无人机航拍图像自动拼接技术研究

发布时间：2020-05-23 23:29

【摘要】：无人机航拍图像自动拼接技术通过图像配准、图像融合等技术,将一组内容相关的无人机航拍图像自动拼接成一幅覆盖拍摄场景内容的大视图、高分辨率图像,在数字地图与虚拟环境生成、目标跟踪与无人机辅助导航、军事侦察、空中监测预警、灾害控制等方面具有重要的应用价值。本文针对无人机航拍图像自动拼接所涉及的关键技术进行深入研究,主要包括图像配准、参数估计与优化、图像融合三部分。图像配准作为图像拼接的基础,对图像拼接的速度以及拼接结果的精确度影响甚大。本文针对纹理特征较少的无人机航拍图像,研究了基于Log-Gabor变换的特征提取技术,并通过实验与SIFT特征提取算法进行对比,比较了对沙漠、草原等区域航拍图像的特征提取和配准效果。其次,本文提出了相邻关系确定再配准的多幅图像配准方法,该方法通过求解图像最大极值稳定区域进行特征提取,并采用SURF描述算子对提取的图像区域进行描述,初步粗匹配确定图像是否相邻,进而对相邻图像精确配准求取特征点对。由于这种基于区域的特征匹配算法具有较低的复杂度且提取的特征点数量较少,可以较快地判断出各图像间是否存在重叠区域,从而免除了不相邻图像间的精确配准,很大程度上减少了图像配准所消耗的时间。本文从计算机视觉的角度详细分析了无人机航拍中相机的成像原理,推导出简单高效的6-DOF相机成像模型,并使用该模型对图像进行参数估计。根据多幅航拍图像拼接中误差产生的原因,提出带约束项的参数优化模型。通过多组数据对比实验,验证了本文提出的6-DOF成像模型及带约束项的参数优化调整方法的可行性和高效性。使用缝合线对图像进行融合时,缝合线两侧图像容易出现局部不连续现象。针对这一问题,本文求解了用于缝合线搜索的最小连通子区域,并在该连通域内递归回溯搜索缝合线,消除视觉上的拼接“错位”现象,并且很大程度上提高了图像融合速度;其次,根据无人机航拍图像的拼接特点,将最小生成树的思想应用于缝合线搜索,求解最优路径。实验结果表明,相比于最大配准误差最小化的动态规划方法,本文提出的方法具有更好的拼接效果。
【图文】：

过程图,图像拼接,过程,图像配准

除错误的匹配特征点对；图像相邻关系确定，即图像重叠性关系检测；特征点配准；参数初始化估计以及全局约束校正。图1.1 图像拼接过程近些年来，针对不同的应用背景，相继提出了多种图像配准方法。根据图像配准的依据，配准方法主要有基于特征的配准方法[6]、基于区域配准方法[7][8][9]等。其中，基于特征的图像配准方法通常使用点、线等视觉特征作为图像配准依据[10][11]，或求解不变矩等计算特征进行配准，对图像形变、光照变化等情况具有良好的适应性，对图像缩放、旋转、甚至仿射变换保持较好的不变性。目前使用较为广泛的有尺度不变特征变换（Scale Invariable Feature Transformation, SIFT）[12][13]、加速稳健特征（SpeededUp Robust Features, SURF）[14]等。基于特征图像配准方法凭借自身优势，受到越来越多的研究人员的喜爱，纷纷使用其来完成图像配准工作[15][16]。基于区域的配准方法的典型算法有最大极值稳定区域（Maximally Stable Extremal Regions

极值,空间,特征点

为“○”的 26 个像素的函数值都小于或都大于标记为“×”号像素的函数值时，该点为一个局部极值点。图2.1 空间极值检测(2) 精确定位特征点。为提高关键点的稳定性，需要对 DoG 尺度空间函数进行拟合，展开成泰勒级数的形式，并保留二次以下的项得式(2-3)：( )221( , , ) , , .2TTD DD x y D x y x x xx xσ σ = + + (2-3)其中， ( , ,)Tx = x y σ表示插值前的极值点，插值后极值像素点偏移量 x 即可通过将式(2-3)对 x求导，并令导数等于 0 获得式(2-4)：2 12 .D Dxx x = (2-4)则 x + x 即精确定位的特征点。为增强后续匹配的抗噪声性和稳定性，，通过如下方式剔除对比度较低的特征点：对精确定位的特征点取模运算
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41

【参考文献】