[发明专利]以局部保持配准的鲁棒弹性模型无人机图像拼接方法

摘要

本发明公开了一种以局部保持配准的鲁棒弹性模型无人机图像拼接方法，本发明使用引导局部保持匹配(GLPM)来有效地去除异常值并保留局部特征，然后应用具有简单径向失真函数(RBF)的薄板样条(TPS)模型，接下来，通过全局单应性作为全局相似变换的源图像被投影到变形图像上。实验结果表明，本发明的方法是稳健的并且通用的，可以有效消除视差，并且可以处理复杂的局部失真。

主权项

1.一种以局部保持配准的鲁棒弹性模型无人机图像拼接方法，其特征在于，包含如下步骤：S1、获取一组待配准的具有重叠部分的无人机图像，共N张图像，N为大于或等于2的正整数；S2、分别对各组具有重叠部分的两张无人机图像建立局部保持匹配；其中，对于任意两张具有重叠部分的无人机图像的建立局部保持匹配的建立过程包括：S21、根据SIFT特征描述符提取出待配准的两个具有重叠部分的无人机图像I_i及图像I_j的一组M个假定特征对应其中x_i和y_i是表示特征点的空间位置的2‑D向量，M为大于1的正整数，图像I_i表示参考图像，图像I_j表示与参考图像有重叠部分的拼接图像；S22、利用下述公式作为成本函数进行配准，得到最佳内点集Γ^*＝{i|p_i＝1，i＝1，...，M}，以及与最佳内点集Γ^*对应的最佳内点配准集P^*＝{p_i，j，k＝(x_i，j，y_i，j)^T，q_i，j，k＝(x_j，i，y_j，i)^T}，i＝1、…、N‑1，j＝i+1、…、N，k＝1、…、n_i，j，n_i，j表示图像I_i及图像I_j之间的总匹配点数，T表示转置；其中，C(Γ；S，λ)表示成本函数，Γ是未知的内点集合，d表示欧几里得德距离，权重系数λ＞0，与表示点x_i与y_i的邻域，p_i的含义为：S3、利用鲁棒弹性性质的薄板样条模型消除所述N张图像的视差影响，消除时，任意具有重叠部分的两张图像I_i及I_j的消除方法如下：S31、根据下述公式，求出x方向的投影误差函数g_i，j(x，y)的最优解其中，第一项是对齐项，第二项是平滑项，其中λ＞0来平衡两项，φ_i，j＝|x_i，j‑p′_i，j|ln|x_i，j‑p′_i，j，k|是鲁棒弹性翘曲的参数，p_i，j，k′＝(x_i，j′，y_i，j′)表示参考图像I_i上的点p_i，j，k根据单应性矩阵H在图像I_j的对应点；参数w_i，j＝(ω₁，...，ω_n)^T和a_i，j＝(α₁，α₂，α₃)^T被下面线性系统计算得：其中C_2，2＝8π，P＝(p′₁，…，p′_n)^T，p′_k＝p′_i，j，k，k＝1，2，3，...，n；S32、采用与步骤S31同样的方法，求出y方向的投影误差函数h_i，j(x，y)的最优解S33、对于在图像I_i任意一个q₀＝(x₀，y₀)^T，得到它在变形图像的对应点q＝(x，y)^T，接下来利用上述等式进行更新与最佳内点集Γ^*对应的最佳内点配准集P^*，得到新的P^*＝{p′_i，j，k＝(x_i，j，y_i，j)^T，q′_i，j，k＝(x_j，i，y_j，i)^T}，i＝1，...，N‑1，j＝i+1，...，N，k＝1，...，n_i，j；S4、将消除视差影响后的所述N张图像进行全局投影性保持：通过最小化以下等式解得全局相似变换S：其中S的形式为将全局单应性和全局相似变换结合，通过下述H_j将所有的图像I_j进行卷绕到参考图像I_i中，从而实现全景图像拼接：H_j＝μ_hH+(1‑μ_h)H_s其中H_j表示第j个图像的单应性矩阵，μ_h表示权重因子。