無人機影像拼接的幾點思考

■覃文柱

（四川省核工業地質調查院　四川　成都　610000）

無人機影像拼接的幾點思考

■覃文柱

（四川省核工業地質調查院四川成都610000）

無人機具有尺寸小、機動靈活及反應迅速等特點，在很大程度上彌補了航天遙感和航空遙感采集信息方面的不足。近年來，無人機遙感在應急救災、數字城市建設、電力巡線等方面有著廣泛的應用。但是，無人機遙感影像數據處理的發展還相對滯后，數據處理耗時較長、匹配精度不高、自動化水平不高及序列影像拼接誤差較大等，這在一定程度上影響了無人機遙感的應用。因此，無人機影像的數據處理變得十分需要。

巖無人機航拍影像重疊影像匹配影像拼接

無人機，即Unmanned Aerial Vehicle（UAV），是一種有動力、可控制、能攜帶多種任務設備、執行多種任務，并能夠重復使用的無人駕駛航空器[1]。將無人機與遙感技術相結合，即無人機遙感，它是利用先進的無人駕駛技術、遙感傳感器技術、通訊技術、GPS定位技術和遙感應用技術進行作業，獲取國土、資源、環境等空間信息，并進行遙感數據處理、建模和分析的應用技術。其具有高度自動化、高度智能化、實時性強、針對性強等優點，在軍事領域和民事領域中都有著廣泛的應用。

1　無人機航拍影像重疊

為了滿足無人機航拍數據處理的需要，在實際的無人機航拍過程中，航向和旁向重疊度以及數碼相機的曝光間隔等一般都高于規范要求，因此，不可避免地會出現數據冗余，后續計算量較大，耗時較長。

在無人機數據中，除了影像數據本身外，還包含了飛行速率、飛行航高以及覆蓋地表范圍等。通過這些參數信息，可以概略計算相鄰影像間的重疊度，根據實際要求，間隔選取其中的一些相片進行后續匹配及拼接處理，可在很大程度上節約處理時間。

2　無人機航拍影像匹配

無人機影像匹配主要分為基于灰度的匹配和基于特征的匹配兩大類，本文主要介紹基于特征的匹配方法。

特征匹配，即配準某些特征點、線和面的匹配方法。有時，特征匹配又可細分為“低級特征匹配”和“高級特征匹配”。總的來說，特征匹配的過程可分為三個階段：特征提取；特征描述；特征匹配。

（1）特征提取。采用一定的特征提取算法對遙感影像提取一定數量的特征點、線或面。在提取過程中，針對實驗不同目的，特征點的提取過程應有所差異。另外，針對遙感影像對應實地的地形地物情況，提取特征的分布也有所不同。

（2）特征描述。在獲得了影像的特征（包括特征點、線和面）之后，需要用一定的參數對特征進行描述。例如，在提取特征點時，點的位置、方向等可作為特征的描述參數。在提取特征區域（特征面）時，區域的周長、面積等參數都可作為特征的描述。

（3）特征匹配。特征匹配總的原則也是建立影像對之間的空間變換模型，利用變換參數對待配準影像進行坐標變換及灰度重采樣。

總的來說，利用影像金字塔對特征進行匹配是一種較佳的方式。對于每一特征，在金字塔頂層的搜索范圍根據先驗視差得出。在以后其它層內，只需在小范圍進行匹配搜索，直至到金字塔底層搜索完成，這在很大程度上提高了匹配的速度，在數據量較大的情況下十分實用。

3　SIFT算法影像匹配原理

3.1SIFT算法介紹

SIFT算子是計算機視覺領域十分著名的特征算子，它可用于模式識別和影像匹配。SIFT算子最早被Lowe于1999年提出（David G.Lowe，1999），Lowe在2004年對此算子做了全面的總結（David G.Lowe，2004），并正式提出了一種基于尺度空間的、對圖像縮放、旋轉甚至仿射變換保持不變性的圖像局部特征描述的算子（SIFT:Scale Invariant Feature Transform）。SIFT算子主要由以下幾個特點[1]：

（1）獨特性好，信息量豐富，特別適用于海量特征數據庫中的快速準確匹配；

（2）多量性，經優化的SIFT匹配算法可以產生大量SIFT特征向量；

（3）高速性，經優化的SIFT匹配算法可以達到實時的要求；

（4）可擴展性，可以很方便地與其它特征向量進行聯合。

3.2基于SIFT算法的無人機影像匹配思路

SIFT特征匹配的主要步驟如下六步：

（1）尺度空間的極值探測，在影像不同的尺度空間內探測極值點（非關鍵點）。

（2）關鍵點的精確定位，對于尺度空間的極值點，需對其進行去噪和去邊緣影響，并對關鍵點進行準確定位。

（3）計算關鍵點的主方向，利用梯度大小和梯度方向計算關鍵點的主方向和輔方向。

（4）關鍵點的準確描述，對關鍵點的位置信息、尺度信息方向信息進行準確描述，獲得關鍵點的描述向量。

（5）特征匹配，利用關鍵點描述向量，選取一定的相似性測度對特征進行匹配，建立空間變換模型。

（6）根據變換模型參數，對待配準影像進行坐標變換及灰度重采樣，完成拼接工作。

4　SIFT算法影像拼接實驗

4.1同名像點的提取

本實驗是利用Matlab R2008a軟件編寫程序進行，實驗數據采用我單位在某項目區所用的無人機影像數據Image1和Image2。同名像點的提取，參見圖1和圖2。

圖1　同名像點點位圖（Image1）

圖2　同名像點點位圖（Image2）

4.2影像的拼接

此步中除了包含上述Image1和Image2外，還多加了一張Image3。其中，Image2與Image3采用相同的同名像點提取方法獲得同名點對并擬合變換系數，最終Image1、Image1和Image3的拼接圖如圖3所示。

圖3　影像拼接圖

4.3實驗說明

影像Image1與Image2共提取同名像點14對，影像Image2與Image3共提取同名像點11對。從圖1及2可以看出，利用SIFT算法提取出的同名像點正確率較高（實驗通過加入了RANSAC算子消除了錯誤匹配點），最終拼接效果較好，驗證了SIFT算法拼接無人機遙感影像的有效性。

5　結論

綜上所述，簡要介紹了基于特征的無人機影像匹配原理；詳細介紹了利用SIFT算法對無人機遙感影像進行拼接處理過程。通過相應的實驗發現，利用SIFT算法對無人機遙感影像進行匹配效果較好（加入了RANSAC算子剔除錯誤匹配點），提取出的同名像點正確性較高，數量也滿足構建變換模型的要求，最終的拼接效果較好，驗證了此方法的可行性及有效性。

[1]魯恒,李永樹,何敬,任志明.無人機低空遙感影像數據的獲取與處理 [J].測繪工程. 2011（01）

P5[文獻碼]B

1000-405X（2016）-9-130-2