圖像配準技術在無人機領域的應用及展望

郭榮，李士心

天津職業技術師范大學

無人機采集數據圖像后，及時有效地分析圖像數據尤其重要。本文重點介紹圖像配準技術的相關方法，分析基于不同類型的圖像配準技術的差別和優勢，同時闡述圖像配準技術在無人機領域的應用。最后，分析無人機圖像配準技術面臨的挑戰，并展望未來圖像配準技術在無人機領域的應用前景。

無人機具有操控簡單，可以替代人員完成復雜任務等多種優勢，在不同領域的應用越來越廣。無人機最初被應用于軍事，并取得突出成效，目前在民用領域也擁有廣闊前景。小型無人機體積小、重量輕，可以接近被檢測的物體，從而獲得很高分辨率的圖像，對傳輸回來的圖像或數據進行分析處理，能得到滿意的圖像成果。無人機在安防監控、輸電線路巡檢、智慧農業等領域不斷拓展應用。

圖像配準技術是對基準圖像與待匹配圖像進行圖像映射，實現兩幅圖像在空間上的特征匹配，從而達到圖像配準的目的。圖像配準技術是目前圖像處理相關技術研究的重點，是進行圖像拼接、融合的基礎。在不同圖像之間，進行圖像配準是常用的手段，旨在分析圖像的基本信息和識別圖像之間的關聯，從而獲取目標信息。圖像配準技術的發展融合了諸多學科知識和理論研究成果，尤其是人工智能技術的發展，給圖像配準技術帶來了更加廣闊的應用前景。

如何提高圖像配準速度和準確率成為學者們研究的重點，特別是針對圖像數量大、有陰影遮擋等情況的圖像配準，需要開展諸多研究。在實際應用中，圖像配準技術也涉及各個領域。例如，在醫學圖像配準方面，為分析患者的狀況，常常需要采集患者的掃描影像，如通過X射線、MRI、CT和超聲等影像來判斷病情。通常情況是，獨立影像中的信息不明顯，需通過圖像配準技術，采用單模或者多模的方法來獲得額外的信息加以判斷病情。

本文分析了圖像配準的相關技術，并闡述無人機在相關領域的應用前景。最后，探討圖像配準技術在無人機領域的應用和展望。

圖像配準技術

根據不同的圖像信息處理方法，對圖像配準技術進行分類，對信息的識別獲取和分析來進行圖像配準。本節簡要介紹圖像配準的方法。

基于圖像灰度信息的配準方法

基于圖像的灰度信息作為匹配依據，找到基準圖像和待配準圖像之間對應點及周邊區域的相似度，在相似的基礎上進行定義，通過度量函數及相互匹配進行查找，最終找到一組或近似最優的參數實現圖像配準，這種配準方法也稱直接配準法。典型方法有互相關法和相關信息度量的方法，此類方法計算相對簡單，準確性依靠相似度量函數，運算量大，效率低，對基準圖像和待配準圖像的相似度要求較高。

基于圖像變換域內信息的配準方法

圖1 圖像配準技術是目前圖像處理相關技術研究的重點。

圖2 人工智能技術給圖像配準技術帶來了廣闊應用前景。

傅里葉變換的方法是圖像變換域配準的主要方法，在傅里葉變換中主要依靠圖像之中的相位變化，將圖像映射到頻率域中，再進行配準。該方法對于經過縮放、旋轉、平移過的圖像有較好的配準效果，而傅里葉變換法也是基于這些變換而實現。在實際應用中，此方法計算較為簡單且比較成熟，相較灰度信息的配準方法有一定的優勢。

基于圖像特征信息的配準方法

基于圖像特征的配準方法是目前較為常用的圖像配準方法，該方法利用計算機視覺及相關技術，提取圖像中的信息，然后判斷提取的點是否為圖像的特征點，再利用有效的特征點實現圖像配準。在圖像匹配中，可作為匹配特征的量有很多種，可以是點特征，區域特征或者線特征，對于有些圖像還可以通過紋理特征進行分析配準，在實際應用中較為廣泛，且準確率較高。

