[发明专利]基于多层感知机校正的快速拼接航拍图像的方法和系统

说明书

本发明公开了一种基于多层感知机校正的快速拼接航拍图像的方法和系统。对于每一幅航拍的正射图像，先基于位置、高度、横滚角、俯仰角、偏航角等信息直接进行粗配准，得到浮动图像与参考图像的单应矩阵，利用离线训练的多层感知机对该单应矩阵进行校正，基于校正结果使用渐入渐出算法对正射图像进行融合。本发明融合了位姿拼接法配准速度快的特点，以及特征点式方法配准精准度高的特点，增强了校正阶段的非线性拟合能力，提高了配准的精度，神经网络的应用减少了真值矩阵分解得到飞行参数以及飞行参数计算校正矩阵的过程，提高了配准速度，使用早停法训练多层感知机，可以防止网络过拟合并节省训练时间。

技术领域

本发明涉及计算机视觉图像配准领域，尤其是一种基于无人机位姿信息和多层感知机的图像分步拼接方法和系统。

背景技术

图像拼接，是计算机视觉领域中的一个基本问题，是目前的研究热点之一。其基本定义为，把无人机从不同视角、不同时刻采集的具有一定重叠率的多幅图像配准后，再无缝融合在一起，以形成视场更大的高分辨率图像。无人机的图像拼接广泛应用于城市规划、地图绘制、道路监视、灾难救援等领域。由于其智能性和重要性而受到了广泛关注。

图像配准是图像拼接的核心。图像拼接的过程近似为配准和融合两个步骤。图像配准的目标是找到浮动图和标准图之间的转换关系。融合经过变换后的浮动图与标准图，就可以得到拼合后的完整图像，整个过程用数学模型表示为：

I_1,2＝M(T(I₁),I₂)

式中I₁是浮动图，I₂是标准图，I_1,2是拼接后的完整图像，T表示转换操作，M表示融合操作。

无人机图像配准算法根据原理不同可以大致分为局部特征点式方法和空间信息式方法。局部特征点式方法的典型代表是SIFT、SURF、ORB，空间信息式方法的典型代表是位姿参数拼接法。局部特征点式方法通过搜寻并描述图像中的角点、斑点等局部特征，通过相似性判断待拼接图像之间的特征的匹配程度，从而得到转换矩阵。空间信息式方法通过地面控制点或地理参数，建立模型后直接计算得到转换模型。空间信息式方法中，有一种位姿参数拼接法，能够直接建立变换模型，直接进行图像配准。

尽管位姿拼接法具有实时性的优势，但无人机的测量参数对噪声敏感。噪声的来源包括但不限于：消费级无人机并未配备高精度GPS和IMU等装置，以及多旋翼无人机通常体积较小，抗风性和稳定性差，无人机在工作过程中会难以避免倾斜和抖动的情况。因此位姿数据拼接法的关键是得到精确的无人机机载参数，用于得到精确的拼接结果。测量参数存在误差，会导致拼接图像有错位鬼影，会严重影响完整图像的生成，导致信息失真。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于多层感知机校正的快速拼接航拍图像的方法和系统，提供一种实时性高、配准精确的图像拼接方案。

本发明采用的技术方案如下：

一种基于多层感知机校正的快速拼接航拍图像的方法，包括：

利用无人机连续采集多幅正射图像，对于每一幅正射图像，均执行以下步骤：

基于无人机位姿信息对正射图像进行粗配准的步骤；

利用多层感知机对粗配准的结果进行校正的步骤；

将校正后的正射图像拼接的步骤。

对正射图像的拼接，即为将当前的正射图像(即浮动图像)拼接到参考图像上。上述方法利用了位姿参数拼接法的特点，具有拼接实时性强的有点。同时利用机器学习对粗配准结果进行校正，使最终拼接结果具有配准精确的优点。

进一步的，所述基于无人机位姿信息对正射图像进行粗配准的步骤，包括：