[发明专利]一种基于SURF的快速无人机航拍图像拼接算法

说明书

技术领域

本发明涉及图像处理技术领域，尤其是一种基于SURF的快速无人机航拍图像拼接算法，主要针对于无人机拍摄的高分辨率高精度图像序列，将其快速拼接形成一幅大场景的直观易理解的图像。

背景技术

图像拼接是指将一组有部分重合区域的图像序列拼接成一幅更全面细节更丰富的全景图像的过程，它能够弥补单幅图像分辨率低、视野范围小的缺陷，有助于掌握更全面直观的信息。图像拼接在各个领域有广泛的应用，对于无人机拍摄的航拍序列，图像尺度大、细节丰富以及角度变化大，将其进行拼接形成一幅大场景的直观易理解的图像是一项极其复杂的任务。

图像拼接主要包括图像配准和图像融合两部分。目前，图像配准主要分为基于特征的配准，基于矩的配准及基于灰度的配准。基于灰度信息的算法包括互相关匹配、模板匹配等，该算法实现简单，但计算量大，但是当图像存在平移、旋转、缩放等变化时，算法性能急剧下降。基于特征的匹配算法主要有直线，角点，轮廓等，由于点特征对图像的平移、旋转、分辨率、光照等具有不变性，因此广泛应用于图像配准。常用的特征提取方法主要有Harris角点检测、FAST角点检测、LBP(Local Binary Patterns)算法、SIFT(Scale Invariant Feature Transform)算法及SURF(Speed Up Robust Feature)算法等。图像融合主要实现图像重合区域的平滑过渡，并且减少光照的影响。常用的方法有直接平均法，加权平均法，多频段融合算法等。传统的图像拼接算法如基于SIFT特征点的无人机影像拼接方法在高精度、高分辨图像拼接过程中精度和速度有待提高，且容易丢失细节。

发明内容

本发明的目的是针对现有技术的不足而提供的一种基于SURF的快速无人机航拍图像拼接算法，其具有较好的拼接效果。

本发明的目的是这样实现的：

一种基于SURF的快速无人机航拍图像拼接算法，包括以下步骤：

步骤1：对输入图像进行预处理，缩小图像尺寸；

步骤2：对输入图像用SURF算法检测特征点，并进行特征描述；

步骤3：对提取到的特征采用基于最近邻和次近邻距离比值的方法进行匹配；

步骤4：对匹配得到的特征点采用RANSAC算法剔除误匹配，得到优化后的特征点对；

步骤5：计算图像间的变换矩阵并转换原始输入图像；

步骤6：对多幅图像进行多频段图像融合。

所述步骤1中，对输入图像进行尺寸缩小。设输入图像长度为Height，宽度为Width，当输入图像面积大于10⁶时，图像缩小比例为否则，不对图像进行缩放。

所述步骤2中采用SURF算法检测特征点并进行特征描述，包括如下步骤：

步骤a1:对输入图像进行特征点检测。首先构建多尺度空间，尺度空间划分为4层，层与层之间的缩放比率为2，每一层包含不同尺度的滤波响应图。其次，在每一个3×3×3的局部区域中，进行非最大值抑制，只有比周围的26个领域值都大或者都小的极值点才能作为特征点，记录特征点位置及尺度。

所述不同尺度滤波响应图是指用盒子滤波器与图像卷积得到结果D_xx,D_xy,D_yy，可得到近似的Hessian矩阵H_approx，行列式为:det(H_approx)＝D_xxD_yy-(0.9D_xy)²，将近似Hessian矩阵与图像中每一点卷积可得到在图像I尺度σ上的滤波响应图。

步骤a2:特征点主方向的确定。将所述特征点位置检测之后，以特征点为圆心，以6s(s为特征点所在的尺度值)为半径的圆形邻域内，用尺寸为4s的Haar小波模板对图像进行处理，求得邻域内每个点在x，y方向的小波响应，对这些响应赋予σ＝2s的高斯权重系数。在特征点周围60°的扇形内，累加所有的响应形成新的矢量，遍历整个圆形区域，选择最大的矢量方向为特征点的主方向。