（1）基于特征點的匹配

特征點就是圖像中重要的節點、角點或極值點等，通過篩選有效的特征點可以對圖像中的信息進行充分的認識，從而進行圖像特征匹配。通常，使用特征點匹配得到的結果配準效率較高，準確度也更好。在圖像中較容易提取到特征點，但是所反映的相關信息量較少，所以在提取特征點時應尋找到可匹配的特征點。

（2）基于特征區域的匹配

基于特征區域的配準是以某像素點為中心，給定半徑來選取相應明顯的特征區域進行圖像配準。在實際應用中大多采用形心點，通常對特征區域的提取精度有較高要求。

（3）基于特征邊緣的匹配

兩幅圖像的邊界像素點的集合稱之為邊緣，一般邊緣的像素點存在較大梯度變化。邊緣像素點形狀各異，也可以將某些元素之間的交叉點看作邊緣。基于特征邊緣的匹配是將圖像中梯度變化較大的邊緣特征點提取出來，通過具體的算法描述因子對邊緣像素點進行處理。基于特征邊緣的匹配方法魯棒性較好，但對邊緣提取特征的要求較高，用數學方式表達和實際應用較為困難。

圖像配準技術在無人機領域的應用

無人機遙感配準技術是無人機監測的重要手段，是眾多應用的基礎。使用無人機采集圖像，然后利用圖像配準技術對拍攝的相關圖片及視頻進行分析處理，從而得到有效信息。目前，無人機遙感配準技術在國內外均被廣泛應用，發展迅速。

輸電線路巡檢應用

我國每年在電力行業投資巨大，而輸電設備的比重也在增加。傳統人工巡檢工作效率低，影響受損線路快速修復和正常運行。目前，無人機在輸電線路巡檢領域發揮了重要作用，使用人機配合的模式來巡檢輸電線路的運行情況，能及時有效處理線路故障。

數據的應用是遙感的最終目的，無人機采集圖像數據時，因為飛行高度較高且攝像頭拍攝的圖像數量較多，有些圖像像幅較小、重疊度高，導致圖像之間可能存在灰度、分辨率、位移和旋轉角度不同等問題。為充分準確利用采集到的圖像，可采用變化檢測，信息融合等方法，完成圖像在同一坐標系內對齊。因此，圖像配準是處理遙感圖像必不可少的技術。

當輸電線路發生較為嚴重的災情，通過無人機航拍采集圖像，如復雜交錯的輸電網和在不規則地形處的電纜容易產生非剛性畸變等圖像，容易造成技術人員對災情現場情況的誤判。為獲得更為準確的大范圍圖像，對整個災情有更加清楚的認識，使用無人機對災區進行大量的拍照和攝像，并實時將數據信息回傳給工作人員。通過相關軟件對圖像進行處理，利用圖像配準技術對輸電線路進行匹配分析，再進行圖像融合，得到整個災區的影像圖。工作人員分析無人機回傳的影像資料，利用圖像配準技術及時發現和處理潛在隱患，可以有效保障電力線路的維修和正常運行。

測繪工程應用

隨著經濟發展，城市建設取得了巨大成就，人民生活水平逐漸提高，城市地表時刻在發生變化，加快城市建設的測繪工作勢在必行。傳統的測繪作業，測繪問題復雜，耗時久，精度低等問題，影響測繪工作開展，且資源浪費較多。隨著遙感技術的發展，無人機測繪可以極大提高測量精度，不僅應用在城市建設的測繪，還在海岸地形、礦山、林業及災后重建等領域發揮了十分重要的作用。

圖3 傳統圖像配準技術的基本步驟實現圖像匹配。

圖4 圖像配準技術對不同信息進行識別獲取和分析。

無人機遙感技術是無人機搭載任務設備，到指定地點開展測繪作業，完成整個區域的數據采集和精準測量。利用無人機采集地面圖像時，由于地理環境較為復雜，且受外界環境如風力的影響，采集的圖像往往會出現噪聲、旋轉和尺度變化等現象。另外，無人機在不同時間點獲取同一地點的圖像時，其采集圖像的路線很難保證與前一次完全相同，拍攝的圖像會產生角度變化，且容易受光照強度的影響。因此，這類圖像不能直接進行區域的識別和提取，必須先采用圖像配準技術進行預處理，即進行同一坐標系的尺度變換。

