本發(fā)明屬于影像拼接
技術(shù)領(lǐng)域：
，具體涉及一種無人機(jī)多光譜影像快速拼接方法。
背景技術(shù)：
：隨著無人機(jī)(unmannedaerialvehicle，uav)技術(shù)和多光譜相機(jī)的發(fā)展，基于無人機(jī)的多光譜遙感越來越被人們所關(guān)注。以無人機(jī)為飛行平臺(tái)的遙感系統(tǒng)具有低成本、高分辨率和高靈活性等優(yōu)勢，近年得到了快速的發(fā)展，可在國土測繪、環(huán)境災(zāi)害、農(nóng)情監(jiān)測等方面得到廣泛應(yīng)用。由于無人機(jī)通常飛行高度較低，所以，單幅影像覆蓋面積有限，需要經(jīng)過拼接才能得到大范圍的影像。影像拼接是無人機(jī)多光譜影像應(yīng)用中的重要環(huán)節(jié)?，F(xiàn)有多光譜影像拼接方法主要包括兩種：(1)分組拼接：由于多光譜影像含有的波段數(shù)較多，大于3個(gè)波段，因此，通常以3個(gè)波段為一組，劃分為多組波段；然后，對每組波段獨(dú)立進(jìn)行拼接；其存在的問題為：由于波段分組后，各組在獨(dú)立拼接過程中，所提取的特征點(diǎn)、計(jì)算得到的匹配結(jié)果以及影像的外方位元素，乃至后續(xù)影像融合過程中的接縫線的選取等，均會(huì)有所差異，從而使得基于波段分組拼接后的影像之間，其波段無法再隨意組合，換言之，分組拼接后的結(jié)果，只能按組使用，無法隨意組合使用，而這一點(diǎn)完全違背了遙感影像處理的初衷；此外，分組拼接時(shí)，存在大量的重復(fù)性冗余工作，因而拼接過程耗時(shí)長，嚴(yán)重影響影像拼接的處理速度；(2)每個(gè)波段單獨(dú)處理，提取每個(gè)波段所對應(yīng)的特征點(diǎn)；然后再對各個(gè)波段進(jìn)行特征匹配，得到最終的影像拼接結(jié)構(gòu)；其存在的問題為：由于某些波段所對應(yīng)的地物光譜成像較弱，因此，對于一些特殊區(qū)域(如農(nóng)田)，無法提取穩(wěn)定的特征點(diǎn)，從而造成特征匹配失??；或者，由于不同波段提取的特征點(diǎn)分布不均勻，不同波段計(jì)算得到的影像外方位元素不一致，由此也造成拼接后的結(jié)果之間無法保持一致性。另外，影像拼接過程中的相關(guān)研究重點(diǎn)通常是保證影像的幾何信息準(zhǔn)確，例如，利用光束法平差等方法恢復(fù)地物的三維信息。而對于多光譜遙感影像而言，由于需要基于地物的光譜特性對地物進(jìn)行分析，所以在影像拼接過程中，需要盡可能保證光譜特性不受拼接過程影響而失真。以精準(zhǔn)農(nóng)業(yè)的多光譜遙感應(yīng)用為例，多光譜影像主要用于分析作物的生長以及病蟲害等相關(guān)的光譜信息，一旦光譜信息在影像拼接過程中產(chǎn)生變化，則病害及作物長勢的分析得不到準(zhǔn)確的結(jié)果，因此，多光譜影像拼接過程中，應(yīng)該盡可能避免對原始影像的重采樣或過渡融合引入的原始信息失真等問題。而傳統(tǒng)的影像拼接過程的融合階段，拼接方法主要考慮視覺效果，對相鄰重疊區(qū)域的多張影像采用融合算法，比如采用加權(quán)平均的采樣策略，強(qiáng)制使拼接后的影像的像素不再與任一原始影像相同，由此會(huì)造成拼接后的影像不再與原始影像一致，從而會(huì)損失原始影像的光譜信息。由此可見，傳統(tǒng)的多光譜影像拼接方法，具有多光譜影像拼接效率低、匹配精度有限等問題。