CN116228539A - 一种无人机遥感图像拼接的方法 - Google Patents

Abstract

本发明涉及一种无人机遥感图像拼接的方法，包括：采集无人机遥感图像，对所述无人机遥感图像进行预处理；对预处理后的所述无人机遥感图像进行特征提取，获取最优特征；对预处理后的所述无人机遥感图像进行图像配准，根据所述最优特征对匹配结果进行融合，并对融合结果进行质量评价。本发明提供一种无人机遥感图像拼接的方法，可精确地配准图像，减小拼接误差，做到无缝拼接，过渡自然。

Description

一种无人机遥感图像拼接的方法

技术领域

本发明涉及图像处理技术领域，特别是涉及一种无人机遥感图像拼接的方法。

背景技术

无人机作为一种新兴的航空遥感平台，具有高效、灵活、快速、低成本的特点，机上搭载的数码相机、数码摄像机可以获取高分辨率影像。无人机遥感是一种新的遥感手段，应用领域广泛，包括农业、林业、电力、国土资源、城市规划等,由于无人机遥感平台在航拍过程中，受到飞行高度和相机焦距等的限制，获取的影像存在航高低、像幅小的特点，无法反映拍摄区域的整体情况，往往不能满足地面对信息的需求和应用，特别是应急救灾时。

现在的无人机遥感图像拼接过程是先进行飞行轨迹规划，让无人机沿着规划的飞行轨迹采集图像，然后再对采集的图像序列进行拼接。当采集到的图像序列中有不符合拼接要求或图像序列并没有完全覆盖规划区域时，则利用无人机沿着以前规划的飞行轨迹再次采集图像，然后将两次采集的图像合并进行拼接，这导致工作量大，图像大量重复，拼接效率低。

发明内容

本发明的目的是提供一种无人机遥感图像拼接的方法，可精确地配准图像，减小拼接误差，做到无缝拼接，过渡自然。

为实现上述目的，本发明提供了如下方案：

一种无人机遥感图像拼接的方法，包括：

采集无人机遥感图像，对所述无人机遥感图像进行预处理；

对预处理后的所述无人机遥感图像进行特征提取，获取最优特征；

对预处理后的所述无人机遥感图像进行图像配准，根据所述最优特征对匹配结果进行融合，并对融合结果进行质量评价。

可选地，对所述无人机遥感图像进行预处理包括：

基于直方图匹配法对所述无人机遥感图像进行辐射矫正，通过图像重采样对辐射校正后的所述无人机遥感图像进行几何矫正。

可选地，获取所述最优特征包括：

对预处理后的所述无人机遥感图像进行Harris角点检测，获得图像特征点，对所述图像特征点进行特征选择，获取所述最优特征，并剔除不相关或冗余的特征。

可选地，对预处理后的所述无人机遥感图像进行图像配准包括：

基于所述无人机遥感图像对应的经纬和偏航角信息，计算地理坐标投影信息，并按照拼接策略选取预处理后的所述无人机遥感图像，根据所述地理坐标投影信息进行图像配准，获取配准图像，即所述匹配结果。

可选地，根据所述最优特征对匹配结果进行融合包括：

建立匹配数据集，基于所述最优特征构建相似性评估指标，筛选出所述匹配集中的匹配点，基于所述匹配点计算变换矩阵；

通过加权平均融合方法，结合所述变换矩阵对所述配准图像进行融合，实现无人遥感图像的拼接。

可选地，建立所述匹配数据集包括：通过采用查询索引KD树方式，建立一对多的所述匹配数据集。

可选地，对所述融合结果进行质量评价包括：

基于所述边缘差分谱评价法对所述融合结果进行质量评价，获取质量评价结果，预设评价阈值，若所述质量评价结果小于评价阈值，则计算所述融合结果的重叠区域位置，并去除所述配准图像的重叠区域位置，将重叠区域位置后的所述配准图像再次进行融合，若所述质量评价结果大于评价阈值，则不做处理。

可选地，对所述融合结果进行质量评价前包括：

检测融合完成后的所述配准图像是否覆盖所有的规划区域，若存在未覆盖的空白区域，则在融合完成后的所述配准图像中将空白区域及其附近的部分遥感图像截取出来，基于截取出来的所述遥感图像与所述无人机遥感图像做匹配运算，找出匹配率最高的所述无人机遥感图像并计算截取出来的所述遥感图像的地理坐标投影信息，根据截取出来的所述遥感图像的地理坐标投影信息，对所述无人机遥感图像进行再次采集，将再次采集到的所述无人机遥感图像替换对应的所述无人机遥感图像，再次进行图像配准和融合。

