[发明专利]一种利用词汇树引导的无人机倾斜影像特征匹配方法

说明书

一种利用词汇树引导的无人机倾斜影像特征匹配方法，包括利用UAV影像构建词汇树，UAV影像特征提取，UAV影像特征选择，利用K‑means聚类算法构建词汇树；基于词汇树建立UAV影像索引；利用词汇树引导UAV影像匹配，引导UAV影像匹配对选择；约束UAV影像候选匹配点；UAV影像匹配。本发明针对无人机倾斜影像特征匹配困难的问题，设计了一种基于词汇树引导匹配对选择和特征匹配的思路，用于实现匹配对选择和约束特征匹配的候选点，提高影像匹配的成功率。

技术领域

本发明属于数字摄影测量与遥感技术领域，尤其涉及一种利用词汇树引导的无人机倾斜影像特征匹配方法。

背景技术

无人机(Unmanned Aerial Vehicle,UAV)具备经济成本低、操作简单、携带便捷，以及高效获取高分辨率影像的特点，已成为一种常用数据采集平台。无人机已在工程监测、城市管理、灾害应急等领域得到了广泛的应用。同时，无人机平台与倾斜摄影技术结合，具备获取目标顶面和立面信息的优势。

尽管无人机倾斜摄影具备上述技术优势和广泛应用领域，但是无人机影像的后续处理是保证成功应用的关键。由于有限的载荷能力和高昂的设备成本，UAV平台没有搭载高精度的专业定位和定向传感器。影像定向是数据处理环节必不可少的步骤。其中，连接点提取和匹配是影像定向的关键环节。相比传统的竖直航空摄影，无人机倾斜摄影具有两个比较明显的差异：其一，对于同样大小的测量区域，无人机影像地面覆盖区域小，导致影像数量显著增加；其二，由于搭载非量测数码相机，并采用较大的安装角进行摄影，无人机倾斜影像存在较大的辐射和几何畸变，以及尺度差异。对于第一个特点，如何选择具有空间重叠的影像匹配对是关键。因为无空间重叠区域的影像匹配不仅增加影像匹配的时间消耗，而且会引入很多错误匹配。对于第二个特点，常规的基于全局搜索的影像匹配方法往往剔除过多的正确匹配点，并且会引入很多错误匹配。因此，无人机倾斜影像的上述特点将增加影像匹配难度，导致无法提取足够数量的匹配点或者匹配点中包含较多的粗差，无法用于后续影像定向。为此，本发明设计了一种基于词汇树引导匹配对选择和特征匹配的思路，用于实现匹配对选择和约束特征匹配的候选点，提高影像匹配的成功率。

综上所述，为了实现无人机倾斜摄影影像的实际应用，影像可靠连接点提取是无人机影像数据处理环节的关键问题。因此，本发明所涉及的相关技术具有实际的应用价值。

发明内容

本发明提出了一种利用词汇树引导的无人机倾斜影像特征匹配方法。

本发明提出的一种利用词汇树引导的无人机倾斜影像特征匹配方法，包括以下步骤：

S1：利用无人机UAV影像构建词汇树，具体如下：

S11：利用SIFT算法对UAV影像进行特征点提取；

S12：UAV影像特征选择，即采用随机采样策略选择UAV影像集，从原始数据集中选择一个比例p的影像集X＝{x_i},i＝1,2…,n，0＜p≤1,n为影像的总数，x_i表示第i个影像；然后，采用尺度约束策略分别对每个影像x_i选择特征子集P＝{p_i},i＝1,2…,h，即对于每个影像x_i，将S11中提取的特征点按照尺度因子从大到小排列，选择前面h个特征点，影像集X中所有选择的特征构成训练特征，所述训练特征包括n个影像，每个影像包含h个特征点，h为预设值；

S13：对于步骤S12中选择的训练特征，采用分层K-means聚类算法构建词汇树W＝{w_i},i＝1,2,...,v，w表示单词，v表示单词总个数；