技術(shù)實(shí)現(xiàn)要素：針對現(xiàn)有技術(shù)存在的缺陷，本發(fā)明提供一種無人機(jī)多光譜影像快速拼接方法，可有效解決上述問題。本發(fā)明采用的技術(shù)方案如下：本發(fā)明提供一種無人機(jī)多光譜影像快速拼接方法，包括以下步驟：步驟1，獲取無人機(jī)采集的待拼接的n張多光譜遙感影像，同時(shí)獲取無人機(jī)采集所述n張多光譜遙感影像時(shí)的航跡數(shù)據(jù)；根據(jù)所述航跡數(shù)據(jù)，分析得到各張多光譜遙感影像之間的相鄰位置關(guān)系，從而確定所有存在潛在重疊區(qū)域的影像對，假設(shè)存在潛在重疊區(qū)域的影像對共有p組；步驟2，確定最佳波段和最佳匹配算法，步驟如下：步驟2.1，從p組存在潛在重疊區(qū)域的影像對中，挑選出r組存在潛在重疊區(qū)域的影像對，分別記為：第1組影像對、第2組影像對...第r組影像對；其中，r遠(yuǎn)小于p；步驟2.2，確定需要篩選的波段集合和匹配算法集合，假設(shè)波段集合共有a個(gè)波段，分別為：第1波段、第2波段...第a波段；假設(shè)匹配算法集合共有b個(gè)匹配算法，分別為：第1匹配算法、第2匹配算法...第b匹配算法；步驟2.3，使用不同波段和不同匹配算法的組合進(jìn)行正交試驗(yàn)，即：使用每種波段-匹配算法組合對挑選出的每組影像對進(jìn)行特征匹配，并對特征匹配結(jié)果進(jìn)行記錄，得到每種波段-匹配算法組合所對應(yīng)的特征匹配描述子平均值最高值的特征匹配描述子平均值所對應(yīng)的波段-匹配算法組合即為最佳的波段-匹配算法組合，由此得到最佳波段和最佳匹配算法；其中，對于任意的第f波段和第g匹配算法，其中，f∈(1，2...a)；g∈(1，2...b)，其所對應(yīng)的特征匹配描述子平均值基于以下公式計(jì)算得到：其中，pi代表使用第f波段和第g匹配算法，對第i組影像對進(jìn)行特征點(diǎn)提取與匹配計(jì)算時(shí)，得到的第i特征匹配描述子；i∈(1，2...r)；其中：pi＝viri；其中：vi＝c(ii-1,ii-2)/t；ii-1和ii-2分別代表第i組影像對所包含的兩個(gè)影像；c(ii-1,ii-2)代表第i組影像對成功匹配的點(diǎn)對數(shù)量；t代表匹配第i組影像對所消耗的時(shí)間；vi代表單位數(shù)量匹配點(diǎn)對所耗費(fèi)的時(shí)間；ri＝c(ii-1,ii-2)/mean(ii-1,ii-2)；其中，mean(ii-1,ii-2)代表第i組影像對提取到的特征點(diǎn)數(shù)量的平均值，即：第ii-1影像提取到的特征點(diǎn)數(shù)量和第ii-2影像提取到的特征點(diǎn)數(shù)量的平均值；ri代表第i組影像對的匹配成功率；步驟3，使用步驟2確定的最佳波段和最佳匹配算法，對剩余的p-r組存在潛在重疊區(qū)域的影像對進(jìn)行特征匹配；基于步驟2確定的最佳波段和最佳匹配算法，查找步驟2.3的特征匹配結(jié)果記錄，得到與最佳波段和最佳匹配算法對應(yīng)的r組存在潛在重疊區(qū)域的影像對的特征匹配結(jié)果；由此得到全部p組影像對在最佳波段和最佳匹配算法下的特征匹配結(jié)果；步驟4，對所述特征匹配結(jié)果進(jìn)行分析，識(shí)別出所有的同名點(diǎn)；步驟5，對于待拼接的n張多光譜遙感影像，分別記為：影像1、影像2...