基于無人機測繪的復(fù)雜地形圖像特征提取方法

王亞妮，周銀朋

（1.西安文理學(xué)院生物與環(huán)境工程學(xué)院，陜西 西安 721001；2.貴州省地礦局測繪院，貴州貴陽 550018）

為了更加形象地反映地表的形態(tài)特征，引入了地表特征點這一評價指標(biāo)，地表特征點可實現(xiàn)復(fù)雜地形的多層次表達。隨著圖像處理技術(shù)的不斷發(fā)展，復(fù)雜地形圖像特征提取對地表的分析和研究意義較為重大[1-2]。基于無人機測繪的圖像特征點可以很好地保持復(fù)雜地形拓?fù)涞耐暾裕鶕?jù)這些圖像特征點，采用無人機測繪技術(shù)構(gòu)建地形拓?fù)渚W(wǎng)絡(luò)，從而對復(fù)雜地形的圖像特征進行提取。但圖像特征點的采集具有很強的不確定性，導(dǎo)致復(fù)雜地形圖像特征無法準(zhǔn)確提取，使圖像特征灰度值和實際值吻合度較低[3]。

針對這一問題，國內(nèi)外學(xué)者進行了相關(guān)的研究。其中，有學(xué)者提出一種基于高度差的地形圖像特征提取方法，該方法從地形拓?fù)浜喕矫鎸Φ匦螆D像特征進行提取，精確地反映了地形圖像特征點的控制區(qū)域，并為復(fù)雜地形的圖像特征提取提供數(shù)據(jù)源，降低了復(fù)雜地形圖像特征點的偏差，但該方法提取的復(fù)雜地形圖像特征數(shù)據(jù)精度不高，并且沒有解決圖像特征灰度值和實際值吻合度較低的問題[4-5]。

為了解決上述方法中存在的問題，該文提出了基于無人機測繪的復(fù)雜地形圖像特征提取方法。該方法首先對復(fù)雜地形的圖像特征進行了多閾值計算，然后基于多閾值計算結(jié)果對圖像特征進行提取，最后通過實驗研究，驗證了該文所提方法的使用效果。

1 復(fù)雜地形圖像特征多閾值計算

復(fù)雜地形圖像特征點一般穩(wěn)定性較差，且圖像特征點的邊界較為模糊。為了提升其穩(wěn)定性并使圖像特征點的邊界變得清晰，采用隨機森林算法和圖像分類方式對復(fù)雜地形的圖像特征設(shè)定多個閾值，根據(jù)閾值的變化范圍和圖像特征邊界特點，對圖像特征多閾值進行計算，將復(fù)雜地形圖像特征的邊界按照模糊程度建立圖像特征灰度空間，在圖像特征灰度空間內(nèi)采集圖像灰度數(shù)據(jù)，將圖像灰度數(shù)據(jù)和設(shè)定的圖像特征閾值代入高斯函數(shù)中，獲得較為簡單的圖像特征閾值，即：

式中，xmm為復(fù)雜地形圖像特征的灰度值，xT為圖像特征閾值的變化區(qū)間，Qmn表示得到的特征閾值[6-7]。

根據(jù)復(fù)雜地形圖像灰度數(shù)據(jù)變化范圍定義地形圖像特征的模糊矩陣，降低由于復(fù)雜地形圖像灰度數(shù)據(jù)發(fā)生變化而產(chǎn)生的信息損失，獲得變化范圍較為清晰的地形圖像灰度數(shù)據(jù)。由于復(fù)雜地形圖像特征灰度等級較高，需要將地形圖像閾值當(dāng)作一個未知的閾值變量，并對其進行約束設(shè)定，從復(fù)雜地形圖像的特征點中，選取多個不同地形圖像模糊點，計算圖像模糊點中圖像像素的特征閾值函數(shù)，如式（2）所示：

式中，u1和u2分別為復(fù)雜地形圖像閾值T在圖像特征閾值變化區(qū)間的最大灰度值和最小灰度值；w1和w2分別為復(fù)雜地形圖像灰度值與地形圖像閾值的差值和平均值；v為整個復(fù)雜地形圖像特征信息的灰度值總和。其特征值指數(shù)如圖1 所示。

