CN109446896B - 基于图像处理的无人机信号识别检测算法 - Google Patents
基于图像处理的无人机信号识别检测算法 Download PDFInfo
- Publication number
- CN109446896B CN109446896B CN201811091126.9A CN201811091126A CN109446896B CN 109446896 B CN109446896 B CN 109446896B CN 201811091126 A CN201811091126 A CN 201811091126A CN 109446896 B CN109446896 B CN 109446896B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- signal
- image
- spectrogram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供基于图像处理的无人机信号识别检测算法,包括以下步骤:采集周围环境噪声以及多帧无线电信号,将采集到的无线电信号进行去噪处理,得到其三维频谱图;对去噪后的无线电信号进行均值滤波,得到均值滤波频谱图,对其进行直线检测,若检测到无人机信号,则通过无人机信号像素点横坐标确定无人机信号所对应的频段;截取无线电信号三维频谱图中无人机信号所对应部分,然后对所截取图像进行形态学处理,获取无人机信号对应区域重心,从而得到无人机信号强度值。本发明通过采集无人机无线链路特征进行检测,相比传统利用无人机目标反射面的有源雷达、基于无人机目标图像特征的光电***等,硬件设备更为简单,无线链路信号谱更易于检测与识别。
Description
技术领域
本发明属于无人机技术领域,具体涉及基于图像处理的无人机信号识别检测算法。
背景技术
科技进步促使无人机价格下降,无人机用户随之增多,全球无人机市场将在接下来十年平均每年成长40亿美元,达到930亿美元的规模,由此引发的安全问题也越来越不容忽视。2017年,全国范围内发生了多起无人机“黑飞”事件,国际上也发生了无人机入侵军事驻地的事件。无人机进入机场附近敏感区域、严重威胁航班起降安全,各地方机场都发布了禁飞令。在政策监管的同时,众多企业也在通过技术手段减少无人机“黑飞”带来的负面影响。
对无人机信号实现精确识别与检测,是监测和打击“黑飞”无人机的前提。无人机采用跳频通信***,可以考虑把传统的跳频信号检测方法应用于无人机信号的检测中。现有的跳频信号检测技术主要包括基于功率谱对消法、多跳自相关法以及多窗口重叠谱图法等,这些方法为非盲检测算法,需要一定的先验知识,在实际应用中使用局限太大。近年来,越来越多的基于图像处理的跳频信号盲检测算法逐渐被提出。目前基于图像处理类的跳频信号检测算法只针对于一般的跳频信号,并没有专门针对无人机信号的检测算法。
发明内容
本发明的目的是提供基于图像处理的无人机信号识别检测算法,通过采集无人机无线链路特征进行检测,提高无人机信号识别率。
本发明提供了如下的技术方案:
基于图像处理的无人机信号识别检测算法,包括以下步骤:
S1:采集周围环境噪声以及多帧无线电信号,将采集到的无线电信号进行去噪处理,得到其三维频谱图;
S2:对去噪后的无线电信号进行均值滤波,得到均值滤波频谱图,对其进行直线检测,若检测到无人机信号,则通过无人机信号像素点横坐标确定无人机信号所对应的频段;
S3:截取无线电信号三维频谱图中无人机信号所对应部分,然后对所截取图像进行形态学处理,获取无人机信号对应区域重心,从而得到无人机信号强度值。
优选的,所述步骤S2中的直线检测算法包括以下步骤:
S21:根据计算采集到的多帧数据平均值,得到其均值滤波频谱图;
S22:采用霍夫变换检测频谱图中是否含有代表无人机方波信号的直线,设定合理阈值排除噪声信号,从而准确检测出无人机信号;
S23:根据得到的无人机信号像素点横坐标,可以计算出无人机信号对应频段。
优选的,所述步骤S3包括以下步骤:
S31:若步骤S2结果为检测到无人机信号,则截取无人机信号所对应频段三维频谱图,然后对所截取图像进行二值化、开操作形态学处理,得到其连通区域;
S32:根据连通区域属性设定判别条件,舍弃面积过小的连通区域,提取保留下的连通区域重心,得到无人机信号对应区域重心,根据重心坐标,得到无人机信号强度值。
优选的,所述步骤S31包括以下步骤:
S311:对图像进行二值化:通过选取适当的阈值,将图像上的像素点的灰度值设置为0或255,使整个图像呈现出黑白的效果;
S312:对二值图像进行开操作,即先腐蚀运算再膨胀运算;
S313:对经过开操作的图像进行连通区域提取,得到其连通区域。
