Page 202 - 《武汉大学学报（信息科学版）》2025年第9期

1930 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月

1 编码标志点的设计与识别 图 2（a）所示。无人机航测所获得的图像往往包
含由环境因素及传感器特性引起的噪声，因此对
1.1 编码标志点设计 灰度图像进行滤波和去噪十分关键。采用 3×3
本文将一种可自动识别的新型环形编码标 的高斯核对图像进行高斯滤波，这一方法可有效
志点用于高精度地表形变提取中。编码标志点 平滑图像、减少高频噪声。针对在强光条件下拍
由 三 大 核 心 部 分 组 成 ：一 个 醒 目 的 外 部 黑 色 大 摄的图像可能存在的在白色区域膨胀问题，利用
圆，作为整体标识的轮廓；一个带有编码条带的 侵蚀技术可有效收缩这些膨胀区域，预处理后的
内圆环，用以承载特定的身份信息；一个位于中 图像如图 2（b）所示。
心的内部白色小圆。对于编码位数为 n 的编码标 使用 Canny 边缘检测算法对图像中的轮廓进
志点，其内圆环被分割为 n 个等面积的部分，每个 行提取，所得编码标志点轮廓如图 2（c）所示。该
部分为白色或黑色，其中白色段表示二进制数中 算法可有效地识别并整合弱边缘和强边缘的位
的 1，而黑色段表示二进制数中的 0。从内圆环的 置关系，从而全面且详尽地提供整幅图像中的边
不同起点顺时针旋转可以获取不同的 n 位二进制 缘信息。对于 Canny 算法处理后的图像进行初步
序列，将其中最小的二进制序列转换为对应的十 筛选，并计算各轮廓的圆度和紧凑度，计算式为：
进制数值，该值为编码标志点的解码值。图 1 为 ì 4πS
ï ïr =
一个编码位数为 10 的编码标志点，其中 R1~R5 ï ï C 2
í （1）
表示不同部分的半径长度，半径之间的比例关系 ï ï c = 4S
ï
î
为 R1∶R2∶R3∶R4∶R5=1∶2∶3∶4∶5，这个比例可 ï ï ï πL 2
以根据实际应用场景的具体要求进行调整。此 式中，r 和 c 分别表示轮廓的圆度和紧密度；S 和 C
编码标志点的最小二进制序列 0000001001 对应 分别表示轮廓的面积和周长；L 表示轮廓区域的
的十进制数值为 9，即可确定该编码标志点的解 最长轴。完美的圆轮廓的圆度和紧凑度都为 1，
码值为 9。 基于这一特性，可通过设定合理的阈值将编码标
志点轮廓从众多轮廓中准确地区分出来。
对这些近似椭圆的轮廓，采用最小二乘法进
行椭圆拟合以优化其轮廓形态。随后对椭圆的
最小外接矩形进行等比例放大，并利用透视变换
将椭圆转换为标准圆，最终得到尺寸为 300×300
像素的正方形图像，如图 2（d）所示。计算拟合所
得标准圆的圆心与该图像中心之间的距离，滤除
距离大于设定距离阈值的图像。
图 1 编码标志点结构示意图
以拟合椭圆的中心为圆心，半径从 1 开始逐
Fig. 1 Structural Diagram of the Coded Target
渐增加，依次绘制拟合圆直至触及图像边缘。沿
1.2 编码标志点识别 各拟合圆的边缘进行环形采样，采样点的数量为
编码标志点的识别过程涉及图像预处理、轮 编码位数的 5 倍，通过对这些采样点的灰度值进
廓筛选、灰度筛选和解码定位 4 个核心步骤。首 行计算获取每个半径对应的灰度平均值。灰度
先，进行图像预处理操作以优化图像质量；其次， 值是衡量图像亮度差异的重要指标，数值范围设
基于周长、圆度等参数对从图像中提取的轮廓进 定 在 0~255 之 间 ，其 中 255 代 表 白 色 ，0 代 表 黑
行初步筛选；然后，依据拟合得到的椭圆中心点 色。图 3 展示了图 2 中编码标志点的灰度分布情
坐标和图像灰度值分布情况对图像进行精细筛 况。由编码标志点的图形特征可知：中心圆区域
选；最后，根据编码信息准确识别编码标志点的 （Ⅰ区）及最外环的外部区域（Ⅴ区）的灰度平均
身份信息并提取标志点中心点的像平面坐标，为 值均应近似于 255（白色）；编码环带两侧的环带
后续的地表形变提取提供关键的数据支持。 （Ⅱ区、Ⅳ区）灰度平均值则应近似于 0（黑色），而
为了提高图像质量，对原始图像进行预处理 编码环（Ⅲ区）的灰度平均值则应处于这两个极
是必不可少的环节。鉴于彩色图像中包含信息 端值之间。根据灰度分布差异，可清晰地区分编
量庞大，首先将彩色图像转换为灰度图像以提高 码标志点的各个部分，剔除那些未展现出相似灰
图像识别效率并减轻计算负载，转换后的图像如 度变化的图像。