馬娟

摘要：無人機技術(shù)不斷升級的背景下，在諸多領(lǐng)域中得到了廣泛應(yīng)用，尤其是在地質(zhì)、地形勘測等工作中，和遙感技術(shù)相結(jié)合，不僅保證了作業(yè)質(zhì)量，也降低了作業(yè)成本，提高了作業(yè)效率。但在實際應(yīng)用過程中，還需要對自動無縫拼接技術(shù)展開分析。基于此，本文從無人機遙感影像自動無縫拼接技術(shù)入手，結(jié)合控制點配準算法這一內(nèi)容，對無人機遙感影像自動無縫拼接技術(shù)的應(yīng)用進行探討，以求讓數(shù)據(jù)處理工作得到更好落實，最大限度滿足實際發(fā)展需求。

關(guān)鍵詞：控制點配準算法 ???無人機技術(shù) ???遙感影像 ???自動無縫拼接技術(shù)

Discussion on the Automatic Seamless Splicing Technology of UAV Remote Sensing Images Based on the Control Point Registration Algorithm

MA Juan

（Guangzhou Electromechanical Technician College， Guangzhou， Guangdong Province， 510000 China）

Abstract： Under the background of the continuous upgrading of UAV technology， it has been widely used in many fields， especially in geological and topographic survey and other work， and the combination of it and remote sensing technology not only ensures operation quality， but also reduces operation costs and improve operation efficiency. However， in the practical application process， it is also necessary to analyze automatic seamless splicing technology. Based on this， starting from the automatic seamless splicing technology of UAV remote sensing images， combined with the control point registration algorithm， this paper discusses the application of the automatic seamless splicing technology of UAV remote sensing images， so as to better implement data processing work and meet the actual development needs to the greatest extent.

Key Words： Control point registration algorithm; UAV technology; Remote sensing image; Automatic seamless splicing technology

1 無人機遙感影像自動無縫拼接技術(shù)概述

隨著無人機技術(shù)不斷升級改造，無人機遙感影像拼接技術(shù)得到了迅速發(fā)展，并逐步向多個領(lǐng)域推廣。圖像拼接中出現(xiàn)了許多問題，針對這些問題，提出了歸一化、相位相關(guān)配準和互信息等不同的圖像拼接方法。相位相關(guān)配準建立在頻率上，所以它可以很容易得到圖像中移動參數(shù)，但是其他的參數(shù)卻難以得到；其中，最大的問題是它的計算復(fù)雜度較高，并且對標度的改變也不靈敏。針對上述問題，利用特征點的特征匹配進行圖像分割是一種非常適合的圖像分割技術(shù)，并在近幾年獲得了很大的發(fā)展。圖像預(yù)處理、圖像配準、圖像融合是當(dāng)前遙感圖像處理中的一項重要技術(shù)。但無人機遙感影像自動無縫拼接技術(shù)需要經(jīng)過一系列的處理和運算，一般可以分為3個階段：圖像預(yù)處理、圖像配準算法、光譜匹配算法。這一技術(shù)可確保整體的拼接效果，在面對大范圍的勘測勘查中，通過上述處理可以讓影像完整覆蓋，為后續(xù)的調(diào)查研究奠定良好的基礎(chǔ)。