本发明的有益效果是:本发明利用无人机信号在图像方面的显著特征,使无人机信号变得易于检测与识别;本发明提出了基于图像处理的无人机信号检测识别算法,将信号处理与图像处理相结合,根据无人机信号区别与其他无线电信号的显著特征,从而提高无人机信号识别率:实测的识别结果表明,在进行图像处理时,采用合适阈值,无人机信号的识别率可达到95%以上。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的算法流程图;
图2是无线电信号三维频谱图;
图3是无线电信号均值滤波频谱图;
图4是公式(1)图形表示图;
图5是无人机信号霍夫直线检测结果示意图;
图6是无人机信号频谱图二值化、开操作结果示意图;
图7是4邻接连通区域提取示意图;
图8是8邻接连通区域提取示意图;
图9是无人机信号频谱图连通区域重心检测结果示意图。
具体实施方式
以2.4G频段无人机无线电信号为例,根据算法步骤流程,对无人机的无线电信号进行检测识别。
图1为本发明的算法流程图,本发明基于图像处理的无人机信号检测算法,通过无人机信号在图像方面的显著特征达到识别无人机信号的目的。
根据图1所示流程,本发明主要包含以下三个步骤:
S1:首先,采集周围环境噪声以及多帧无线电信号,将采集到的无线电信号进行去噪处理,得到其三维频谱图,图2为无线电信号三维频谱图,其中包含无人机信号;
S2:对去噪后的无线电信号进行均值滤波,得到均值滤波频谱图,对其进行直线检测,若检测到无人机信号,则可通过无人机信号像素点横坐标确定无人机信号所对应的频段;
S3:根据步骤S2中得到的无人机信号横坐标,截取图1中无人机信号所对应部分,然后对其进行形态学处理,获取无人机信号对应区域重心,从而得到无人机信号强度值。
具体的,步骤S2中的直线检测算法为:
S21:计算采集到的多帧数据平均值,得到均值滤波频谱图,图3为无线电信号均值滤波频谱图,其中包含无人机信号;
S22:采用霍夫变换(Hough transform)检测图3中是否含有代表无人机方波信号的直线,设定合理阈值排除噪声信号,从而准确检测出无人机信号;
步骤S22具体为:首先,对于处理一般图像,需要对图像进行边缘检测和二值化处理,霍夫变换的输入是黑白二值图像。
一条直线在图像中是一系列离散点的集合,通过一个直线的离散极坐标公式,可以表达出直线的离散点几何等式如下:
x*cos(theta)+y*sin(theta)=r(1)
其中角度theta指r与X轴之间的夹角,r为到直线几何垂直距离。任何在直线上点,x,y都可以表达,其中r,theta是常量,该公式图形表示如图3所示;
然而图像处理领域,图像的像素坐标P(x,y)是已知的,而r,theta则是我们要寻找的变量。如果我们能根据像素坐标P(x,y)值绘制每个(r,theta)值的话,那么就从图像笛卡尔坐标***转换到极坐标霍夫空间***,这种从点到曲线的变换称为直线的霍夫变换。变换通过量化霍夫参数空间为有限个值间隔等分或者累加格子。当霍夫变换算法开始,每个像素坐标点P(x,y)被转换到(r,theta)的曲线点上面,累加到对应的格子数据点,当一个波峰出现时候,说明有直线存在。
图5为对图3所示均值滤波频谱图进行霍夫直线检测后结果,经过设置直线斜率、两直线距离等阈值,可以准确检测到无人机信号;
S23:根据得到的无人机信号像素点横坐标,可以计算出无人机信号对应频段。
具体的,步骤S3的具体操作步骤为:
S31:截取图1中无人机信号所对应频段三维频谱图,然后对所截取图像进行二值化、开操作等形态学处理,得到其连通区域;
步骤S31具体为:
首先,对图像进行二值化:通过选取适当的阈值,将图像上的像素点的灰度值设置为0或255(黑为0,白为255),使整个图像呈现出黑白的效果。一般先将图像灰度化,再将灰度图像二值化,然后进行其他处理。
其次,对二值图像进行开操作:在图像处理领域,数学形态学有2个基本的运算,即腐蚀和膨胀。膨胀在数学形态学中的作用是把图像周围的背景点合并到物体中;腐蚀在数学形态学运算中的作用是消除物体边界点,它可以把小于结构元素的物体去除,选取不同大小的结构元素可以去掉不同大小的物体。
腐蚀的运算符为Θ,A用B来腐蚀,写作AΘB,定义为:
开运算就是先腐蚀再膨胀。用结构元B对图像A进行开操作表示为A°B,用集合运算定义如下:
最后,进行连通区域提取:在图像中,最小的单位是像素,每个像素周围有8个邻接像素。常见的邻接关系有两种:4邻接和8邻接,4邻接的一共有4个点,即上下左右,如图7所示;8邻接的一共有8个点,包括了对角线,如图8所示。本算法选取8邻接关系。
如果像素A与B邻接,那么我们称A与B连通。从视觉上来看,彼此连通的点形成了一个区域,而不连通的点形成了不同的区域,这样一个所有彼此连通的点构成的集合,我们称为一个连通区域。
图6为截取无人机信号三维频谱图并对其进行二值化、开操作等数学形态学处理结果示意图;
S32:根据连通区域属性设定判别条件,舍弃面积过小的连通区域,提取保留下的连通区域重心,得到无人机信号对应区域重心,根据重心坐标,得到无人机信号强度值,图9为对连通区域重心进行提取的结果,虚线框中标示的为连通区域。
