[发明专利]无人机序列影像快速无缝拼接系统

说明书

技术领域

本发明涉及一整套无人机影像拼接处理流程，主要分为影像分块、图像匹配、拼接缝消除三个部分。

本发明提出一种新的误匹配剔除方法：在进行GPU-SIFT匹配之后会产生一些错误匹配点，从无人机遥感平台和自身序列影像特点着手，提出了一种基于“向量一致性”的误匹配剔除方法。

本发明还提出一种能快速的将拼接缝处错位现象自适应地分配给整个重叠区以达到视觉平滑过渡、无错位、无鬼影效果的拼接缝消除方法。

背景技术

作为一种新的遥感平台，无人机具有机动灵活、低成本、高分辨率、高时效、操作及维护简单等特点，在建筑物密集地区、危险作业区、地形复杂的丘陵及多云雾地区相对于常规的航空摄影测量方法具有更强的适应性。其应用范围也在持续拓宽，在国防、环保、救灾等方面，发挥着越来越重要的作用。但受自身遥感平台与其所搭载的非量测型传感器的限制，所获取影像数据有如下特点：

1)单张影像覆盖面积小，影像数量多；

2)几何畸变较大；

3)航向重叠度与旁向重叠度都很高。

目前无人机遥感影像的处理可分为两大类：一类是对无人机序列影像进行图像匹配后再融合、最后进行几何纠正处理，这是较为广泛的无人机影像处理方式，如天富勤公司提出的无人机影像处理方案。另一类是按照传统摄影测量影像拼接流程进行处理，这种方式对姿态参数的精度以及影像质量要求都比较高，处理结果精度受机身搭载设备影响较大，如王聪华等人提出的算法和开发的软件系统。这些都无法满足无人机影像快速拼接的需求，例如在突发自然灾害突发急需应急决策制定的情况下。由于传统的航空摄影处理流程受原始数据和效率限制并不适用于无人机影像的处理，因此，选用图像配准后再融合的方法是无人机影像快速无缝拼接首选方案。而在无人机影像快速无缝拼接过程中，选取一种合适的图像匹配算法是完成图像配准的关键。

图像匹配是指同一目标的两幅图像在空间位置上的对准。图像匹配技术在近几十年来一直是人们研究的热点，图像匹配技术应用十分广泛，如遥感影像立体观测、计算机视觉、运动分析、以及医学等领域。它可分为人机交互的半自动匹配和完全由计算机独立完成的全自动匹配。全自动匹配可划分为基于特征和基于灰度的两种方式。

基于灰度的图像匹配虽然匹配的精度比较高，但这种方式通常对灰度变化、图像几何变形及防射变形敏感，加之其计算复杂度高、耗时长。因此，一般较少被应用到实际工程当中。基于特征的图像匹配方法通常能够克服上述缺点。这种方式以匹配计算量少，匹配简单以及受旋转、平移、尺度变化影响较小和几乎不受光照条件影响等优点，在图像匹配领域得到了广泛的应用。

本文采用的SIFT(ScaleInvariantFeatureTransformation)是1999年由DavidLowe提出的，并在04年完善的一种基于尺度空间的局部特征描述算法。Mikolajczyk针对暴光强度、几何变形、运动模糊、压缩等情况，对十一种典型特征描述算法进行效果对比，结果显示SIFT算法性能最优。因此，综合考虑无人机影像特点，选用了对光照变化、图像旋转、缩放、仿射变形等情况都有较好抗性的SIFT算法。

无人机遥感影像具有数量多、几何畸变大、曝光不均匀等特点，这些问题导致无人机影像在拼接过程中会产生明显的拼接缝效应，拼接缝现象得不到有效的控制会导致连续拼接后产生明显的拼接错位、融合‘鬼影’现象。拼接缝消除算法是为了满足图像拼接的视觉要求，即拼接结果整体亮度、色调相一致，纹理清晰，便于目视判读。目前，在计算机视觉和摄影测量领域拼接缝消除的研究成果可分为两大类：一类是搜索拼接线，在航空摄影测量与遥感领域主要通过该方式消除拼接缝。另一类是图像融合，在计算机视觉领域主要是通过该方法消除拼接缝。

结合无人机影像数量多、几何畸变大、曝光不均匀等特点，上述算法应用在无人机影像的快速无缝拼接过程中要么运算量比较大，不能满足快速拼接的要求；要么受到几何畸变大、连续拼接产生累加误差的限制，缺乏一定实用性和灵活性。另外，上述算法在大量无人机影像连续拼接过程中，都会产生图像融合“鬼影”，这将直接影响拼接全景图的目视效果。因此，结合无人机影像自身特点，提出一种快速的拼接缝消除算法是保证无人机遥感平台能够发挥机动灵活优势的关键。

发明内容

本系统在无人机影像快速无缝拼接理论研究基础上，设计并开发了一套无人机影像快速拼接系统。该软件在window7环境下，以OpenCV2.0、GSL1.8、ArcEngine10.0开发包作为支撑，使用VisualStudio2010开发完成。该软件主要功能介绍如下：