[发明专利]一种基于双向点特征的UAV图像配准与拼接方法

说明书

本发明提供了一种基于双向点特征的UAV图像配准与拼接方法，采用FAST算法检测图像特征点，通过灰度质心法赋予特征点主方向，采用rBRIEF算法对特征点进行特征描述，生成特征描述子；采用双向匹配增加匹配点对或双向匹配筛选匹配点对；通过渐进采样一致性算法去除误匹配点对并拟合变换矩阵H的参数；通过得到的变换矩阵H对待配准图像进行投影变换，并通过双线性插值算法得到拼接图像。本发明保留了ORB较快的配准速度，并通过双向匹配与PROSAC算法对提取的特征点进行处理提高了配准精度。

技术领域

本发明属于图像处理领域，是一种将点特征提取与双向匹配相结合的图像配准与拼接方法，可对无人机图像进行有效且快速的配准和拼接处理。

背景技术

无人机遥感以其高机动性、高效率以及低成本的优势，逐渐被应用于地质灾害监测、农业监测和环境保护等重要领域，但由于受到无人机视角的限制往往不能通过单 一图像对研究区域进行完整的展示，在该情况下需要通过图像配准技术将存在重叠区 域的众多单一图像根据图像自身的特征信息联系到一起，并拼接为完整的场景图像， 以便科学研究的进行。因此无人机图像配准与拼接技术是无人机遥感得以发展的基础， 且无人机图像配准与拼接技术的处理效果将直接影响到无人机遥感在实际应用中的效 果，对无人机图像配准与拼接技术的研究具有很强的实践意义。

在于无人机遥感这一实际场景中，图像配准需要满足实时性的要求。如何在精度与实时性之间寻找平衡在实践中具有很强的研究价值。现有的点特征SIFT、SURF算 法具有良好的图像匹配效果，但需要耗费较大的运算量、运算速度缓慢，Ethan Rublee 于2011年提出的ORB(ORB:An Efficient Alternative to SIFT or SURF)算法运行速度非 常快，但是其精度上要低于SIFT与SURF，误配率很高。

发明内容

为了克服现有技术的不足，本发明提供一种基于双向点特征的UAV图像配准与拼接方法，在处理速度较快的ORB算法基础上加入两种双向匹配方法结合渐进采样一致 性算法(Progressive Sampling Consensus PROSAC)对无人机图像进行配准处理并得 到拼接图像，该方法一方面保留了ORB较快的配准速度，另一方面通过双向匹配与 PROSAC算法对提取的特征点进行处理提高了配准精度。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1，采用FAST算法检测图像特征点，通过灰度质心法赋予特征点主方向， 对于检测出的任意一个特征点(x,y)有其中，I(x,y)为点(x,y)处的灰 度值，u和v是灰度矩的阶数，而该特征点的质心将特征点与质心的夹 角θ视为特征点的主方向，即

采用rBRIEF算法对特征点进行特征描述，生成特征描述子f_n(p)；

构建矩阵构建变换矩阵用得到的旋转矩阵R_θ 对矩阵S进行变换，得到了新的特征描述矩阵改进后的描述子表示为g_n(p,θ)＝f_n(p)|(x_i,y_i)∈S_θ；

步骤2，采用双向匹配增加匹配点对或双向匹配筛选匹配点对；