一種基于衛(wèi)星影像的無人機影像快速概略拼接方法
【技術領域】
[0001] 本發(fā)明涉及航空攝影測量技術領域，具體涉及一種基于衛(wèi)星影像的無人機影像快 速概略拼接方法。
【背景技術】
[0002] 無人機遙感是一種低成本、高靈活度的遙感手段，已經被廣泛應用于工程勘察、城 市規(guī)劃、災害監(jiān)測和土地利用調查等方面，有效彌補了衛(wèi)星影像分辨率低、重訪周期長的缺 點。目前針對無人機影像拼接的方法主要有：基于P〇S(position and orientation system,定位定姿系統(tǒng))數(shù)據(jù)的拼接和基于特征的拼接。但是基于P0S數(shù)據(jù)的拼接必須有POS 數(shù)據(jù)的支持，目前多數(shù)無人機無法攜帶精確的P0S系統(tǒng)，尚不具備應用條件;基于特征的拼 接耗時長，且受影像的成像質量影響較大。
[0003] 基于特征的無人機影像快速拼接方法是目前研究的重要方向，其主要有兩種實現(xiàn) 路徑:一是對所有無人機影像提取特征點，對任意兩張影像進行特征點的匹配，進而完成影 像間的拼接;二是針對連續(xù)的無人機影像，僅對一張影像周圍的少數(shù)影像進行特征點的匹 配。路徑一可以適用于雜亂無序的無人機影像，但是由于特征點描述子具有較高的維度，任 意的兩兩匹配使計算效率較低。路徑二需要連續(xù)的無人機影像，針對補拍或漏拍等情況不 具有適應性，會造成計算失敗。

【發(fā)明內容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術的缺陷，提供一種基于衛(wèi)星影像的無人機影像快 速概略拼接方法，無需連續(xù)的無人機影像，其計算效率高、速度快、適用廣，拼接精度能夠滿 足影像后續(xù)處理的要求。
[0005] 為了解決上述現(xiàn)有技術的技術問題，本發(fā)明采用以下技術方案。
[0006] -種基于衛(wèi)星影像的無人機影像快速概略拼接方法，其特征在于，包括如下步驟：
[0007] 步驟1、使用無人機機載數(shù)碼相機對地面進行近似垂直攝影，獲取航攝區(qū)域的地面 場景的無人機影像;通過網(wǎng)絡獲取航攝區(qū)域的衛(wèi)星影像，用作無人機影像概略拼接的底圖； 通過獲取所述相機像元尺寸、鏡頭焦距以及飛行航高信息，計算得到無人機影像的航攝區(qū) 域的地面分辨率；
[0008] 步驟2、影像預處理，包括影像降采樣和雙邊濾波：用衛(wèi)星影像地面分辨率與無人 機影像地面分辨率的比值，作為無人機影像的降采樣比例，對無人機影像進行降采樣，使其 與衛(wèi)星影像具有近似相同的地面分辨率;并且，用濾波器對無人機影像和衛(wèi)星影像進行雙 邊濾波；
[0009] 步驟3、利用降尺度空間的SURF算法對無人機影像和衛(wèi)星影像進行特征點的提取： 由于無人機影像和衛(wèi)星影像具有近似相同的地面分辨率，所以僅需選用少量濾波器模板參 與特征點提取的計算；
[0010] 步驟4、進行歐氏距離匹配，并用模板匹配輔助優(yōu)選匹配點：利用歐氏距離對無人 機影像和衛(wèi)星影像的兩幅圖像中的特征點進行匹配，利用特征點主方向對衛(wèi)星影像進行旋 轉，消除影像間的旋角;然后在此基礎上，利用基于標準平方差的模板匹配方法加以輔助， 剔除誤差較大的匹配點，計算得到一對最優(yōu)匹配特征點；
[0011]步驟5、在所述的SURF算法中，提取的特征點具有坐標、尺度和方向等信息，利用所 述的一對最優(yōu)匹配特征點的像片坐標、尺度和方向信息，構建相似變換矩陣R，其矩陣計算 公式如下：
[0013]其中，S表示兩特征點尺度比值，Θ表示兩特征點主方向之間旋角，dx和dy分別表示 兩特征點在X方向和y方向的像片坐標之間的差；
[0014]以無人機影像的左上角為坐標原點，計算出該影像的四個頂點坐標，通過相似變 換矩陣求得所述四個頂點坐標在衛(wèi)星影像中的坐標(V 得到無人機影像的概略位置：
