無(wú)人機(jī)影像拼接的幾點(diǎn)思考

■覃文柱

（四川省核工業(yè)地質(zhì)調(diào)查院　四川　成都　610000）

無(wú)人機(jī)影像拼接的幾點(diǎn)思考

■覃文柱

（四川省核工業(yè)地質(zhì)調(diào)查院四川成都610000）

無(wú)人機(jī)具有尺寸小、機(jī)動(dòng)靈活及反應(yīng)迅速等特點(diǎn)，在很大程度上彌補(bǔ)了航天遙感和航空遙感采集信息方面的不足。近年來(lái)，無(wú)人機(jī)遙感在應(yīng)急救災(zāi)、數(shù)字城市建設(shè)、電力巡線(xiàn)等方面有著廣泛的應(yīng)用。但是，無(wú)人機(jī)遙感影像數(shù)據(jù)處理的發(fā)展還相對(duì)滯后，數(shù)據(jù)處理耗時(shí)較長(zhǎng)、匹配精度不高、自動(dòng)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(wú)人機(jī)遙感的應(yīng)用。因此，無(wú)人機(jī)影像的數(shù)據(jù)處理變得十分需要。

巖無(wú)人機(jī)航拍影像重疊影像匹配影像拼接

無(wú)人機(jī)，即Unmanned Aerial Vehicle（UAV），是一種有動(dòng)力、可控制、能攜帶多種任務(wù)設(shè)備、執(zhí)行多種任務(wù)，并能夠重復(fù)使用的無(wú)人駕駛航空器[1]。將無(wú)人機(jī)與遙感技術(shù)相結(jié)合，即無(wú)人機(jī)遙感，它是利用先進(jìn)的無(wú)人駕駛技術(shù)、遙感傳感器技術(shù)、通訊技術(shù)、GPS定位技術(shù)和遙感應(yīng)用技術(shù)進(jìn)行作業(yè)，獲取國(guó)土、資源、環(huán)境等空間信息，并進(jìn)行遙感數(shù)據(jù)處理、建模和分析的應(yīng)用技術(shù)。其具有高度自動(dòng)化、高度智能化、實(shí)時(shí)性強(qiáng)、針對(duì)性強(qiáng)等優(yōu)點(diǎn)，在軍事領(lǐng)域和民事領(lǐng)域中都有著廣泛的應(yīng)用。

1　無(wú)人機(jī)航拍影像重疊

為了滿(mǎn)足無(wú)人機(jī)航拍數(shù)據(jù)處理的需要，在實(shí)際的無(wú)人機(jī)航拍過(guò)程中，航向和旁向重疊度以及數(shù)碼相機(jī)的曝光間隔等一般都高于規(guī)范要求，因此，不可避免地會(huì)出現(xiàn)數(shù)據(jù)冗余，后續(xù)計(jì)算量較大，耗時(shí)較長(zhǎng)。

在無(wú)人機(jī)數(shù)據(jù)中，除了影像數(shù)據(jù)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(guò)這些參數(shù)信息，可以概略計(jì)算相鄰影像間的重疊度，根據(jù)實(shí)際要求，間隔選取其中的一些相片進(jìn)行后續(xù)匹配及拼接處理，可在很大程度上節(jié)約處理時(shí)間。

2　無(wú)人機(jī)航拍影像匹配

無(wú)人機(jī)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(lèi)，本文主要介紹基于特征的匹配方法。

特征匹配，即配準(zhǔn)某些特征點(diǎn)、線(xiàn)和面的匹配方法。有時(shí)，特征匹配又可細(xì)分為“低級(jí)特征匹配”和“高級(jí)特征匹配”。總的來(lái)說(shuō)，特征匹配的過(guò)程可分為三個(gè)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(duì)遙感影像提取一定數(shù)量的特征點(diǎn)、線(xiàn)或面。在提取過(guò)程中，針對(duì)實(shí)驗(yàn)不同目的，特征點(diǎn)的提取過(guò)程應(yīng)有所差異。另外，針對(duì)遙感影像對(duì)應(yīng)實(shí)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(diǎn)、線(xiàn)和面）之后，需要用一定的參數(shù)對(duì)特征進(jìn)行描述。例如，在提取特征點(diǎn)時(shí)，點(diǎn)的位置、方向等可作為特征的描述參數(shù)。在提取特征區(qū)域（特征面）時(shí)，區(qū)域的周長(zhǎng)、面積等參數(shù)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(duì)之間的空間變換模型，利用變換參數(shù)對(duì)待配準(zhǔn)影像進(jìn)行坐標(biāo)變換及灰度重采樣。

總的來(lái)說(shuō)，利用影像金字塔對(duì)特征進(jìn)行匹配是一種較佳的方式。對(duì)于每一特征，在金字塔頂層的搜索范圍根據(jù)先驗(yàn)視差得出。在以后其它層內(nèi)，只需在小范圍進(jìn)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(shù)據(jù)量較大的情況下十分實(shí)用。

