[发明专利]一种无人机航拍序列图像快速拼接方法

摘要

本发明属于图像处理领域并公开了一种无人机航拍序列图像快速拼接方法，一、建立关键帧的间距模型；二、建立卡尔曼滤波器模型；三、预测匹配特征点集中心点；四、以中矩阵区域进行SIFT搜索、特征匹配、RANSAC算法特征提纯；五、计算特征集的中心点，并进行卡耳曼滤波模型更新；根据特征集KEY1和特征集KEY2的特征匹配对数N进行关键帧提取时间的调整；六、将特征集KEY1和特征集KEY2中的特征点进行映射，并计算投影变换矩阵；七、进行优化处理便得到经拼接后完整的图像。本发明方法稳定性和拼接效果好、冗余消息低、拼接时间短、拼接效率高，与无人机配合使用可广泛引用于军事侦察、抗灾救灾、森林火灾监测、遥感遥测等领域。

主权项

1.一种无人机航拍序列图像快速拼接方法，其特征在于，包括如下步骤：步骤一：首先，设第k次拼接的两幅图像为Mi和Mj，其中j＞i，Tk为图像Mi和图像Mj的帧间距，Tk＝j‑i；然后，建立下一次用于拼接的关键帧Mm与Mj间距模型：Tk+1＝Tk+(N‑ρ)/(avk)，其中N为Mi与Mj匹配特征点数，ρ为预设最佳拼接特征数，Vk为飞行速度，单位为像素/帧，a为可调参数；步骤二：设第k次由图像RMk‑1和Mj拼接的拼接结果为RMk,(Ck,xCk,y)分别为RMk‑1的匹配特征点集中心点的图像中的坐标位置，(C′k,xC′k,y)分别为Mj的匹配特征点集中心点在图像中的坐标位置，并建立卡尔曼滤波器模型：状态方程：Xk＝Φk/k‑1Xk‑1+Wk‑1；观测方程：Zk＝HkXk‑1+Uk；其中，Xk‑1表示RMk‑1和Mj的匹配特征点集中心点的状态向量，Φk/k‑1为从k‑1时刻到k时刻系统的状态转移矩阵，表示从第k‑1次拼接到第k次拼接抽取的视频图像关键帧的采样时间间隔，Hk为投影变换矩阵，Wk‑1和Uk分别为零均值的系统噪声向量和观测向量；步骤三：根据步骤二建立的卡尔曼滤波器模型，由PMSk‑2(x，y)和PMSk‑1(x，y)预测得到第k次待拼接的两幅图像RMk‑1和Mj的匹配特征点集中心点PMSk‑1(x，y)和PMk(x，y)；步骤四：预设特征搜索区域占原图像的比率λ，则在以PMSk‑1(x，y)为中心的矩阵区域和以PMk(x，y)为中心的矩阵区域中进行SIFT搜索、特征匹配、RANSAC算法特征提纯，最终得到匹配的特征集为KEY1和特征集KEY2；步骤五：根据步骤四得到的特征集KEY1和特征集KEY2计算特征集的中心点PMS′k(x，y)和PM′k(x，y)，并进行卡耳曼滤波模型更新；根据特征集KEY1和特征集KEY2的特征匹配对数N进行关键帧提取时间Tk+1的调整；步骤六：将特征集KEY1和特征集KEY2中的特征点映射到RMk和Mj中，计算投影变换矩阵Hk；步骤七：对RMk‑1和Mj拼接后的图像进行优化处理后得到图像RMk便得到经拼接后完整的图像。