[发明专利]全景无人机图像拼接方法

权利要求书

1.一种全景无人机图像拼接方法，包括图像输入、图像特征提取、图像特征匹配、图像匹配、图像拼接、拼接图像输出，其特征是：所述图像输入为至少一台无人机同时拍摄的图像，算是图像特征提取利用改进的几何代数-尺度不变特征转换算法，所述图像特征匹配采用自适应阈值算法，所述图像匹配采用随机抽样一致性进行稳健的单应性估计算法。

2.如权利要求1所述的全景无人机图像拼接方法，其特征是：所述改进的几何代数-尺度不变特征转换算法，包括以下步骤：

步骤1：多光谱图像表示：用n维空间向量的卷积定义表示几何代数算法中输入的多光谱图像，多光谱图像中的每个像素都由一个多向量表示；

步骤2：色度图像提取：去除图像的亮度部分，保留色度图像，减少亮度变化的影响；

步骤3：尺度空间确定：利用几何代数中的卷积和高斯滤波器，得到尺度空间的高斯映射和几何代数-不同的高斯色度图像；

步骤4：关键点检测和定位：使用度量函数找到几何代数-不同的高斯图像的局部最小值/最大值作为关键点；

步骤5：特征点描述：用几何代数算法描述特征点的大小和方向。

3.如权利要求2所述的全景无人机图像拼接方法，其特征是：所述n维空间向量的卷积定义：

v_n(r)＝∫∫∫ΩQ_n(ξ)V(r-ξ)dξ (1)

其中，Q_n(n)和V(r-ξ)为空间Ω内的2个n维空间向量，Q_n(n)与V(r-ξ)的乘机为几何积；

几何代数算法中输入的多光谱图像为：

其中，f_i(x，y)表示f(x，y)的第i个图像通道，(x，y)表示二维坐标，n表示多光谱图像的尺寸；

尺度空间的高斯映射和几何代数-不同的高斯色度图像的计算过程为：

采用一种新的多光谱图像高斯滤波器为

其中，(x，y)表示二维坐标，∑(i)是离散函数，∑(i)＝σ_i，0≤i≤n，σ_i是第i个高斯滤波器的标准差，在G_n+2中，高斯卷积核为

多光谱图像的尺度空间可以通过多光谱图像f(x，y)与G_n+2中的高斯滤波器G_n+2(x，y，∑)的卷积得到，多光谱图像f(x，y)与G_n+2中的高斯滤波器G_n+2(x，y，∑)的单边卷积为：

关键点检测和定位计算过程为：

给定位于高斯图像Lc(x，y，R)的特征点，其相邻像素的梯度幅度m(x，y)和方向h(x，y)通过以下公式计算：

其中，通过角度θ(x，y)来确定方向h(x，y)。

4.如权利要求1所述的全景无人机图像拼接方法，其特征是：所述自适应阈值算法，包括以下步骤：

步骤1：预设特征点数量确定：根据特征匹配要求，预设确定特征点数量；

步骤2：需求匹配的特征点数量计算：计算图像中需要进行匹配的特征点数量；

步骤3：特征点数量满足是否满足预设要求判定：若特征点数量满足预设值，则进行下一步图像匹配；若特征点数量不满足预设值，则调整特征点选取的角度，返回步骤2，直至特征点数量满足预设值。

5.如权利要求4所述的全景无人机图像拼接方法，其特征是：所述调整特征点选取的方向依据：

θ_new＝kθ_old (7)

其中，θ_new为调整后特征点选取方向，θ_old为调整前特征点选取方向，k为特征点调整系数，范围为[-0.1，0.1]。