圖1 特征值指數(shù)

根據(jù)高斯函數(shù)計算地形圖像最優(yōu)閾值，根據(jù)最優(yōu)閾值設(shè)定圖像特征波動閾值，對最優(yōu)閾值和地形圖像特征波動閾值進行最大類間方差求值，根據(jù)求值結(jié)果計算灰度數(shù)據(jù)變化范圍內(nèi)，圖像特征中心點與臨近點的幾何中心值，如果幾何中心值與復(fù)雜地形圖像特征閾值相差較大，需要采用自適應(yīng)平滑方法對復(fù)雜地形的圖像進行平滑處理，獲得地形圖像收縮差；如果幾何中心值與復(fù)雜地形圖像特征閾值相差較小，則需要提取地形圖像特征點的極大點，并對其進行有限離散，有限離散后產(chǎn)生的有限離散數(shù)據(jù)可作為地形圖像特征的離散數(shù)據(jù)；如果幾何中心值與復(fù)雜地形圖像特征閾值相等，則選取地形圖像特征點中任意兩點的函數(shù)值將其代入二階可微函數(shù)中進行求值，從而獲取最優(yōu)地形圖像多閾值[8-9]。

2 復(fù)雜地形圖像特征點的無人機提取

借助上述得到的復(fù)雜地形圖像特征多閾值，提取圖像特征點。首先，檢測復(fù)雜地形圖像的特征點邊界，獲得目標(biāo)圖像特征點的邊界線，當(dāng)?shù)匦螆D像像素點比較模糊時，閉合當(dāng)前圖像特征點的邊界線，借助地形圖像的像素點和最優(yōu)的復(fù)雜地形圖像多閾值，獲取圖像特征點偏差，將圖像特征點偏差控制在標(biāo)準(zhǔn)范圍內(nèi)，提高復(fù)雜地形圖像的清晰度以及圖像特征灰度值和實際值的吻合度[10-12]。

采用無人機測繪技術(shù)對復(fù)雜地形的圖像特征點進行表述時，表述的復(fù)雜地形圖像特征點中具有較多精度較高的三維數(shù)據(jù)，由于復(fù)雜地形圖像清晰程度無法保持穩(wěn)定，所以，對圖像特征點的提取消耗的時間較長。為了縮短圖像特征點的提取時間，并提升復(fù)雜地形圖像的清晰度，采用圖像處理技術(shù)將三維地形圖像處理成二維灰度圖像，借助無人機測繪技術(shù)實現(xiàn)復(fù)雜地形的快速測量和繪制[13]。圖像處理過程如圖2 所示。

圖2 圖像處理過程

二維灰度圖像將有限離散數(shù)據(jù)網(wǎng)格化后，地形圖像灰度級別將有所變化，原始的地形圖像灰度級別范圍為0～125 級，網(wǎng)格化處理后，地形圖像灰度級別范圍將變成0～80 級，網(wǎng)格化后地形圖像清晰度會有所提升，使地形變化凸顯得愈加明顯，當(dāng)?shù)匦巫兓墑e最高時，80 級的灰度地形圖像能夠很好地保證復(fù)雜地形的精度。為了獲得最優(yōu)復(fù)雜地形精度，將復(fù)雜地形圖像的灰度值作為網(wǎng)格大小，即：

網(wǎng)格定義完成后獲得復(fù)雜地形圖像，提取圖像中能夠反映地物起伏的地形圖像特征點。提取時，根據(jù)SIFT 算法判斷所提取的圖像特征點的多量性和仿射變換性，如果多量性較高，則需要根據(jù)噪聲來源消除地形圖像特征點中的邊緣響應(yīng)，再利用相鄰圖像特征點之間的角度差值建立模糊圖像特征點空間，通過模糊圖像特征點空間將復(fù)雜地形圖像按照其獨特性和圖像尺度分成大小不同的地形圖像，通過高斯金字塔將較大的地形圖像拆分成高斯差分地形圖像，提取高斯差分地形圖像中的局部極值點，根據(jù)局部極值點的分布情況，將高斯差分地形圖像與原始復(fù)雜地形圖像進行結(jié)合，獲得結(jié)合后的地形圖像，結(jié)合后的地形圖像中的特征點極值檢測較為容易，在地形圖像中的位置更容易被發(fā)現(xiàn)，且地形圖像特征點的可靠性較高，分布較為均勻，完成了對復(fù)雜地形圖像特征點的提取[14-16]。