對圖像進行預(yù)處理的方法主要有去干、去暈、畸變修正和恢復(fù)等。條帶噪聲屬于一種常見的噪聲，這種噪聲最大的危害就是遮擋了圖像中的有效信息，對影像的解讀會產(chǎn)生圖像^[1]。在實際應(yīng)用過程中，可以借助小波分析的優(yōu)勢，通過對多個數(shù)據(jù)序列的疊加，獲取多條數(shù)據(jù)序列的疊加曲線，尋找該曲線內(nèi)的奇異性，也就是噪聲存在的地方，并通過對應(yīng)的內(nèi)插方法去除噪聲^[2]。但在實際應(yīng)用過程中可能會面臨圖像幾何失真問題，使得兩幅圖像很難進行匹配，從而造成了圖像配準的錯誤，在這樣的情況下，可以采用將光學(xué)成像與透鏡畸變修正策略結(jié)合起來的圖像失真修正原理。以輻射轉(zhuǎn)移過程為基礎(chǔ)，引入了矩陣函數(shù)和泰勒級數(shù)模型，來對輻射響應(yīng)函數(shù)進行描述，并利用多元回歸分析，對矩陣的方程進行求解，最終得到輻射修正的系數(shù)。從能量分布和衍射的角度來對漸暈進行分析，得出漸暈?zāi)芰康臄?shù)學(xué)模型，利用輻射定標的方法來消除漸暈。在此基礎(chǔ)上，利用維納濾波器對圖像去卷積，并在此基礎(chǔ)上給出了一種優(yōu)化的窗函數(shù)維納濾波器^[3]，并將其應(yīng)用到圖像恢復(fù)中，對得到的影像進行了預(yù)處理，改善了影像的品質(zhì)，使影像更符合影像的配準要求，為影像的配準奠定了良好的基礎(chǔ)。

2 無人機遙感影像自動無縫拼接技術(shù)特征分析

2.1 影像學(xué)特征

由于無人機遙感影像自身的特性，使得其相對于普通的低光譜圖像具有更為廣闊的應(yīng)用前景。無人機遙感影像具有較好的解析度。無人機遙感影像的分辨率有了很大的提升，可以實現(xiàn)對同一地物的多種類型的識別，這是常規(guī)低光譜圖像所無法做到的。無人機遙感影像有更多的波段。由于無人機遙感影像的圖像分辨率大大提高，使得無人機遙感影像在進行各種應(yīng)用分析時所能選用的波段變得更為豐富，從而使圖像所能辨識的目標對象變得更為豐富。無人機遙感影像具有較高的空間分辨能力。近年來，由于無人機遙感影像的空間分辨能力的不斷提升，一些原本無法觀測到的物體也可以被觀測到。以往的衛(wèi)星圖像由于其空間分辨率不高，僅限于定性分析，而近年來發(fā)展起來的高光譜技術(shù)，使得定量研究成為可能。

2.2 形構(gòu)造

圖像的空間結(jié)構(gòu)是圖像中各像素在空間上的組合和排列，它是圖像的最根本單位。在現(xiàn)有的遙感技術(shù)中，如何利用無人機遙感影像來直觀地了解和分析地質(zhì)構(gòu)造是一個重要的科學(xué)問題。使用無人機遙感影像具有直接對地物的結(jié)構(gòu)展開分析，不僅可以省時省力，方便快遞，可以進行更大范圍調(diào)查分析，而且還可以提供更為精確、詳細的光譜特征，從而在進行地表分析時，波段的選擇也更加多樣化。無人機遙感影像的一個顯著特征是具有較多頻帶，其中一個頻帶的頻帶是其一個頻帶的灰度圖。

2.3 波譜特性

無人機遙感影像具有一個頻譜圖。地面上的各種物體對于各種頻率的電磁波都會產(chǎn)生一定的反射性，而這些反射性可以用反射性來表達。在不變的波長范圍下，物體反射系數(shù)愈高，其在圖像上的表現(xiàn)也愈淡。反射系數(shù)隨波長的改變而改變，反射系數(shù)隨波長的改變而改變。對波譜的分析，在實踐中有很好的表現(xiàn)。通過Hyperion高光譜衛(wèi)星圖像的波段，可以對草原在各個階段的覆蓋度進行定量分析。

2.4 頻譜指標

在無人機遙感影像中選取合適的波段，建立相應(yīng)的數(shù)學(xué)模型，并將其作為一種特定的數(shù)據(jù)處理手段，稱為“光譜指標”。通過比較不同波段的反射系數(shù)與地面植被覆蓋的關(guān)系，得出兩個波段的比值可以表示地面的綠色植物數(shù)量，用歸一化差異植被指數(shù)來作為作物生長情況監(jiān)測的指標。

