[发明专利]一种基于图像筛选的全景图像拼接方法

说明书

本发明公开了一种基于图像筛选的全景图像拼接方法，该方法包括以下步骤：根据图像间的相似度矩阵提出图像筛选算法，将冗余图像移除出原始图像组；基于筛选后的图像组的权重矩阵，求出最优基准图像，确定拼接序列并对筛选后的图像组进行分组，分为多个小图像组；小图像组与小图像组之间先进行相似变换，获取初始化的配准参数，然后根据拼接序列，相邻图像间在透视约束下通过单应性模型对初始化的配准参数进行细化。本发明通过无人机对目标区域采集到的多幅具有重叠区域的图像进行筛选，将冗余图像移除出图像组，最终通过筛选的图像组拼接出目标区域的全景图像。

技术领域

本发明涉及全景图像拼接领域，尤其涉及一种基于无人机对目标区域采集多幅具有重叠区域图像，进行基于图像筛选的全景图像拼接技术。

背景技术

无人机遥感是一种新的遥感手段，因其具有高效，灵活，快速，低成本以及高分辨率等特点，近年来呈现出了良好的发展势头。但是，由于无人机遥感平台在航拍过程中，受到飞行高度以及相机焦距等限制，所获取的单幅图像范围较小，往往无法覆盖整个所需区域，因此将获取的多幅小视角的遥感图像拼接成一副大视角的全景图像成为一门重要的技术。

全景图像拼接可以将多幅相邻的小视角图像拼接成大视角的全景图像。图像拼接是通过投影扭曲(例如圆柱、球面或透视)将所有图像映射到一个公共坐标系上。由于镜头的不规则移动，图像间存在一定的视差，拼接后的全景图片几乎不可避免地存在局部拼接精度不够(图1(a))和全局形变积累严重等问题(图1(b))。

为了提升拼接质量，Konolige et al^[1]提出使用光束平差法来进行全局优化，该算法可以使全局重投影误差降至最小。为了避免非线性优化，Kekec et al^[2]采用仿射模型来初始化对齐并且采用单应性模型来进行全局优化。随着拼接图像的增多，透视形变的积累会越来越多，为了避免这个问题，Caballero et al^[3]提出根据图像的配准质量对图像采用分层模型进行配准，该模型对大视差图像配准具有较小的自由度，该算法的本质是在提高配准精度和降低形变积累之间获得一个权衡。

对于大视角图像拼接问题，利用图像间的拓扑关系来提高图像的拼接质量也是一种非常高效的方案。为了高效的估算图像间的拓扑关系，Elibol et al^[4]采用了粗略的特征点匹配结合最小生成树的算法来检测图像间的重叠关系。关于基准图像的选择，Richardet al^[5]表明最合适的选择是最靠近全景图像中心的图像，因为中心图像到达其他所有图像的平均最短路径最短，这样可以使形变积累达到最少。为了实现这一算法，Choe et al^[6]通过图论的算法选出了最优基准图像，但前提是需要提前计算每一对图像间的形变误差。M.Xia et al ^[7]提出了一个配准模型，先通过仿射模型进行初始化配准，然后相邻图像间再通过单应性模型对参数进行细化。

上述方法可以将多幅图像拼接成一幅完整的全景图像，但是随着拼接数量的增多，数据会出现冗余，产生很多不必要的计算。

发明内容

本发明提供了一种基于图像筛选的全景图像拼接方法，本发明通过无人机对目标区域采集到的多幅具有重叠区域的图像进行筛选，将冗余图像移除出图像组，最终通过筛选的图像组拼接出目标区域的全景图像，详见下文描述：

一种基于图像筛选的全景图像拼接方法，所述方法包括以下步骤：

根据图像间的相似度矩阵提出图像筛选算法，将冗余图像移除出原始图像组；

基于筛选后的图像组的权重矩阵，求出最优基准图像，确定拼接序列并对筛选后的图像组进行分组，分为多个小图像组；

小图像组与小图像组之间先进行相似变换^[9]，获取初始化的配准参数，然后根据拼接序列，相邻图像间在透视约束下通过单应性模型^[10]对初始化的配准参数进行细化。