本发明通过采集无人机无线链路特征进行检测,相比传统利用无人机目标反射面的有源雷达、基于无人机目标图像特征的光电***等,硬件设备更为简单,无线链路信号谱更易于检测与识别。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.基于图像处理的无人机信号识别检测算法,其特征在于,包括以下步骤:
S1:采集周围环境噪声以及多帧无线电信号,将采集到的无线电信号进行去噪处理,得到其三维频谱图;
S2:对去噪后的无线电信号进行均值滤波,得到均值滤波频谱图,对其进行直线检测,若检测到无人机信号,则通过无人机信号像素点横坐标确定无人机信号所对应的频段;
S3:截取无线电信号三维频谱图中无人机信号所对应部分,然后对所截取图像进行形态学处理,获取无人机信号对应区域重心,从而得到无人机信号强度值。
2.根据权利要求1所述的基于图像处理的无人机信号识别检测算法,其特征在于,所述步骤S2中的直线检测算法包括以下步骤:
S21:根据计算采集到的多帧数据平均值,得到其均值滤波频谱图;
S22:采用霍夫变换检测频谱图中是否含有代表无人机方波信号的直线,设定合理阈值排除噪声信号,从而准确检测出无人机信号;
S23:根据得到的无人机信号像素点横坐标,可以计算出无人机信号对应频段。
3.根据权利要求1所述的基于图像处理的无人机信号识别检测算法,其特征在于,所述步骤S3包括以下步骤:
S31:若步骤S2结果为检测到无人机信号,则截取无人机信号所对应频段三维频谱图,然后对所截取图像进行二值化、开操作形态学处理,得到其连通区域;
S32:根据连通区域属性设定判别条件,舍弃面积过小的连通区域,提取保留下的连通区域重心,得到无人机信号对应区域重心,根据重心坐标,得到无人机信号强度值。
4.根据权利要求3所述的基于图像处理的无人机信号识别检测算法,其特征在于,所述步骤S31包括以下步骤:
S311:对图像进行二值化:通过选取适当的阈值,将图像上的像素点的灰度值设置为0或255,使整个图像呈现出黑白的效果;
S312:对二值图像进行开操作,即先腐蚀运算再膨胀运算;
S313:对经过开操作的图像进行连通区域提取,得到其连通区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811091126.9A CN109446896B (zh) | 2018-09-19 | 2018-09-19 | 基于图像处理的无人机信号识别检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811091126.9A CN109446896B (zh) | 2018-09-19 | 2018-09-19 | 基于图像处理的无人机信号识别检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109446896A CN109446896A (zh) | 2019-03-08 |
CN109446896B true CN109446896B (zh) | 2021-08-17 |
Family
ID=65530489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811091126.9A Active CN109446896B (zh) | 2018-09-19 | 2018-09-19 | 基于图像处理的无人机信号识别检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446896B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652183B (zh) * | 2020-06-19 | 2022-03-29 | 桂林电子科技大学 | 基于图传信号多特征融合的无人机检测与识别方法 |
CN111722179A (zh) * | 2020-06-29 | 2020-09-29 | 河南天安润信信息技术有限公司 | 一种多点布设的无人机信号测向方法 |
CN115426002B (zh) * | 2022-06-15 | 2023-07-11 | 成都中星世通电子科技有限公司 | 基于时频分析的跳频信号检测与参数估计方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107204107A (zh) * | 2017-04-21 | 2017-09-26 | 杭州昊舜视讯科技有限公司 | 一种通过无人机实时传输频谱的方法和*** |