3　SIFT算法影像匹配原理

3.1SIFT算法介紹

SIFT算子是計(jì)算機(jī)視覺(jué)領(lǐng)域十分著名的特征算子，它可用于模式識(shí)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(duì)此算子做了全面的總結(jié)（David G.Lowe，2004），并正式提出了一種基于尺度空間的、對(duì)圖像縮放、旋轉(zhuǎn)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(gè)特點(diǎn)[1]：

（1）獨(dú)特性好，信息量豐富，特別適用于海量特征數(shù)據(jù)庫(kù)中的快速準(zhǔn)確匹配；

（2）多量性，經(jīng)優(yōu)化的SIFT匹配算法可以產(chǎn)生大量SIFT特征向量；

（3）高速性，經(jīng)優(yōu)化的SIFT匹配算法可以達(dá)到實(shí)時(shí)的要求；

（4）可擴(kuò)展性，可以很方便地與其它特征向量進(jìn)行聯(lián)合。

3.2基于SIFT算法的無(wú)人機(jī)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(cè)，在影像不同的尺度空間內(nèi)探測(cè)極值點(diǎn)（非關(guān)鍵點(diǎn)）。

（2）關(guān)鍵點(diǎn)的精確定位，對(duì)于尺度空間的極值點(diǎn)，需對(duì)其進(jìn)行去噪和去邊緣影響，并對(duì)關(guān)鍵點(diǎn)進(jìn)行準(zhǔn)確定位。

（3）計(jì)算關(guān)鍵點(diǎn)的主方向，利用梯度大小和梯度方向計(jì)算關(guān)鍵點(diǎn)的主方向和輔方向。

（4）關(guān)鍵點(diǎn)的準(zhǔn)確描述，對(duì)關(guān)鍵點(diǎn)的位置信息、尺度信息方向信息進(jìn)行準(zhǔn)確描述，獲得關(guān)鍵點(diǎn)的描述向量。

（5）特征匹配，利用關(guān)鍵點(diǎn)描述向量，選取一定的相似性測(cè)度對(duì)特征進(jìn)行匹配，建立空間變換模型。

（6）根據(jù)變換模型參數(shù)，對(duì)待配準(zhǔn)影像進(jìn)行坐標(biāo)變換及灰度重采樣，完成拼接工作。

4　SIFT算法影像拼接實(shí)驗(yàn)

4.1同名像點(diǎn)的提取

本實(shí)驗(yàn)是利用Matlab R2008a軟件編寫(xiě)程序進(jìn)行，實(shí)驗(yàn)數(shù)據(jù)采用我單位在某項(xiàng)目區(qū)所用的無(wú)人機(jī)影像數(shù)據(jù)Image1和Image2。同名像點(diǎn)的提取，參見(jiàn)圖1和圖2。

圖1　同名像點(diǎn)點(diǎn)位圖（Image1）

圖2　同名像點(diǎn)點(diǎn)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(diǎn)提取方法獲得同名點(diǎn)對(duì)并擬合變換系數(shù)，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(shí)驗(yàn)說(shuō)明

影像Image1與Image2共提取同名像點(diǎn)14對(duì)，影像Image2與Image3共提取同名像點(diǎn)11對(duì)。從圖1及2可以看出，利用SIFT算法提取出的同名像點(diǎn)正確率較高（實(shí)驗(yàn)通過(guò)加入了RANSAC算子消除了錯(cuò)誤匹配點(diǎn)），最終拼接效果較好，驗(yàn)證了SIFT算法拼接無(wú)人機(jī)遙感影像的有效性。

5　結(jié)論

綜上所述，簡(jiǎn)要介紹了基于特征的無(wú)人機(jī)影像匹配原理；詳細(xì)介紹了利用SIFT算法對(duì)無(wú)人機(jī)遙感影像進(jìn)行拼接處理過(guò)程。通過(guò)相應(yīng)的實(shí)驗(yàn)發(fā)現(xiàn)，利用SIFT算法對(duì)無(wú)人機(jī)遙感影像進(jìn)行匹配效果較好（加入了RANSAC算子剔除錯(cuò)誤匹配點(diǎn)），提取出的同名像點(diǎn)正確性較高，數(shù)量也滿(mǎn)足構(gòu)建變換模型的要求，最終的拼接效果較好，驗(yàn)證了此方法的可行性及有效性。

[1]魯恒,李永樹(shù),何敬,任志明.無(wú)人機(jī)低空遙感影像數(shù)據(jù)的獲取與處理 [J].測(cè)繪工程. 2011（01）

P5[文獻(xiàn)碼]B

1000-405X（2016）-9-130-2