3 無人機遙感影像自動無縫拼接技術(shù)應(yīng)用分析

3.1 處理分析

由于無人機航拍設(shè)備的性能，它在航空攝影時攜帶的照相機所拍攝的照片都會出現(xiàn)失真，要想消除失真并消除邊界點，就需要從圖像的邊緣開始，將以像素為單位的圖像區(qū)域除去，從而降低照片的邊緣失真問題對后續(xù)圖像拼接造成的影響。通過提取特征點區(qū)域約束來提升后續(xù)圖像配準的準確度，從而提升工作效率^[3]。因此，若后期想要完全抽取出影像資料，首先要保證拍攝影像的影像有一定的交疊比例；如果重疊的比例太大，會降低對圖像信息的承載效率，需把握好尺度，但這一比例并沒有明確的定量標準，更多的是依賴于攝影師的專業(yè)知識，通常來說，如果將重疊的比例保持在10%左右，就可以確保不會對提取出的影像特點造成任何的干擾，還能最大限度地發(fā)揮出攝影資源的作用。圖像重疊區(qū)由攝像機從不同的視角、不同的物體尺寸來確定，通?？蓜澐譃闄M向疊加和縱向疊加，其中縱向疊加為1，橫向疊加為x（也就是剔除），其余橫向疊加為1-2 x。

3.2 優(yōu)化調(diào)整

在完成了對影像的初級拼接之后，還要對不同源的像素兼容性和色差問題進行調(diào)節(jié)，按照對控制點的調(diào)節(jié)標準，可以將其劃分為兩種類型：粗配準和精配準。由于受到天氣和氣流等因素的影響，在飛行過程中，由于觀測數(shù)據(jù)的差異，使得最終的飛行軌跡與預(yù)期的飛行軌跡之間存在著較大的誤差，從而造成了影像的形態(tài)差異，這就造成了很大的困難，需要采用粗糙的配準方法來實現(xiàn)，它的配對準則是預(yù)先識別重疊區(qū)，降低失配率，確保配對品質(zhì)。另外，該方法還能有效地抑制由于未知因素引起的航跡模糊不清而引起的嚴重畸變。因此，在對海量的影像資料進行分析和甄別時尤為適用。與粗配準只是能夠得到兩張照片之間的控制點對應(yīng)關(guān)系，但是它并不能夠被用來記錄影像細節(jié)。精配準能夠選擇穩(wěn)定而明顯的控制點，從而提高分辨能力，同時還能夠照顧到像素間的曝光差異，從而能夠遵循配準的均勻性，尤其是在減少縫合間隙時，通過尋找最佳縫合直線，再根據(jù)這條直線進行縫合。相同的功能模式下，由于不同的匹配提取對象，圖像的清晰度差別是不一樣的，若采用粗糙配準來調(diào)整，將無法在圖像拼接時選取最佳的無縫隙連接線條，從而導(dǎo)致圖像質(zhì)量下降，無法達到預(yù)期的精確程度。要將圖像的內(nèi)容從圖像的兩個側(cè)面提取出來，必須通過精確匹配調(diào)整出一條最好的拼接線，并在圖像重疊的地方進行緩沖區(qū)，消除顯著的空隙。最好的無縫拼接線就可以在圖像之間順暢地傳遞到圖像之間。值得注意的是，在對兩個圖像像素進行均勻融合時，必須采用加權(quán)平均方法。

3.3 配準處理

盡管精配準具有很好的影像信息融合處理性能，但是它所需的影像信息處理速度很慢，并且耗費了很多的計算資源，因此并不適用于海量影像信息。由于粗細匹配各有利弊，因此可以按照影像資料的需要及需要處理的條形，選用這兩種方法相結(jié)合的方法來實現(xiàn)。對ICP算法、CPD算法、Harris算法等幾種常見的控制點配準算法進行了簡單分析后發(fā)現(xiàn)，在這些算法的技術(shù)特征和應(yīng)用場合的基礎(chǔ)上，在與無人機航拍的特性相聯(lián)系的基礎(chǔ)上，還需要進一步對圖像特征點進行配準處理，借助控制點配準算法實現(xiàn)無人機遙感圖像的自動無縫拼接技術(shù)，可以應(yīng)用軟件為平臺對OpenCV庫后臺程序邏輯規(guī)則進行了詳細的剖析。