影像n；步驟5.1，令i＝1；步驟5.2，根據(jù)航跡數(shù)據(jù)，獲得影像i對應(yīng)的原始的相機(jī)投影中心和航向角κi的值；還獲得對應(yīng)的航高h(yuǎn)i的值，其中，航高h(yuǎn)i為固定值；由此得到每張影像vi對應(yīng)的λi的值；其中，λi為相機(jī)焦距fi與航高h(yuǎn)i的比值，為固定值；步驟5.3，獲得影像i的相鄰且未處理過的相鄰影像，假設(shè)相鄰且未處理過的相鄰影像的數(shù)量為wi，將wi個(gè)相鄰影像依次記為：相鄰影像1、相鄰影像2...相鄰影像wi；步驟5.4，令v＝1；步驟5.5，根據(jù)步驟4的結(jié)果，獲得影像i和相鄰影像v匹配得到的mv個(gè)同名點(diǎn)對的像點(diǎn)坐標(biāo)，將mv個(gè)同名點(diǎn)對的像點(diǎn)坐標(biāo)按順序從1開始編號(hào)；步驟5.6，令j＝1；步驟5.7，按下式計(jì)算第j個(gè)同名點(diǎn)對所對應(yīng)的兩個(gè)地面三維點(diǎn)坐標(biāo)之間的距離：其中：代表影像i上的像點(diǎn)所對應(yīng)的地面二維坐標(biāo)，并且，該像點(diǎn)與相鄰影像v上的某個(gè)像點(diǎn)為同名點(diǎn)，并且，該同名點(diǎn)為影像i和相鄰影像v之間的第j個(gè)同名點(diǎn)；代表相鄰影像v上的像點(diǎn)所對應(yīng)的地面二維坐標(biāo)，并且，該像點(diǎn)為與影像i上的某個(gè)像點(diǎn)為同名點(diǎn)，并且，該同名點(diǎn)為影像i和相鄰影像v之間的第j個(gè)同名點(diǎn)；代表影像i和相鄰影像v之間第j個(gè)同名點(diǎn)對所對應(yīng)的地面點(diǎn)對的距離；表示影像i的像點(diǎn)坐標(biāo)，并且，該像點(diǎn)與相鄰影像v上的某個(gè)像點(diǎn)為同名點(diǎn)，并且，該同名點(diǎn)為影像i和相鄰影像v之間的第j個(gè)同名點(diǎn)；表示相鄰影像v上與對應(yīng)的同名點(diǎn)的像點(diǎn)坐標(biāo)；ki和kv分別為影像i與相鄰影像v的航向角；分別為影像i與相鄰影像v的相機(jī)投影中心坐標(biāo)；步驟5.8，判斷j是否等于mv，如果等于，則執(zhí)行步驟5.9；否則，令j＝j(luò)+1，返回步驟5.7；步驟5.9，判斷v是否等于wi，如果等于，則執(zhí)行步驟5.10；否則，令v＝v+1，返回步驟5.5；步驟5.10，判斷i是否等于n，如果等于，則執(zhí)行步驟5.11；否則，令i＝i+1，返回步驟5.2；步驟5.11，對步驟1到步驟5.10所計(jì)算得到的地面三維點(diǎn)坐標(biāo)之間的距離進(jìn)行求和計(jì)算，由此得到如下的目標(biāo)函數(shù)：步驟6，以每張影像i對應(yīng)的相機(jī)投影中心和航向角κi為優(yōu)化參數(shù)，對步驟5.11的目標(biāo)函數(shù)進(jìn)行迭代求解，求得每張影像對應(yīng)的最佳相機(jī)投影中心坐標(biāo)和最佳航向角的值；步驟7，利用步驟6得到的每張影像的最佳相機(jī)投影中心和最佳航向角，對每張影像的所有波段統(tǒng)一進(jìn)行平移與旋轉(zhuǎn)處理，使每張影像均平移旋轉(zhuǎn)到最佳的位置與姿態(tài)；步驟8，對經(jīng)過步驟7處理后得到的影像進(jìn)行融合處理，從而得到最終拼接形成的完整影像。優(yōu)選的，步驟2.1中，r組存在潛在重疊區(qū)域的影像對為：順序匹配得到的存在潛在重疊區(qū)域的影像對。優(yōu)選的，步驟3中，剩余的p-r組存在潛在重疊區(qū)域的影像對是指：航帶間匹配得到的存在潛在重疊區(qū)域的影像對。優(yōu)選的，步驟8中，所述融合處理具體為：當(dāng)每張影像均平移旋轉(zhuǎn)到最佳的位置與姿態(tài)后，對于任意兩張存在重疊區(qū)域的影像，分別記為影像v1和影像v2；影像v1和影像v2分別具有g(shù)個(gè)波段，g個(gè)波段記為：第1波段、第2波段...第g波段；因此，影像v1和影像v2采用各個(gè)對應(yīng)波段逐一進(jìn)行融合的方法，即：影像v1的第1波段和影像v2的第1波段進(jìn)行融合處理；影像v1的第2波段和影像v2的第2波段進(jìn)行融合處理...依此類推，直到影像v1的第g波段和影像v2的第g波段進(jìn)行融合處理；其中，對于任意一個(gè)第h波段，其中，h∈(1、2...g)，影像v1的第h波段和影像v2的第h波段采用以下方法進(jìn)行融合：步驟8.1，對于影像v1的第h波段和影像v2的第h波段之間的重疊區(qū)域，在該重疊區(qū)域采樣到多個(gè)采樣點(diǎn)，任意一個(gè)采樣點(diǎn)oc的平面坐標(biāo)為(x,y)；設(shè)影像v1的第h波段的中心位置點(diǎn)為ov1，影像v2的第h波段的中心位置點(diǎn)為ov2；步驟8.2，如果采樣點(diǎn)oc到ov1的直線距離小于采樣點(diǎn)oc到ov2的直線距離，則：or(x,y)點(diǎn)的像素值為：對影像v1的第h波段在(x,y)位置的像素點(diǎn)進(jìn)行灰度采樣，從而得到or(x,y)點(diǎn)的像素值；其中，or(x,y)點(diǎn)為：影像v1的第h波段和影像v2的第h波段進(jìn)行拼接處理后得到影像v3，影像v3在(x,y)點(diǎn)的表達(dá)；反之，如果采樣點(diǎn)oc到ov1的直線距離大于等于采樣點(diǎn)oc到ov2的直線距離，則：or(x,y)點(diǎn)的像素值為：對影像v2的第h波段在(x,y)位置的像素點(diǎn)進(jìn)行灰度采樣，從而得到or(x,y)點(diǎn)的像素值；步驟8.3，因此，多個(gè)采樣點(diǎn)oc對應(yīng)得到多個(gè)or(x,y)點(diǎn)的像素值，多個(gè)or(x,y)點(diǎn)的像素值即形成拼接影像v3在重疊區(qū)域的像素，由此實(shí)現(xiàn)影像融合。本發(fā)明提供的一種無人機(jī)多光譜影像快速拼接方法具有以下優(yōu)點(diǎn)：使用最佳波段描述子選取代表性波段，用于特征點(diǎn)匹配，并將單波段匹配計(jì)算得到的外方位元素賦予其余波段，從而保證多波段影像在拼接后，波段之間的獨(dú)立性與一致性，同時(shí)避免了每個(gè)波段單獨(dú)處理產(chǎn)生的冗余計(jì)算，或波段分組拼接處理產(chǎn)生的拼接結(jié)果之間的不一致問題。附圖說明圖1為本發(fā)明提供的一種無人機(jī)多光譜影像快速拼接方法的流程示意圖；圖2為本發(fā)明提供的順序拼接方法示意圖；圖3為本發(fā)明提供的航帶間拼接方法示意圖；圖4為采用本發(fā)明提供的多光譜影像快速拼接方法對數(shù)據(jù)集1拼接得到的影像圖；圖5為采用現(xiàn)有技術(shù)中的軟件pix4uav對數(shù)據(jù)集1進(jìn)行影像拼接得到的影像圖；圖6為采用本發(fā)明提供的多光譜影像快速拼接方法對數(shù)據(jù)集2拼接得到的影像圖；圖7為本發(fā)明提供的測試區(qū)域選取圖。具體實(shí)施方式為了使本發(fā)明所解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明提供一種無人機(jī)多光譜影像快速拼接方法，主要特點(diǎn)包括：(1)當(dāng)多光譜影像波段數(shù)量較多(如大于3個(gè)波段)時(shí)，本發(fā)明使用最佳波段描述子選取代表性波段，用于特征點(diǎn)匹配，并將單波段匹配計(jì)算得到的外方位元素(影像的平移量與旋轉(zhuǎn)量)賦予其余波段，由此使一張影像的所有波段使用一致的外方位元素進(jìn)行融合處理，從而保證多波段影像在拼接后，波段之間的獨(dú)立性與一致性，同時(shí)避免了每個(gè)波段單獨(dú)處理產(chǎn)生的冗余計(jì)算，或波段分組拼接處理產(chǎn)生的拼接結(jié)果之間的不一致問題。(2)為了避免多光譜影像在拼接過程中，由于過多的重采樣引起的光譜失真問題，將現(xiàn)有光束法平差的三維投影模型簡化為二維仿射模型，避免生成三維點(diǎn)云，以及基于三維點(diǎn)云進(jìn)行重采樣計(jì)算等復(fù)雜處理，同時(shí)也回避了由這些計(jì)算引入的不規(guī)則重采樣對原始影像光譜信息所產(chǎn)生的損失。以上兩方面的創(chuàng)新加快并簡化了影像拼接過程，具有處理速度快和光譜精度保真度高的優(yōu)點(diǎn)。下面對本發(fā)明提供的無人機(jī)多光譜影像快速拼接方法進(jìn)行詳細(xì)介紹：參考圖1，無人機(jī)多光譜影像快速拼接方法，包括以下步驟：步驟1，獲取無人機(jī)采集的待拼接的n張多光譜遙感影像，同時(shí)獲取無人機(jī)采集所述n張多光譜遙感影像時(shí)的航跡數(shù)據(jù)；根據(jù)所述航跡數(shù)據(jù)，分析得到各張多光譜遙感影像之間的相鄰位置關(guān)系，從而確定所有存在潛在重疊區(qū)域的影像對，假設(shè)存在潛在重疊區(qū)域的影像對共有p組；步驟2，確定最佳波段和最佳匹配算法，步驟如下：步驟2.1，從p組存在潛在重疊區(qū)域的影像對中，挑選出r組存在潛在重疊區(qū)域的影像對，分別記為：第1組影像對、第2組影像對...第r組影像對；其中，r遠(yuǎn)小于p；本步驟中，可以采用順序匹配得到的存在潛在重疊區(qū)域的影像對。參考圖2，即為順序匹配的示意圖。步驟2.2，確定需要篩選的波段集合和匹配算法集合，假設(shè)波段集合共有a個(gè)波段，分別為：第1波段、第2波段...第a波段；假設(shè)匹配算法集合共有b個(gè)匹配算法，分別為：第1匹配算法、第2匹配算法...第b匹配算法；步驟2.3，使用不同波段和不同匹配算法的組合進(jìn)行正交試驗(yàn)，即：使用每種波段-匹配算法組合對挑選出的每組影像對進(jìn)行特征匹配，并對特征匹配結(jié)果進(jìn)行記錄，得到每種波段-匹配算法組合所對應(yīng)的特征匹配描述子平均值特征匹配描述子指標(biāo)可對影像波段與匹配算法結(jié)合的效率和穩(wěn)定性進(jìn)行綜合評(píng)估。較高的值意味著更好的匹配效果，因此，最高值的特征匹配描述子平均值所對應(yīng)的波段-匹配算法組合即為最佳的波段-匹配算法組合，由此得到最佳波段和最佳匹配算法；其中，對于任意的第f波段和第g匹配算法，其中，f∈(1，2...a)；g∈(1，2...b)，其所對應(yīng)的特征匹配描述子平均值基于以下公式計(jì)算得到：其中，pi代表使用第f波段和第g匹配算法，對第i組影像對進(jìn)行特征點(diǎn)提取與匹配計(jì)算時(shí)，得到的第i特征匹配描述子；i∈(1，2...