本发明的有益效果为：

本发明通过无人机遥感图像拼接的方法，可精确地配准图像，减小拼接误差，做到无缝拼接，过渡自然，并通过对拼接结果进行检测与质量评价，避免了对有效图像的重复采集和拼接，减少工作量的同时提高图像的拼接效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的一种无人机遥感图像拼接的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，一种无人机遥感图像拼接的方法，包括：采集无人机遥感图像，对无人机遥感图像进行预处理；对预处理后的无人机遥感图像进行特征提取，获取最优特征；对预处理后的无人机遥感图像进行图像配准，根据最优特征对匹配结果进行融合，并对融合结果进行质量评价。

对无人机遥感图像进行预处理包括：基于直方图匹配法对无人机遥感图像进行辐射矫正，通过图像重采样对辐射校正后的无人机遥感图像进行几何矫正，具体为：

由于无人机体积小，重量轻，受气流影响较大，稳定性和抗风能力较差，飞行姿态倾斜、抖动现象难以避免，这些都会对获取的遥感图像产生直接的影响，导致图像发生畸变。通过像点坐标变换、图像重采样等对畸变图像进行几何校正，以消除几何畸变对图像的影响，满足图像配准的需要。

获取最优特征包括：对预处理后的无人机遥感图像进行Harris角点检测，获得图像特征点，对图像特征点进行特征选择，获取最优特征，并剔除不相关或冗余的特征，具体为：Harris角点检测利用移动的窗口在图像中计算灰度变化值，其中主要流程包括转化为灰度图像、计算差分图像、高斯平滑、计算局部极值、确认角点，进而得到图像特征点。

对预处理后的无人机遥感图像进行图像配准包括：基于无人机遥感图像对应的经纬和偏航角信息，计算地理坐标投影信息，并按照拼接策略选取预处理后的无人机遥感图像，根据地理坐标投影信息进行图像配准，获取配准图像，即匹配结果；计算地理坐标投影信息包括：利用仿射矩阵参数对遥感图像坐标与地理坐标进行转换，其包括6个参数，分别为XE，Xpixel，Rγ，YE，Ypixel，Rγ，描述的是图像行列号和地理坐标之间的关系，其中，XE、YE表示图像左上角像元的地理投影坐标，Xpixel、Ypixel分别表示图像像元在经度、维度方向的地面分辨率，Rγ表示图像旋转角度的正弦值。

根据最优特征对匹配结果进行融合包括：建立匹配数据集，基于最优特征构建相似性评估指标，筛选出匹配集中的匹配点，基于匹配点计算变换矩阵；通过加权平均融合方法，结合变换矩阵对配准图像进行融合，实现无人遥感图像的拼接，具体为：

计算匹配点对间的距离，将距离值的最大最小值均匀的分为10个区间，每个区间的频率为P＝{p1，…，p10}，则峰值区间的频率为max(P)，对应的区间为第i个，在区间[i-1，i+1]中的匹配点对是正确匹配点对，该匹配点对集为寻找的精确匹配点对；再根据随机抽样一致RANSAC算法消除错误特征点对，从而计算出变化矩阵，加权平均融合法的思想是对两幅图像的重叠部分的像素值，先进行加权计算，然后再进行叠加。结合变换矩阵对配准图像进行融合，实现无人遥感图像的拼接；

其中，图像融合的目的就是将配准后的图像基于一定的变换模型合并为一幅新的图像，在重叠区域不应该出现拼接痕迹，也就是要做到无缝拼接，过渡自然；

匹配点的筛选方法为采用查询索引KD树方式为，通过空间距离选择与图像中每个特征点最接近的图像中的n个特征匹配点形成一对多的假设匹配集，并采取空间距离作为特征点相似性的评估指标，空间距离包括欧氏距离和像素坐标距离的加权和。

建立匹配数据集包括：通过采用查询索引KD树方式，建立一对多的匹配数据集。

对融合结果进行质量评价包括：基于边缘差分谱评价法对融合结果进行质量评价，获取质量评价结果，预设评价阈值，若质量评价结果小于评价阈值，则计算融合结果的重叠区域位置，并去除配准图像的重叠区域位置，将重叠区域位置后的配准图像再次进行融合，若质量评价结果大于评价阈值，则不做处理。