3 實驗研究

為了驗證該文提出的基于無人機測繪的復(fù)雜地形圖像特征提取方法的實際工作效果，將基于高度差的地形圖像特征提取方法與該文提取方法進行實驗對比。實驗中，采用Windows 11 操作系統(tǒng)，開發(fā)環(huán)境為vc.net。為了更清晰地采集復(fù)雜地形的圖像，采集圖像的攝像頭像素為200 dpi。

實驗中選擇250 幀的地形圖像進行對比實驗，利用粒子群算法對復(fù)雜地形圖像特征進行閾值設(shè)定，獲得華二階可微函數(shù)，完成對復(fù)雜地形圖像的多閾值優(yōu)化，優(yōu)化結(jié)束后完成對復(fù)雜地形圖像特征點的提取，分析優(yōu)化后的地形圖像特征多閾值，獲得地形圖像灰度值，將地形圖像灰度值與實際值進行對比，結(jié)果如圖3 所示。

圖3 地形圖像灰度值實驗結(jié)果

通過對比結(jié)果可知，采用該文提取方法對地形圖像特征進行閾值優(yōu)化，得到的灰度值與實際值吻合度較高，說明地形圖像特征提取效果較好，而采用基于高度差的地形圖像特征提取方法對地形圖像特征進行閾值優(yōu)化，得到的灰度值與實際值吻合度較低，說明提取效果較差。

為了更為精確地對比出不同提取方法的提取精度，在對復(fù)雜地形圖像進行多閾值對比后，需要計算地形圖像灰度值的網(wǎng)格大小。分別采用該文提取方法和基于高度差的地形圖像特征提取方法進行灰度值網(wǎng)格誤差率對比，選擇150 幀的復(fù)雜地形圖像樣本10幅，進行8次對比實驗，分別選取2、4、6、8次實驗數(shù)據(jù)進行灰度值網(wǎng)格誤差率對比，對比結(jié)果如圖4所示。

圖4 灰度值網(wǎng)格誤差率實驗結(jié)果

由對比結(jié)果可知，該文提取方法的灰度值網(wǎng)格誤差率較低，基于高度差的地形圖像特征提取方法的灰度值網(wǎng)格誤差率遠(yuǎn)遠(yuǎn)高于該文方法的灰度值網(wǎng)格誤差率，且灰度值網(wǎng)格誤差率一直處于波動狀態(tài)，驗證了該文方法更具有可行性。

基于兩種不同提取方法的灰度值網(wǎng)格誤差率對比結(jié)果，進行提取精度對比實驗，對比結(jié)果如圖5所示。

圖5 提取精度實驗結(jié)果

由圖5 對比結(jié)果可知，該文方法的提取精度較高，且隨著灰度值網(wǎng)格誤差率的增大沒有出現(xiàn)任何的波動，處于較為穩(wěn)定的狀態(tài)，說明該文方法能夠精確地提取復(fù)雜地形圖像的特征，而基于高度差的地形圖像特征提取方法的提取精度較低，即使灰度值網(wǎng)格誤差率下降，提取精度沒有得到提高，且一直呈下降趨勢，不能精確地提取復(fù)雜地形圖像的特征，驗證了該文方法的有效性。

4 結(jié)束語

該文提出的基于無人機測繪的復(fù)雜地形圖像特征提取方法優(yōu)于基于高度差的地形圖像特征提取方法，該文方法的灰度值與實際值吻合度較高，且提取精度更高，證明了該文方法的提取效果較好，且具有一定可行性。