[发明专利]一种利用影像拓扑骨架的无人机影像快速匹配方法

说明书

技术领域

本发明属于影像拼接领域，特别是涉及到一种利用影像拓扑骨架的无人机影像快速匹配方法。

背景技术

近年来，无人机技术迅速发展，成为快速获取高分辨率遥感影像的有效手段^[1]。快速、准确的大场景影像拼接技术可为减灾应急、灾情分析等提供重要的决策支持。在国内外研究中，影像匹配是影像拼接的核心技术^[2]。根据匹配过程中所采用影像信息的差异，可以将其归纳为三类：一是基于灰度信息的方法；二是基于变换域的方法；三是基于特征匹配的方法。通常，基于灰度信息的方法，是指从影像中选择一小块区域，在另一幅影像中搜索具有同样大小的一块区域，使两者的相似度最高。该方法简单直观，发展成熟，但其对噪声和灰度差异缺乏鲁棒性，仅适用于轻微旋转和变形情况下的影像匹配^[2]；基于变换域的方法是先对影像进行一定变换之后再选取一定区域建立模板进行影像匹配；基于特征匹配的方法是指通过对影像特征进行参数描述，并运用这些参数来进行影像匹配的一种算法。1988年Harris提出了Harris角点检测算子，利用自相关函数确定角点位置，使提取的角点在平移和旋转方面保持不变^[3]；1999年D.L.David提出了基于SIFT(Scale Invariant Feature Transform)特征匹配算法，并在2004年对该算法进行了完善，该算法利用SIFT特征向量进行影像匹配，对影像间的平移、旋转、多尺度关系等多种几何变换关系都具有较高的鲁棒性，同时对噪声和光照变化也有很强的适应能力^[4]-[5]。

与传统航空影像相比，低空无人机影像具有如下特点：1)影像数量多，像幅小，航摄基高比小，影像比例尺不一致；2)影像分辨率高，地面特征丰富，畸变较大，影像间明暗对比程度不尽相同；3)航迹不规则，飞行器受偏向风干扰，预先定义的相邻影像之间关系不能严格保证，影像重叠率变化大^[6]；基于特征的匹配方法处理低空无人机影像序列具有明显优势。但是，与其他两种匹配方法一样，基于特征的匹配方法处理大数量影像集耗时明显，主要体现在计算相似度的过程，目标影像需遍历全局待匹配影像，冗余度高、耗时多，难以快速用于灾情的应急分析。低空无人机搭载的飞控系统可提供无人机的运动位置、姿态信息及相机参数，用于判断影像间的空间重叠关系。然而，灾情监测往往需要聚焦拍摄，航拍影像数量多，重叠度高，导致影像拓扑连接数过多；航线分布不均，局部区域航拍影像聚集，影像间存在严重的过匹配问题。因此，删减影像间的过重叠度，但不改变影像集的空间分布结构成为影像快速匹配的关键任务。

本发明针对无人机影像拼接的特点，设计了一种顾及影像重要性的拓扑骨架提取方法，并据此指导影像进行特征匹配。该方法明确并简化了影像集的拓扑结构，保持了整体影像集的空间分布情况，明确了影像匹配的映射关系，大幅提高了影像匹配的时间效率。同时，该方法根据影像重要性优化了影像拼接的优先顺序，使影像拼接的连续性更强，可满足大规模灾场快速影像拼接的应急需求。

参考文献

[1]Irschara A，Kaufmann V，Klopschitz M，et al.Towards fully automatic photogrammetric reconstruction using digital images taken from UAVs.In Proceedings of the ISPRS TC VII Symposium-100Years ISPRS，Vienna，Austria，5-7July 2010.

[2]韩文超，基于POS系统的无人机遥感图像拼接技术研究与实现[D]，南京：南京大学，2011.

[3]Harris C，StePhens M.A combined comer and edge detector.In Fourth Alvey Vision Conference，Manchester，UK，1988，pp.147-151.

[4]Lowe D.G.Object recognition from local scale-invariant features.In International Conference on Computer Vision，Corfu，Greece，1999，pp.1150-1157.