CN107993648A (zh) * | 2017-11-27 | 2018-05-04 | 北京邮电大学 | 一种无人机识别方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9576216B2 (en) * | 2014-11-07 | 2017-02-21 | The Boeing Company | Hyperspectral resolution using three-color camera |
-
2018
- 2018-09-19 CN CN201811091126.9A patent/CN109446896B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107204107A (zh) * | 2017-04-21 | 2017-09-26 | 杭州昊舜视讯科技有限公司 | 一种通过无人机实时传输频谱的方法和*** |
CN107993648A (zh) * | 2017-11-27 | 2018-05-04 | 北京邮电大学 | 一种无人机识别方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
《Detection and Tracking of a UAV via Hough Transform》;Chao Zhou,et al;《2016 CIE International Conference on Radar》;20161013;第1-4页 * |
《民用无人机反制技术研究》;吴小松,等;《监测检测》;20180331;第55-58页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109446896A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106548463B (zh) | 基于暗通道与Retinex的海雾图像自动去雾方法及*** | |
CN109446896B (zh) | 基于图像处理的无人机信号识别检测算法 | |
CN109785285B (zh) | 一种基于椭圆特征拟合的绝缘子破损检测方法 | |
Kang et al. | Pothole detection system using 2D LiDAR and camera | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
CN102855622B (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
CN102509291B (zh) | 基于无线网络视频传感器的公路路面病害检测及识别方法 | |
CN110660065B (zh) | 一种红外故障检测识别算法 | |
CN115409742B (zh) | 一种基于园林绿化的植被覆盖密度评估方法 | |
CN104601956A (zh) | 基于固定翼无人机的输电线路在线监测***及监测方法 | |
CN104112132A (zh) | 一种枪械编号自动识别方法 | |
CN110415208A (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
CN111222511A (zh) | 一种红外无人机目标检测方法及*** | |
CN110276787B (zh) | 基于标志物图像检测的导线舞动监测方法 | |
CN111667655A (zh) | 基于红外图像的高速铁路安全区入侵警报装置及方法 | |
CN116665080B (zh) | 基于目标识别的无人机劣化绝缘子检测方法及*** | |
CN102663385A (zh) | 一种星上点目标检测方法 | |
CN112861654A (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
CN115311623A (zh) | 一种基于红外热成像的设备漏油检测方法及*** | |
CN115841633A (zh) | 一种电力塔和电力线关联矫正的电力塔和电力线检测方法 | |
CN105427279A (zh) | 一种基于计算机视觉及物联网的草原旱情监测***和方法 | |
CN111079852A (zh) | 一种输电线路绝缘子覆冰厚度侦测方法 | |
Raikar et al. | Automatic building detection from satellite images using internal gray variance and digital surface model | |
CN115035350B (zh) | 一种基于边缘检测增强的对空地、地面背景小目标检测方法 | |
CN113762276B (zh) | 一种电力作业梯子角度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |