基于改進SPHP算法的無人機遙感影像智能拼接方法

國仲凱, 彭樹鴻, 鄭福海

1.內(nèi)蒙古自治區(qū)測繪地理信息中心,內(nèi)蒙古 呼和浩特 010010 2.自然資源部第二地理信息制圖院,黑龍江 哈爾濱 150000

0 引言

目前,無人機遙感影像拼接技術(shù)的研究主要面臨以下難點[1]:對于影響特征點的高精度提取、對提取特征點的高精度匹配、對拼接圖像邊緣的融合處理。因此,在保障無人機遙感影像特征點提取正確率的前提下,實現(xiàn)對特征點的精準匹配以及圖像邊緣的平滑過渡,成為影像智能拼接研究的主要目標(biāo)。文獻[2]提出了一種以Agisoft Metashape為基礎(chǔ)的無人機圖像拼接技術(shù),并將其應(yīng)用在環(huán)境熱像監(jiān)測中,在一定程度上反饋了環(huán)境熱像的整體特征,但是由于拼接邊緣處理效果不理想,導(dǎo)致其存在部分特征缺失的問題。文獻[3]提出了一種以Landsat時序為基礎(chǔ)的影像拼接方法,對于圖像邊緣的處理效果更加精準,在極大程度上避免了圖像信息丟失的問題,但是該方法對于基礎(chǔ)圖像的質(zhì)量要求較高,因此在具體的應(yīng)用過程中存在一定的局限性。

在上述的研究基礎(chǔ)上,本文提出一種基于改進SPHP算法的無人機遙感影像智能拼接方法,并通過對比測試驗證了該方法的拼接效果。

1 無人機遙感影像智能拼接方法設(shè)計

1.1 無人機遙感影像特征提取

在對無人機遙感影像進行拼接之前,本文首先提取了待拼接無人機遙感影像的特征參數(shù)[4]。按照影像的尺度空間,確定目標(biāo)圖像的極值點[5],具體的實現(xiàn)方式如圖1所示。

圖1 目標(biāo)圖像極值點確定

按照圖1所示的方式,確定目標(biāo)圖像的極值點后,采用SIFT(scale invariant fenture transform)作為特征參數(shù),對于極值點特征的描述方式如圖2所示。按照圖2所示的方式,實現(xiàn)對無人機遙感影像特征的提取。

圖2 極值點SIFT特征描述方式

1.2 基于改進SPHP算法的影像匹配

結(jié)合上述提取到的待拼接無人機遙感影像特征參數(shù),對各特征點進行精準匹配就成為了保障最終拼接效果的關(guān)鍵。首先,對圖像進行單應(yīng)變換處理,其可以表示為:

x′=Hx

(1)

式中:x′表示單應(yīng)變換處理后的無人機遙感影像參數(shù),x表示原始的無人機遙感影像,H表示待拼接無人機遙感影像特征參數(shù)構(gòu)成的矩陣。受投影偏差影響,會導(dǎo)致x′中存在一定程度的視差誤差。本文利用薄板洋條函數(shù)(thin plate spline,TPS)中的徑向基函數(shù)對圖像進行變形處理,具體的處理方式可以表示為:

G(x′,y′)=(g(x,y),h(x,y))T

(2)

式中:G(x′,y′)表示徑向基函數(shù)變形處理后的無人機圖像;g(x,y)表示單應(yīng)變換處理時,原始無人機遙感影像特征在x方向上的變形量;h(x,y)表示單應(yīng)變換處理時,原始無人機遙感影像特征在y方向上的變形量。

在此基礎(chǔ)上,對無人機遙感影像的拼接結(jié)果可以表示為:

J(X,Y)=∑G(x′,y′)-(g(x,y)×h(x,y))/λ

(3)

式中:J(X,Y)表示無人機遙感影像的拼接結(jié)果,λ表示加權(quán)參數(shù),該參數(shù)的取值主要取決于待拼接無人機遙感影像特征參數(shù)構(gòu)成矩陣的對齊項和平滑項[6]。

按照上述方式實現(xiàn)對無人機遙感影像智能拼接,保障拼接后影像的質(zhì)量能夠達到較高水平。

2 測試分析

2.1 測試環(huán)境

在對本文設(shè)計的拼接方法的實際應(yīng)用效果進行分析的過程中設(shè)計了對照組,分別為Agisoft Metashape拼接方法及Landsat時序拼接方法。具體的測試影像資料如圖3所示。

圖3 待拼接無人機遙感影像

在對不同方法的拼接效果進行分析時,為了能夠更加精準地進行比較,本文分別從圖像信息熵和清晰度2個角度設(shè)置具體的評價指標(biāo)。其中,信息熵主要反饋拼接后影像中包含的信息量[7]。具體的計算方式可以表示為:

H(x)=∑p(i)log2p(i)

(4)

式中:H(x)表示拼接后影像的信息熵,p(i)表示拼接后影像中灰度值為i的像素的出現(xiàn)頻率。結(jié)合式(1)可以看出,H(x)的值越大,表示拼接后影像中的信息量越多,對應(yīng)的影像拼接融合效果也就越好。

其次,針對拼接后影像清晰度評價指標(biāo)的設(shè)置,本文將灰度方差乘積作為量化指標(biāo),具體的計算方式分別可以表示為:

D(x)=∑∑(f(a,b)-f(a+1,b))×(f(a,b)-f(a,b+1))

(5)

式中:D(x)表示拼接后影像的灰度方差乘積,f(a,b)表示(a,b)像素的灰度值,f(a+1,b)表示(a+1,b)像素的灰度值,f(a,b+1)表示(a,b+1)像素的灰度值。結(jié)合式(2)可以看出,清晰度主要是對拼接后影像的模糊度進行分析,利用其可以反映拼接后影像紋理上的細微差別,D(x)的值越大,表示拼接后影像中的紋理特征越明顯,對應(yīng)的影像拼接融合效果也就越好[8-10]。

2.2 結(jié)果與分析

結(jié)合上述的測試數(shù)據(jù),3種不同方法拼接后的影響如圖4所示。

(a)Agisoft Metashape拼接方法的測試結(jié)果

(b)Landsat時序拼接方法的測試結(jié)果

(c)本文設(shè)計的拼接方法的測試結(jié)果

利用設(shè)置的評價指標(biāo),對比3種方法的拼接效果,得到的結(jié)果如表1所示。

表1 不同方法圖像拼接效果對比

由表1可以看出,在3種影像拼接方法下,拼接后影像對應(yīng)的信息熵和清晰度表現(xiàn)出了不同的特點。本文設(shè)計的基于改進SPHP(shape-preserving half-projective)算法的無人機遙感影像智能拼接方法在測試中表現(xiàn)出較高的信息熵和清晰度,優(yōu)于對照組的拼接方法。

3 結(jié)束語

本文提出基于改進SPHP算法的無人機遙感影像智能拼接方法,實現(xiàn)了對圖像的高質(zhì)量拼接。該方法結(jié)合無人機遙感影像的特點進行適應(yīng)性改進,為相關(guān)無人機影像的處理提供參考,最大限度提高無人機影像的利用價值,保留完整的信息。