一種基于特征優化的無人機遙感圖像拼接方法技術

本發明專利技術公開了一種基于特征優化的無人機遙感圖像拼接方法，包括如下步驟：獲取兩幅存在重合區域的無人機遙感圖像，進行圖像濾波、增強等預處理操作；利用Harris角點特征檢測對預處理后的實驗圖像進行特征提取，給提取到的Harris角點特征進行特征選擇，生成SIFT特征描述符，并以歐幾里得度量作為匹配相似度準則進行匹配；利用隨機抽樣一致性算法，即RANSAC算法，把配對錯誤的部分去除，提高匹配的正確率；對處理完之后的圖像融合部分用漸入漸出的圖像融合算法進行圖像融合，確保重合區域實現平滑過渡，生成最終的拼接效果圖。本發明專利技術結合了SIFT特征提取算法與Harris角點檢測算法的優點，提出新的改進特征檢測匹配算法，進一步優化了圖像的拼接效果。化了圖像的拼接效果。化了圖像的拼接效果。

【技術實現步驟摘要】
一種基于特征優化的無人機遙感圖像拼接方法


[0001]本專利技術屬于無人機遙感圖像信息采集應用領域，涉及無人機遙感和圖像拼接技術，具體涉及一種基于特征優化的無人機遙感圖像拼接方法。

技術介紹

[0002]遙感技術自20世紀60年代誕生以來，很快在全球范圍內得到廣泛應用。無人機遙感系統與其他獲取空間遙感信息的平臺或系統相比較，具有自動化、智能化、專題化、可快速獲取空間遙感信息及低成本、低損耗、風險小等諸多優勢。其應用領域已從早期的氣象、測繪、交通等方面擴大到軍事領域及處理突發事件等方面。在圖像信息采集方面，傳統的設備，例如航空拍照，衛星攝影等平臺，一直受限于尺寸較大，不靈活，成本高等因素的限制，而無人機遙感的產生正好彌補了這些缺陷。
[0003]21世紀初，無人機遙感技術的發展進入了一個新的階段，有相當廣闊的前景。但無人機遙感技術也有著限制其發展的因素，那便是受制于無人機的高度和相機視角的影響。無人機拍照獲取到的序列圖片視角較小，有時候往往為了獲取全局地理圖像信息，需要拍攝成百上千張的圖片，這就為后續的信息處理帶來很大困擾。對于這個問題的解決，圖像拼接技術起到了很重要的作用。圖像拼接是指將兩幅以上的序列圖像按照其公共部分進行重疊，得到一副新的圖像合集，拼接后的圖像不僅方便我們觀測地區的全局效果，同時還保留了原始圖像的細節信息，可以及時準確地對航拍信息進行宏觀認識和把握。因此如何實現對海量圖像數據的完美拼接，也逐漸成為無人機遙感圖像拼接領域的熱點問題之一。
[0004]而基于特征的方法在目前圖像拼接領域中應用最為廣泛。Chris Harris和Mike Stephens提出了著名的Harris角點檢測算法，通過自相關函數對角點進行提取，使之具備平移和旋轉的不變性，并且配準精度可以達到亞像素級。M. Brown和David G Lowe提出了經典的基于尺度不變特征變換（Scale Invariant Feature Transform，SIFT）的特征點檢測算法，并以此為基礎實現了數字圖像的拼接。因為SIFT算子的諸多優良特性使該算法對于圖像的旋轉、縮放和平移等變換保持不變性。該算法使數字圖像拼接技術再一次進入了研究熱潮，直至今天在圖像配準領域依然是研究熱點。Bay借鑒了SIFT算法中簡化近似的思想，引入積分圖像并將高斯二階微分模板進行了近似簡化，提出了SURF（Speeded Up Robust Features）算法。與SIFT算法相比，SURF算法在速度上要快3倍左右，但錯誤匹配點較多。
[0005]在國內，雖然圖像拼接技術起步較晚，但經過近些年來的努力探索依然取得了長足的進步。王小睿等提出了一種半自動的圖像配準算法，實現了高精度圖像的配準。張祖勛等提出了多級影像概率松弛的整體匹配技術，該技術主要對來自不同傳感器，并且具有不同分辨率的圖像完成快速配準。大連理工大學的封靖波等提出基于相似曲線的圖像拼接方法，該算法對匹配策略進行優化，減小了運算量。趙向陽、杜立民提出基于Harris角點檢測的一種圖像拼接算法，采用魯棒變換估計技術，提高了算法的穩健性。中國地質大學的潘舒放采用IDL語言處理影像，利用SIFT算法進行特征提取，最后采用最小二乘法進行圖像拼
接。邢誠等利用SIFT算法進行無人機遙感影像拼接，取得了良好的實驗結果。因此，將SIFT特征提取算法與Harris角點檢測算法結合起來進行研究具有重要意義。

技術實現思路

[0006]針對上述圖像采集中無人機遙感圖像的圖像拼接問題，本專利技術提供了一種基于特征優化的無人機遙感圖像拼接方法，充分利用無人機遙感圖像的特征點信息，提高特征匹配的正確率、穩定性，進一步優化圖像的拼接效果。
[0007]為實現上述目的，本專利技術提供如下技術方案：一種基于特征優化的無人機遙感圖像拼接方法，包括如下步驟：S1：輸入大小均為mxn的兩幅存在重合區域的無人機遙感圖像，基準圖α與配準圖β；S2：對原始的無人機遙感圖像進行圖像濾波、增強等預處理操作；S3：對預處理后的無人機遙感圖像進行Harris角點檢測，獲得圖像特征點；S4：對獲得的圖像特征進行特征選擇，尋找最優特征，剔除不相關或冗余的特征，以減少特征個數，提高匹配精度，減少運行時間；S5：使用S4中獲得的圖像特征點生成具備尺度不變性的SIFT描述符；S6：以歐幾里得度量作為匹配準則，計算兩組描述符之間歐幾里得距離，將距離最近的兩個描述符匹配起來；S7：用隨機抽樣一致性算法，即RANSAC算法，把配對錯誤的部分去除，提高匹配的正確率；S8：對處理完之后的圖像融合部分用漸入漸出的圖像融合算法進行圖像的融合，確保重合區域實現平滑過渡，生成最終的拼接效果圖。
[0008]進一步地，所述步驟S4中對獲得的圖像特征進行特征選擇、尋找最優特征、剔除不相關或冗余特征的具體操作如下：進行類似SIFT關鍵點選取，選取圖像中性質較為穩定，包含較多信息的特征點，而這些點通常都是極值位置。為了正確找到處于極值位置的特征點，劃分特征區域，對于圖像中的每一個區域的特征點都需要和它所有的相鄰點比較，如果它比周圍S個特征點都大，或者比周圍S個特征點都小，則這個點是極值點。若是最大值或最小值時，將其優選為局部特征點。
[0009]進一步地，所述步驟S5中利用步驟S4獲得的圖像特征點生成具備尺度不變性的SIFT特征描述符，具體操作如下：
??????
(1)其中表示像素在該位置上的模值，表示該位置上的梯度方向，L所在的尺度與每個優選特征點所在的尺度一致。在實際操作時，是統計以優選的特征點為圓心，以該特征點所在的高斯圖像的尺度的1.5倍為半徑的圓內的所有像素的梯度方向及其梯度的幅值，并作1.5倍的高斯濾波。其中梯度直方圖是在360度的范圍內，共36個柱，每個柱10
度，特征點的方向被形象化為直方圖的峰。另外，一個特征點不一定只能有一個方向，也可能有多個方向，因此可以產生多個特征描述子，但是其中只能有一個主方向，其他的都為副方向。構建具備尺度不變性的SIFT描述符，有4個參數，二維位置信息x和y，尺度和主方向，最后，生成的SIFT描述符是128維的向量。
[0010]進一步地，步驟S6以歐幾里得度量作為匹配準則，計算兩組特征描述符之間的歐幾里得距離，將距離最近的兩個描述符匹配起來，具體操作如下：
????????????????????
(2)其中表示描述符的歐幾里得距離，n表示圖像的維度，坐標表示基準圖α的描述符位置，坐標表示配準圖β的描述符位置，將歐幾里得距離最近的兩個描述符匹配起來，逐一完成特征匹配。
[0011]進一步地，步驟S7利用隨機抽樣一致性算法，即RANSAC算法，把配對錯誤的部分去除，提高匹配的正確率，具體步驟如下：A1：從實驗數據中隨機抽取4對匹配點對(至少3對匹配點不共面)計算幾何變換矩陣的參數；A2：對匹配點對進行幾何變換矩陣計算，得到的點對之間距離小于經驗閾值的匹配點為“內點”，否則為“外點”；A3：完全掃描匹配點對，若符合幾何變換矩陣內點的數量不小于閾值d，則用最小平方法本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于特征優化的無人機遙感圖像拼接方法，其特征在于，包括如下步驟：S1：輸入大小均為mxn的兩幅存在重合區域的無人機遙感圖像，基準圖α與配準圖β；S2：對原始的無人機遙感圖像進行圖像濾波、增強等預處理；S3：對預處理后的無人機遙感圖像進行Harris角點檢測，獲得圖像特征點；S4：對獲得的圖像特征進行特征選擇，尋找最優特征，剔除不相關或冗余的特征，以減少特征個數、提高匹配精度、減少運行時間；S5：使用S4優選的圖像特征生成具備尺度不變性的SIFT描述符；S6：以歐幾里得度量作為匹配準則，計算兩組描述符之間歐幾里得距離，將距離最近的兩個描述符匹配起來；S7：用隨機抽樣一致性算法，即RANSAC算法，把配對錯誤的部分去除，提高匹配的正確率；S8：對處理完之后的圖像融合部分用漸入漸出的圖像融合算法進行圖像的融合，確保重合區域實現平滑過渡，生成最終的拼接效果圖。2.根據權利要求1所述的一種基于特征優化的無人機遙感圖像拼接方法，其特征在于，所述步驟S4中對獲得的圖像特征進行特征選擇、尋找最優特征、剔除不相關或冗余特征的具體操作如下：進行類似SIFT關鍵點選取，選取圖像中性質較為穩定，包含較多信息的特征點，而這些點通常都是極值位置；為了正確找到處于極值位置的特征點，劃分特征區域，對于圖像中的每一個區域的特征點都需要和它所有的相鄰點比較，如果它比周圍S個特征點都大，或者比周圍S個特征點都小，則這個點是極值點；若是最大值或最小值時，將其優選為局部特征點。3.根據權利要求1所述的一種基于特征優化的無人機遙感圖像拼接方法，其特征在于，所述步驟S5中利用步驟S4獲得的圖像特征點生成具備尺度不變性的SIFT特征描述符，具體操作如下：
????
(1)其中表示像素在該位置上的模值，表示該位置上的梯度方向，L所在的尺度與每個優選特征點所在的尺度一致；在實際操作時，是統計以優選的特征點為圓心，以該特征點所在的高斯圖像的尺度的1.5倍為半徑的圓內的所有像素的梯度方向及其梯度的幅值，并作1.5倍的高斯濾波；其中梯度直方圖是在360度的范圍內，共36個柱，每個柱10度，特征點的方向被形象化為直方圖的峰；另外，一個特征點不一定只能有一個方向，也可能有多個方向，因此可以產生多個特征描述子，但是其中只能有一個主...

【專利技術屬性】
技術研發人員：郭交，程義，
申請(專利權)人：徐州飛夢電子科技有限公司，
類型：發明
國別省市：