[发明专利]一种基于无人机POS信息与图像SURF特征结合的图像拼接方法

摘要

本发明公开了一种基于无人机POS信息与图像SURF特征结合的图像拼接方法，涉及到数字图像处理领域、GIS领域以及测绘领域等相关领域。首先对图像进行几何校正，然后计算出图像四角点的地理坐标，以第一张图像地理坐标为基础，通过提取相邻图像重叠区域的SURF特征去得到同名匹配目标点的位置关系，从而依次修正后面图像的地理坐标，最后采用自适应渐入渐出的融合算法，得到了一副视觉效果良好的全景图像，完成图像的良好拼接。本方法将图像特征提取算法与图像的地理坐标相结合，在拼接效率及视觉效果上比传统的特征提取拼接算法均有较大的提高，且拼接后的图像有地理信息，具有一定的实用价值。

主权项

一种基于无人机POS信息与图像SURF特征结合的图像拼接方法，其特征在于：该方法包括如下步骤：S1：航拍图像预处理：无人机在执行航拍任务中，由于受到飞行器的姿态、高度、速度以及地球自转因素的影响，造成图像相对于地面目标实际位置发生挤压、扭曲、拉伸和偏移，因此对航拍的图像进行几何矫正，以得到基于同一基准投影面的遥感图像；S2：航拍图像重叠区域计算：根据POS信息计算相邻图像的重叠区域，根据POS信息得到序列图像曝光点的时间以及飞行的实际距离，根据飞机当前飞行的角度将速度进行正方向上的分解，通过计算相邻拍摄图像的重叠区域以减少拼接的计算量，并且随着特征点的寻找面积越小，可能出现的误匹配概率就越小，提高检测效率；S3:图像的地理坐标计算：将图像进行几何矫正后，根据当前飞机飞行的姿态角度计算出图像中心点的经纬度坐标，根据相机内外方位元素计算图像地面分辨率，由此计算出图像四点的经纬度坐标，再将地理坐标转换到空间直角坐标系下，从而按照空间直角坐标系进行投影，得到图像之间的相对位置关系；S4：提取图像的SURF特征：SURF特征的提取包括：构建Hessian矩阵，生成所有兴趣点、构建尺度空间、对特征点进行定位、特征点主方向分配、生成特征点描述子、特征点匹配等步骤，通过这些步骤计算得到相邻图像的SURF特征匹配点对；S5：利用提取到的图像SURF特征点对修正地理坐标：由于已经知道每张图像的地理坐标，因此得到的同名点对的地理坐标应该为同一点，若计算出来的不一样，则以第一张图像为基准，依次修正后面的地理坐标，从而进行位置的配准，提高直接按地理坐标进行放置的准确性；S6：图像融合策略：对于修正坐标后的图像，由于每张图像之间有一定的痕迹，采用策略解决拼接缝隙之间的颜色过渡差异问题，采用渐入渐出自适应权重融合方法来对图像之间的缝隙进行平缓过渡。