在此基礎(chǔ)上，提出了一種基于光譜配準和空間配準的航拍無人機遙感影像的圖像自動配準方法，擬采用Moravec特征點抽取算法，對特征點進行特征點抽取，對特征點粗匹配和精細匹配進行特征點的匹配，并對其進行基于最優(yōu)鄰居的特征點進行有效的融合。在頻譜匹配中，通過分析不同點對在不同頻譜交疊范圍內(nèi)的不同頻譜特征，得到相應(yīng)的頻譜特征，從而得到相應(yīng)的頻譜特征。在已完成的無人機遙感影像中，選擇3種不同顏色的RGB顏色圖像，并將其與完整的無人機遙感影像進行像素級圖像融合^[4]。

在無人機遙感影像的空域拼接時，選用Moravec運算法，增加抽取特征點的個數(shù)，為特征點的匹配奠定了良好的基礎(chǔ)。與常規(guī)圖像拼接方法比較，該方法對圖像進行了粗細兩步的對比，使圖像的準確率有了較大的提升。為了克服該方法的不足，本文給出了兩個新的方法：一是雙線性內(nèi)插，二是立方內(nèi)插。實驗結(jié)果表明，本文提出的方法取得了較為滿意的結(jié)果：在對無人機遙感影像進行譜配時，首先對單個波段圖像進行譜配，然后對各波段圖像進行綜合；在同一光譜圖像中，如果同一光譜圖像的重疊區(qū)中有多個重疊區(qū)，則可以發(fā)現(xiàn)這些重疊區(qū)中多個重疊點的光譜與其對應(yīng)的光譜的對應(yīng)關(guān)系，并根據(jù)此對應(yīng)的光譜匹配結(jié)果來獲得重疊區(qū)的光譜匹配曲線，而未重疊區(qū)則仍然使用原來的光譜匹配。在單頻帶圖像的能譜匹配結(jié)束后，將全部48個頻帶的無人機遙感影像進行混合，選擇RGB頻帶的顏色復(fù)合圖像。在此基礎(chǔ)上，對48波段的無人機遙感影像進行了進一步的像素化處理，最終獲得了以顏色為主的無人機遙感影像^[5]。

3.4 實際應(yīng)用

基于控制點配準算法的無人機遙感影像自動無縫拼接技術(shù)，可以降低匹配的復(fù)雜度。在所獲取的控制點之中，可以有兩個圖像不相交疊的區(qū)域，也可以有一個僅位于一個圖像上的控制點，因此要將其剔除。這種方法可以通過設(shè)定門限，排除符合度好的控制點，選出容易辨識、比較穩(wěn)定的控制點。通過對相鄰區(qū)域與相鄰區(qū)域的比例進行分析，篩選出容易辨識的控制點，若比例低于給定的門限，則表示這個控制點有效，可保留下來，反之，這個控制點被排除。具體操作過程如下。

從兩個圖像中，最少選擇4個控制點，在粗配圖像中，隨機抽取4對控制點，以確定3對存在同一條線。若存在，則拋棄這組匹配點，若不存在，則需要重新隨機選取，直至沒有3對匹配點匹配為止。對所選擇的4個控制點進行包括圖像坐標轉(zhuǎn)換和比例變換的數(shù)據(jù)規(guī)范化過程。通過對數(shù)據(jù)進行規(guī)范化處理，不但可以提升結(jié)果的精度，還可以使其對任何坐標原點的改變都保持不變，可以完全排除坐標轉(zhuǎn)換對影像的影響。在一個影像配準系統(tǒng)中，在包含平移和比例資料的影像配準系統(tǒng)中，將一個控制點W_i=（x_i，y_i，z_i）Q轉(zhuǎn)換成一個新的控制點W_i，設(shè)定這個點集的坐標是（0，0，0）Q，設(shè)定它與原來的控制點的平均距離是L，從而獲得的一個類似轉(zhuǎn)換矩陣對本幀上的點類似轉(zhuǎn)換的結(jié)果Q進行運算，將這一點W i （x_i、y_i、zi） Q轉(zhuǎn)換成一個新的點集W_i。估計轉(zhuǎn)換矩陣并獲得轉(zhuǎn)換參數(shù)。根據(jù)4個控制點對齊的結(jié)果，可以得到轉(zhuǎn)換矩陣W_i=HW_i的結(jié)論。由于轉(zhuǎn)換矩陣為一齊次向量，所以在三3維度上的向量方向是相同的，所以H為一個線性的解法。針對上述問題，基于控制點配準算法的無人機遙感影像自動無縫拼接技術(shù)在實際應(yīng)用過程中，還需要進行粗度和細度的配準，重點研究重合區(qū)域的識別問題，重點解決重合區(qū)的識別問題。由于兩張影像之間存在著一定的交疊范圍，所以需要采用粗糙配準的方法來確定兩張影像的交疊范圍。

