所述联通区域为路面目标区 域；若所述联通区域的直线元素不满足所述阈值，则判定所述联通区域为非路面目标区域。
[0026] 此外，为实现上述目的，本发明还提供一种图像处理装置，所述图像处理装置包 括：
[0027] 获取模块，用于获取拍摄的图像；
[0028] 聚类模块，用于将所述图像进行特征聚类，获取特征聚类后的图像；
[0029] 分割模块，用于将所述特征聚类后的图像进行分割，得到二值图像，获取二值图像 中的目标区域；
[0030] 提取模块，用于从所述目标区域中提取路面目标区域。
[0031] 优选的，所述图像处理装置还包括颜色空间变换模块，用于判断所述图像的颜色 空间是否为Lab模式；若所述图像的颜色空间不是Lab模式，则将所述图像的颜色空间转换 为Lab模式。
[0032] 优选的，所述聚类模块包括：
[0033] 表征单元，用于根据所述图像的颜色空间，选择颜色特征组表征所述图像；
[0034] 获取单元，用于获取所述图像的元素集合，并计算得到所述元素集合的均值和所 述元素集合的协方差矩阵最大特征向量；
[0035] 聚类单元，用于根据所述颜色特征组、所述元素集合的均值和所述元素集合的协 方差矩阵最大特征向量，将所述图像的元素集合进行特征聚类，得到特征聚类后的图像。
[0036] 优选的，所述提取模块包括：
[0037] 提取单元，用于提取所述目标区域的联通区域；
[0038] 判断单元，用于判断所述联通区域为路面目标区域或非路面目标区域；
[0039] 删除单元，用于若所述联通区域为非路面目标区域，则删除所述非路面目标区域， 得到所述目标区域中的路面目标区域。
[0040] 优选的，所述判断单元包括：
[0041] 计算子单元，用于获取所述联通区域的直线元素；
[0042] 判断子单元，用于判断所述联通区域的直线元素是否满足阈值；若所述联通区域 的直线元素满足所述阈值，则判定所述联通区域为路面目标区域；若所述联通区域的直线 元素不满足所述阈值，则判定所述联通区域为非路面目标区域。
[0043] 本发明通过对获取的图像进行特征聚类，得到具有不同颜色特征的图像块；对图 像块进行分割，得到目标区域，目标区域为路面目标的初步定位区域；提取目标区域的中的 路面目标区域，所得到路面目标区域为路面目标的精准定位区域；图像的整体处理速度快， 效率高。本发明实现了精准、快速的获得路面目标区域，提高了路面目标提取的效率，为后 续的车辆检测等应用提供了高质量的图像基础。
【附图说明】
[0044] 图1为本发明图像处理方法第一实施例的流程示意图；
[0045] 图2为本发明图像处理方法第二实施例的流程示意图；
[0046] 图3为本发明图像处理方法第三实施例的流程示意图；
[0047] 图4为本发明图像处理方法第四实施例的流程示意图；
[0048] 图5为本发明图像处理方法第五实施例的流程示意图；
[0049] 图6为本发明图像处理装置第一实施例的功能模块示意图；
[0050] 图7为本发明图像处理装置第二实施例的功能模块示意图；
[0051] 图8为本发明图像处理装置第三实施例的功能模块示意图；
[0052] 图9为本发明图像处理装置第四实施例的功能模块示意图；
[0053] 图10为本发明图像处理装置第五实施例的功能模块示意图。
[0054] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0055] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0056] 本发明实施例的主要解决方案是：获取拍摄的图像；将所述图像进行特征聚类， 获取特征聚类后的图像；将所述特征聚类后的图像进行分割，得到二值图像，获取二值图像 中的目标区域；从所述目标区域中提取路面目标区域。
[0057] 由于现有技术从航拍图像中提取路面目标的处理过程依赖于内置的图像样本，若 所拍摄场景不在样本库中，则路面目标提取的精确性较差，不具有广泛适用性；且提取路面 目标的整体处理速度慢，不能够进行实时处理，给后续的车辆检测等应用造成了不便。
[0058] 本发明提供一种解决方案，使图像通过特征聚类、分割，快速获得二值图像中的目 标区域，提取联通区域，精准获得路面目标区域，提高了路面目标提取的精确性和处理速 度，为后续的车辆检测等应用提供了高质量的图像基础。
[0059] 参照图1，本发明图像处理方法第一实施例提供一种图像处理方法，所述图像处理 方法包括：
[0060] 步骤S10、获取拍摄的图像。
[0061] 本实施例方案主要应用于无人机航拍图像中路面目标的提取。其中，航拍图像以 无人机作为空中平台，控制机载设备，例如：高分辨率数码相机、轻型光学相机，拍摄地面图 像。
[0062] 作为一种实施方式，可以通过无线信号传输或卫星信号传输获取拍摄的图像，进 行实时处理；也可以通过读取无人机上的存储设备获取拍摄的图像，进行静态处理。
[0063] 步骤S20、将所述图像进行特征聚类，获取特征聚类后的图像。
[0064] 具体地，在获取到拍摄的图像后，首先，根据图像的颜色空间选择颜色特征组，用 以表征图像，得到颜色特征组。
[0065] 然后，获取图像的元素集合，计算得到元素集合的均值和元素集合的协方差矩阵 最大特征向量，其中，元素集合的协方差矩阵最大特征向量由元素集合的协方差矩阵计算 得到。
[0066] 之后，将颜色特征组、元素集合的均值和元素集合的协方差矩阵最大特征向量，代 入图像元素分配准则进行计算，获取特征聚类过程中每次聚类的图像元素分配准则；基于 该图像元素分配准则，并根据预设的图像颜色特征和预设的图像颜色特征数量，对元素集 合进行特征聚类；获取特征聚类后的图像，特征聚类后的图像