在實際應用中，還可以對地表物體和空間進行實時監測，極大減少測繪工作人員的工作量。一般來說，無人機實時傳回的影像資料，還需要運用圖像特征表示、圖像配準及圖像融合等相關技術進行分析處理。無人機進行實地監測拍攝的圖像具有極高的真實性和準確性，避免因環境復雜危險而造成測繪人員難以測量的問題。

農業遙感應用

我國是農業大國，傳統的農田管理消耗較多的人力資源。從播種到收獲，農作物實時監測、施肥和澆水等農業活動需要消耗大量的人力物力。無人機技術不斷發展，其在農業領域的應用越來越廣泛。無人機圖像配準技術是圖像處理的基礎，涉及變化檢測、圖像融合和圖像拼接等技術，在農業遙感領域發揮著巨大作用。

在農業監測領域，利用無人機對農作物長勢、植被覆蓋率、病蟲害的發生和土壤溫濕度等進行圖像采集。無人機搭載攝像機和光譜成像儀等設備，可采集大范圍圖像信息。由于無人機在航拍過程中容受風力等環境變化的影響，導致獲取的圖像成像范圍較小，為保證測繪區域的完整性，需回傳的圖像往往要達上千幅之多。要獲取整個目標區域的信息就必須將多張遙感圖像進行融合與拼接，合成一幅完整的全景圖像。在進行圖像融合與拼接時，必須對圖像進行精確的圖像配準，刪除誤匹配點。以航拍方式獲得的農作物圖像，能從一定程度上反映農作物的生長狀況，進而做出后續的工作安排。同時，也能預估其產量。因此，無人機遙感技術對農作物種植信息的監測具有重要意義。

挑戰與展望

雖然無人機圖像配準技術的理論和方法比較成熟，但實際應用中仍存在較多問題與挑戰。無人機拍攝圖像和視頻時，因為像素分辨率高且采集數據量大，對圖像處理技術提出了更高的要求。目前，無人機遙感圖像配準技術存在以下問題。

圖5 無人機電力巡檢紅外熱成像圖及時發現故障。

圖6 無人機測繪圖像具有極高的真實性和準確性。

圖7 無人機采集農作物長勢、植被覆蓋率、病蟲害等圖像。

圖8 基于神經網絡的圖像配準回歸網絡可以有效減少匹配步驟。

首先，圖像配準技術雖取得較快發展，但一種算法只對某種圖像適用，不能對所有圖像進行高效處理，且遙感圖像的配準算法更加復雜。目前幾乎所有的圖像配準算法只能配準一種或者幾種特定類型的圖像對，還沒有一種圖像配準算法能夠配準各種不同類型的圖像對。較多圖像匹配算法還需要人為干預進行參數設定，易受噪聲及人工選擇精度的影響。目前，國內外專家均通過改進現有算法來實現精度的提高，但實際應用中卻任重而道遠。

其次，利用小型無人機采集圖像時，如精度不高、搭載設備多和容易造成抖動等問題，在復雜環境下容易受空間區域分布及航拍視角的影響。無人機應向重量更輕、多樣化任務載荷和高度自動化的方向發展。

圖9 基于強化學習的圖像配準算法可以實現更加復雜的圖像匹配。

目前，很多學者將深度學習與無人機遙感技術相結合，在遙感圖像處理方面取得了突出成果。利用深度學習處理無人機目標識別數據的難點，對監測的樣本數據進行學習和增強等，可以極大地改善數據量大和分析不準確的問題，使無人機做出更有效的判斷，從而提高監測效率。無人機遙感技術融合深度學習是未來發展的趨勢，深度學習可以使機器更加智能，從而更好地判斷目標，獲得更加可靠的信息。

圖像配準技術的發展日新月異，無人機與圖像配準技術的密切結合，使無人機在更多領域大放異彩，應用更加成熟。