在實際應(yīng)用過程中，為了簡化冗長的運算，需要預(yù)先對交疊面積進行判定，以減少失配概率，確保配準的品質(zhì)。利用以上的探測程序，可以迅速地判斷出鄰近的圖像的對應(yīng)關(guān)系。如果影像畸變嚴重，或者由于其他原因引起的航路模糊，就應(yīng)該盡量避開人為的干擾，而采用手動的自動化算法。在進行多個圖案的匹配時，需要滿足特定的準確率，但又需要很長的時間。但由于粗糙匹配只能獲得兩個圖像間的控制點匹配，不能直接反映圖像的具體特征。若在初步配準后，再進行拼接，會產(chǎn)生不對稱的效果。經(jīng)過初步的配準后，就可以進行比較精確配準。精確匹配需要選取一個穩(wěn)定且有意義的控制點，以提高判別力，需要注意的是，為了便于對圖像進行后期的拼接，選取的關(guān)鍵節(jié)點應(yīng)便于對圖像進行比對^[6]。

5 結(jié)語

綜上所述，無人機遙感影像自動無縫拼接技術(shù)是當(dāng)前機器視覺處理領(lǐng)域的熱點問題，在實際生產(chǎn)中得到了廣泛的應(yīng)用。在實際應(yīng)用過程中，采用了控制點配準算法，大量實驗也證明了這種算法的優(yōu)勢。從實際應(yīng)用效果看，基于控制點配準算法的無人機遙感影像自動無縫拼接技術(shù)具備可行性和實用性。通過各種不同的算法進行比較，可以發(fā)現(xiàn)控制點配準算法在影像的拼接性能和影像的特征點匹配程度上都要比目前所采用的算法更好。在今后的無人機影像處理中，可以把這種方式用作影像拼接處理的基本方式，為后續(xù)影像應(yīng)用環(huán)節(jié)，提供比較完善的大場景影像。

參考文獻

[1]石冬劍，李姍姍.基于控制點配準算法的無人機遙感影像自動無縫拼接技術(shù)[J].科學(xué)技術(shù)創(chuàng)新，2023（11）：94-97.

[2]王超，雷添杰，張保山，等.基于改進SIFT算法的無人機遙感影像快速拼接[J].華中師范大學(xué)學(xué)報（自然科學(xué)版），2023，57（2）：302-309.

[3]楊陽.基于改進水平集的無人機遙感影像建筑物輪廓提取研究[D].雅安：四川農(nóng)業(yè)大學(xué)，2019.

[4]涂明，章李樂.農(nóng)田水利流域無人機遙感影像拼接優(yōu)化研究[J].江西科學(xué)，2022，40（5）：858-864.

[5]周杰，解琨，付超，等.結(jié)合SIFT特征點和泊松融合的無人機遙感影像拼接技術(shù)[J].測繪通報，2021（1）：94-98.

[6]唐甜甜，陳炳才，寧芊.基于控制點配準算法的無人機遙感影像自動無縫拼接技術(shù)[J].計算機測量與控制，2020，28（10）：181-185.