[0016]其中，R為相似變換矩陣，（X，y)為無人機影像中的四個頂點坐標；
[0017] 步驟6、將航攝區(qū)域內的所有無人機影像對衛(wèi)星影像進行配準，即可得到無人機影 像之間的方位信息，從而完成無人機影像的概略拼接。
[0018] 在所述步驟1中，利用以下計算公式獲取無人機影像的地面分辨率：
[0020] 其中，GSD為地面分辨率，單位是m，a為相機像元尺寸，單位是mm，H為攝影航高，單 位是m，f為攝影鏡頭焦距，單位是mm。
[0021] 在所述步驟2中，所述的影像降采樣，是指用衛(wèi)星影像地面分辨率與無人機影像地 面分辨率的比值，作為無人機影像的降采樣比例，對無人機影像進行降采樣，從而使其無人 機影像與衛(wèi)星影像具有近似相同的地面分辨率；
[0022] 所述的雙邊濾波，是指對無人機影像和衛(wèi)星影像進行雙邊濾波;雙邊濾波器不僅 考慮像素點鄰域的灰度相似關系，還需考慮像素點空間的鄰近關系。
[0023]在所述步驟3中，所述的利用降尺度空間的SURF算法對無人機和衛(wèi)星影像進行特 征點的提取，是指在使用SURF算法進行特征點檢測的過程中，為了保持特征點的尺度不變 性，需要構建多組、每組多層尺度空間分別提取特征點，即使引入盒狀濾波器仍然需要較大 的計算量，所以僅選用少量濾波器模板構建尺度空間，進而提取特征點。
[0024]所述步驟4的具體過程為：
[0025] (4-1)所述的利用歐氏距離對無人機影像和衛(wèi)星影像的兩幅圖像中的特征點進行 匹配，其歐氏距離的計算公式如下：
[0027]其中，d為歐氏距離，m表示無人機影像的一幅圖像，η表示衛(wèi)星影像的一幅圖像，F(xiàn)m 和Fn*別表示m和η兩幅圖像上的某個特征點的描述子，k表示特征點描述子所具有的維度， 和分別表示m和η兩幅圖像上的第i維向量的長度。
[0028] (4-2)如果最近距離比次近距離小于閾值，其中缺省值取0.7,則認為最近距離的 兩個特征點為一對匹配點，然后將所述的最近距離的兩個特征點及其最近距離與次近距離 的比進行記錄，并按照所述的距離比從小到大的原則，對匹配點進行排序；
[0029] (4-3)從上述排序的匹配點序列中按順序依次取匹配點，計算兩匹配點主方向之 間的旋角，對衛(wèi)星影像進行旋轉，消除兩張影像之間的旋角；取特征點周圍NXN像素的鄰 域，其中N取特征點尺度的5倍;采用標準平方差法進行模板匹配，并記錄下平方差系數(shù)，該 平方差系數(shù)越小，說明圖像的相似度越高;標準平方差系數(shù)R的計算公式如下：
[0031] 其中，T表示模板圖像，I表示原始圖像，X' 表示模板圖像中的坐標，x、y表示模 板圖像的移動步長;重復上述(4-3)過程，從匹配點序列中選取標準平方差最小的匹配點作 為最優(yōu)匹配點。
[0032] 與現(xiàn)有技術相比，本發(fā)明包括以下優(yōu)點和有益效果：
[0033] 1.本發(fā)明的一種基于衛(wèi)星影像的無人機影像快速概略拼接方法，是基于特征的無 人機影像快速拼接的一種改進方法，很好地克服了前述兩種基于特征拼接方法的缺點。該 方法以衛(wèi)星影像作為拼接底圖，經過一定的影像預處理，利用降尺度空間的SURF算法，并結 合基于標準平方差的模板匹配方法，是一種快速的、高適用性的無人機影像概略拼接方法。 [0034] 2.本發(fā)明不需要連續(xù)的無人機影像，能夠適用于補拍或漏拍等情況。
[0035] 3.無需P0S數(shù)據(jù)的支持且能夠滿足無人機影像后續(xù)處理的精度要求，而且速度快、 耗時短，擁有更廣泛的應用范圍。
[0036] 4.本方法降低了SURF(Speeded Up Robust Features)算法的尺度不變性，減少特 征提取的尺度圖層，使特征點的數(shù)目減少，加快了計算速度。
[0037] 5.本發(fā)明的實現(xiàn)過程完全是從算法底層開發(fā)，未使用Op