对融合结果进行质量评价前包括：检测融合完成后的配准图像是否覆盖所有的规划区域，若存在未覆盖的空白区域，则在融合完成后的配准图像中将空白区域及其附近的部分遥感图像截取出来，基于截取出来的遥感图像与无人机遥感图像做匹配运算，找出匹配率最高的无人机遥感图像并计算截取出来的遥感图像的地理坐标投影信息，根据截取出来的遥感图像的地理坐标投影信息，对无人机遥感图像进行再次采集，将再次采集到的无人机遥感图像替换对应的无人机遥感图像，再次进行图像配准和融合，具体为：

本实施例中，质量评价的结果在0～1之间，阈值采用0.7；如果质量评价的结果小于阈值，则计算融合结果的重叠区域位置，并去除配准图像的重叠区域位置，将重叠区域位置后的配准图像再次进行融合，若质量评价结果大于评价阈值，则不做处理；在融合结果进行质量评价前，检测融合完成后的配准图像是否覆盖所有的规划区域，若存在未覆盖的空白区域，则在融合完成后的配准图像中将空白区域及其附近的部分遥感图像截取出来，基于截取出来的遥感图像与无人机遥感图像做匹配运算，找出匹配率最高的无人机遥感图像并计算截取出来的遥感图像的地理坐标投影信息，根据截取出来的遥感图像的地理坐标投影信息，对无人机遥感图像进行再次采集，将再次采集到的无人机遥感图像替换对应的无人机数据，再次进行图像配准和融合，直到得到符合需求的拼接遥感图像。

以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种无人机遥感图像拼接的方法，其特征在于，包括：

采集无人机遥感图像，对所述无人机遥感图像进行预处理；

对预处理后的所述无人机遥感图像进行特征提取，获取最优特征；

对预处理后的所述无人机遥感图像进行图像配准，根据所述最优特征对匹配结果进行融合，并对融合结果进行质量评价。

2.根据权利要求1所述的无人机遥感图像拼接的方法，其特征在于，对所述无人机遥感图像进行预处理包括：

基于直方图匹配法对所述无人机遥感图像进行辐射矫正，通过图像重采样对辐射校正后的所述无人机遥感图像进行几何矫正。

3.根据权利要求1所述的无人机遥感图像拼接的方法，其特征在于，获取所述最优特征包括：

对预处理后的所述无人机遥感图像进行Harris角点检测，获得图像特征点，对所述图像特征点进行特征选择，获取所述最优特征，并剔除不相关或冗余的特征。

4.根据权利要求1所述的无人机遥感图像拼接的方法，其特征在于，对预处理后的所述无人机遥感图像进行图像配准包括：

基于所述无人机遥感图像对应的经纬和偏航角信息，计算地理坐标投影信息，并按照拼接策略选取预处理后的所述无人机遥感图像，根据所述地理坐标投影信息进行图像配准，获取配准图像，即所述匹配结果。

5.根据权利要求4所述的无人机遥感图像拼接的方法，其特征在于，根据所述最优特征对匹配结果进行融合包括：

建立匹配数据集，基于所述最优特征构建相似性评估指标，筛选出所述匹配集中的匹配点，基于所述匹配点计算变换矩阵；

通过加权平均融合方法，结合所述变换矩阵对所述配准图像进行融合，实现无人遥感图像的拼接。

6.根据权利要求5所述的无人机遥感图像拼接的方法，其特征在于，建立所述匹配数据集包括：通过采用查询索引KD树方式，建立一对多的所述匹配数据集。

7.根据权利要求5所述的无人机遥感图像拼接的方法，其特征在于，对所述融合结果进行质量评价包括：

基于所述边缘差分谱评价法对所述融合结果进行质量评价，获取质量评价结果，预设评价阈值，若所述质量评价结果小于评价阈值，则计算所述融合结果的重叠区域位置，并去除所述配准图像的重叠区域位置，将重叠区域位置后的所述配准图像再次进行融合，若所述质量评价结果大于评价阈值，则不做处理。

8.根据权利要求4所述的无人机遥感图像拼接的方法，其特征在于，对所述融合结果进行质量评价前包括：

检测融合完成后的所述配准图像是否覆盖所有的规划区域，若存在未覆盖的空白区域，则在融合完成后的所述配准图像中将空白区域及其附近的部分遥感图像截取出来，基于截取出来的所述遥感图像与所述无人机遥感图像做匹配运算，找出匹配率最高的所述无人机遥感图像并计算截取出来的所述遥感图像的地理坐标投影信息，根据截取出来的所述遥感图像的地理坐标投影信息，对所述无人机遥感图像进行再次采集，将再次采集到的所述无人机遥感图像替换对应的所述无人机遥感图像，再次进行图像配准和融合。

Images