本发明涉及图像处理，具体涉及一种无人机遥感测绘图像处理方法。
背景技术：
1、无人机遥感测绘技术具有体积小、时效性强、操作灵活和成本低等优点，被广泛应用于灾害监测和环境侦察等领域。然而，由于无人机存在飞行高度低、体积小、重量轻导致的抗风能力差和数码摄像头焦距不足等因素，所拍摄的图像往往存在噪声、亮度差异和色调差异等问题。尤其是噪声问题会大幅度影响图像的边缘和轮廓。此外，图像在传输和保存过程中也可能发生退化，影响图像质量。因此，在遥感图像的应用前，需要进行一系列预处理，以提高图像质量，满足后续分析和应用的需求。
技术实现思路
1、本发明为了解决以上问题，提出了一种无人机遥感测绘图像处理方法。
2、本发明的技术方案是：一种无人机遥感测绘图像处理方法包括以下步骤：
3、s1、采集无人机拍摄的遥感测绘图像，为遥感测绘图像的每行生成阶跃函数，确定对应的变化曲线；
4、s2、利用变化曲线，生成锐化内核；
5、s3、利用锐化内核对遥感测绘图像的像素点进行增强处理。
6、进一步地，s1包括以下子步骤：
7、s11、采集无人机拍摄的遥感测绘图像，构建测绘数据集；
8、s12、根据每个像素点的像素值属于测绘数据集的概率，生成对应的测绘是非值；
9、s13、根据每行像素点的测绘是非值，为每行生成阶跃函数；
10、s14、根据每行的阶跃函数值，生成变化曲线。
11、上述进一步方案的有益效果是：在本发明中，s14中，将遥感测绘图像的行数作为横坐标，将每行对应的阶跃函数值作为纵坐标的值，生成变化曲线。利用s11-s14的方法可以对遥感测绘图像的像素点进行有效分析，确定每个像素点的测绘是非值为0还是1，从而生成每行的阶跃函数，由此构建的变化曲线可以体现遥感测绘图像的像素值。
12、进一步地，s11包括以下子步骤：
13、s111、为遥感测绘图像的像素点构建第一深度空间向量、第二深度空间向量和第三深度空间向量；
14、s112、将像素点的每两个深度空间向量进行点积运算，并将进行点积运算后得到的三个运算值取均值，作为像素点的深度空间值；
15、s113、将所有像素点的深度空间值作为测绘数据集。
16、s112中，具体为：将第一深度空间向量和第二深度空间向量进行点积运算，得到第一运算值，将第二深度空间向量和第三深度空间向量进行点积运算，得到第二运算值，将第一深度空间向量和第三深度空间向量进行点积运算，得到第三运算值，将第一运算值、第二运算值和第三运算值进行均值运算，作为深度空间值。
17、进一步地，s111中，将像素点的红色强度和绿色强度拼接，作为像素点的第一深度空间向量，将像素点的红色强度和蓝色强度拼接，作为像素点的第二深度空间向量，将像素点的绿色强度和蓝色强度拼接，作为像素点的第三深度空间向量。
18、进一步地，s12中，像素点的测绘是非值的计算公式为：
19、；
20、式中，表示第个像素点的像素值属于测绘数据集的概率。
21、进一步地，s13中，第行阶跃函数的表达式为：
22、；
23、式中，表示第行中测绘是非值为1的像素点数量，表示第行中第1个测绘是非值为1的像素点的像素值，表示第行中第个测绘是非值为1的像素点的像素值，表示第行中第个测绘是非值为1的像素点的像素值，表示第行中测绘是非值为0的像素点数量，表示第行中第1个测绘是非值为0的像素点的像素值，表示第行中第个测绘是非值为0的像素点的像素值，表示第行中第个测绘是非值为0的像素点的像素值。
24、进一步地，s2包括以下子步骤：
25、s21、根据变化曲线生成锐化内核的尺寸；
26、s22、计算锐化中心值；
27、s23、将锐化中心值作为锐化内核对角线的值，将对角线以上的值设置为1，将对角线以下的值设置为-1，生成锐化内核。
28、上述进一步方案的有益效果是：在本发明中，过度的锐化可能会导致图像出现锯齿状边缘、噪声增加或色彩失真等问题。因此，在进行图像锐化时，需要根据具体情况选择合适的锐化方参数。锐化内核是一种特殊的矩阵，可以用于图像锐化操作。它通过对图像的每个像素及其邻域进行卷积运算，从而增强图像的边缘和细节，使图像看起来更加清晰和生动。本发明设定锐化内核是一个方阵，故先利用变化曲线确定方阵上对角线的值，将右上方的值设置为1，将左下方的值设置为-1。
29、进一步地，s21中，锐化内核的行数和列数相同；
30、所述锐化内核的行数的计算公式为：
31、；
32、式中，表示向上取整，表示遥感测绘图像中最大像素值的像素点横坐标，表示遥感测绘图像中最大像素值的像素点纵坐标，表示遥感测绘图像中最小像素值的像素点横坐标，表示遥感测绘图像中最小像素值的像素点纵坐标，表示遥感测绘图像的长度，表示遥感测绘图像的宽度。
33、进一步地，s22中，锐化中心值的计算公式为：
34、；
35、式中，表示变化曲线中第个极大值，表示第个极大值的横坐标减1对应的值，表示第个极大值的横坐标加1对应的值，表示变化曲线的极大值数量，表示变化曲线中第个极大值，表示第个极小值的横坐标减1对应的值，表示第个极小值的横坐标加1对应的值，表示变化曲线的极小值数量。
36、比如第4个极大值的横坐标为3，则应为横坐标为2对应的纵坐标值，应为横坐标为4对应的纵坐标值。
37、本发明的有益效果是：本发明提出了一种无人机遥感测绘图像处理方法，通过遥感测绘图像中像素点的红绿蓝分量确定测绘数据集，利用每个像素点与测绘数据集的关系确定每行的阶跃函数，由此生成变化曲线；利用变化曲线的特征参数生成特定的锐化内核，对图像进行锐化处理，其锐化参数根据图像具体情况而定，可以有效减少过度锐化可能导致的图像失真等问题；本发明可以通过增强遥感测绘图像中的边缘和轮廓，使增强遥感测绘图像看起来更加清晰，便于用户对图像进行进一步的分析处理。
1.一种无人机遥感测绘图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无人机遥感测绘图像处理方法，其特征在于，所述s1包括以下子步骤：
3.根据权利要求2所述的无人机遥感测绘图像处理方法，其特征在于，所述s11包括以下子步骤：
4.根据权利要求3所述的无人机遥感测绘图像处理方法，其特征在于，所述s111中，将像素点的红色强度和绿色强度拼接，作为像素点的第一深度空间向量，将像素点的红色强度和蓝色强度拼接，作为像素点的第二深度空间向量，将像素点的绿色强度和蓝色强度拼接，作为像素点的第三深度空间向量。
5.根据权利要求2所述的无人机遥感测绘图像处理方法，其特征在于，所述s12中，像素点的测绘是非值的计算公式为：
6.根据权利要求2所述的无人机遥感测绘图像处理方法，其特征在于，所述s13中，第行阶跃函数的表达式为：
7.根据权利要求1所述的无人机遥感测绘图像处理方法，其特征在于，所述s2包括以下子步骤：
8.根据权利要求7所述的无人机遥感测绘图像处理方法，其特征在于，所述s21中，锐化内核的行数和列数相同；
9.根据权利要求7所述的无人机遥感测绘图像处理方法，其特征在于，所述s22中，锐化中心值的计算公式为：