r)；其中：pi＝viri；其中：vi＝c(ii-1,ii-2)/t；ii-1和ii-2分別代表第i組影像對所包含的兩個(gè)影像；c(ii-1,ii-2)代表第i組影像對成功匹配的點(diǎn)對數(shù)量；t代表匹配第i組影像對所消耗的時(shí)間；vi代表單位數(shù)量匹配點(diǎn)對所耗費(fèi)的時(shí)間，可以對特征匹配的時(shí)間消耗進(jìn)行定量評(píng)價(jià)；ri＝c(ii-1,ii-2)/mean(ii-1,ii-2)；其中，mean(ii-1,ii-2)代表第i組影像對提取到的特征點(diǎn)數(shù)量的平均值，即：第ii-1影像提取到的特征點(diǎn)數(shù)量和第ii-2影像提取到的特征點(diǎn)數(shù)量的平均值；ri代表第i組影像對的匹配成功率，可反應(yīng)影像特征匹配的效果；本步驟的思路可描述為：為了在多光譜影像的多個(gè)波段中挑選最佳波段，以及挑選與最佳波段對應(yīng)的最佳匹配算法，從而用于外方位元素的計(jì)算處理。因此，本發(fā)明提出了一個(gè)特征匹配描述子對影像波段與匹配算法結(jié)合的效率和穩(wěn)定性進(jìn)行綜合評(píng)估。但是，特征匹配描述子的計(jì)算依賴于在影像中找到的特征點(diǎn)數(shù)和成功匹配的點(diǎn)對數(shù)量，所以需要在匹配之后進(jìn)行。而發(fā)明人希望在開始匹配之前得到特征匹配描述子的結(jié)果，為此引入了一個(gè)兩階段的匹配流程，即：第一個(gè)階段，采用少量影像，如只使用航向，即前后相鄰影像進(jìn)行分波段匹配，參考圖2，從而得到特征匹配描述子；第二段階段，使用具有最佳特征匹配描述子的波段和匹配算法，對剩余影像進(jìn)行特征匹配，例如，進(jìn)行航帶間的匹配。由此實(shí)現(xiàn)所有影像的特征匹配。步驟3，使用步驟2確定的最佳波段和最佳匹配算法，對剩余的p-r組存在潛在重疊區(qū)域的影像對進(jìn)行特征匹配；此處，可參考圖3，采用航帶間匹配得到的存在潛在重疊區(qū)域的影像對。基于步驟2確定的最佳波段和最佳匹配算法，查找步驟2.3的特征匹配結(jié)果記錄，得到與最佳波段和最佳匹配算法對應(yīng)的r組存在潛在重疊區(qū)域的影像對的特征匹配結(jié)果；由此得到全部p組影像對在最佳波段和最佳匹配算法下的特征匹配結(jié)果；步驟4，對所述特征匹配結(jié)果進(jìn)行分析，識(shí)別出所有的同名點(diǎn)；步驟5，對于待拼接的n張多光譜遙感影像，分別記為：影像1、影像2...影像n；步驟5.1，令i＝1；步驟5.2，根據(jù)航跡數(shù)據(jù)，獲得影像i對應(yīng)的原始的相機(jī)投影中心和航向角κi的值；還獲得對應(yīng)的航高h(yuǎn)i的值，其中，航高h(yuǎn)i為固定值；由此得到每張影像vi對應(yīng)的λi的值；其中，λi為相機(jī)焦距fi與航高h(yuǎn)i的比值，為固定值；步驟5.3，獲得影像i的相鄰且未處理過的相鄰影像，假設(shè)相鄰且未處理過的相鄰影像的數(shù)量為wi，將wi個(gè)相鄰影像依次記為：相鄰影像1、相鄰影像2...相鄰影像wi；步驟5.4，令v＝1；步驟5.5，根據(jù)步驟4的結(jié)果，獲得影像i和相鄰影像v匹配得到的mv個(gè)同名點(diǎn)對的像點(diǎn)坐標(biāo)，將mv個(gè)同名點(diǎn)對的像點(diǎn)坐標(biāo)按順序從1開始編號(hào)；步驟5.6，令j＝1；步驟5.7，按下式計(jì)算第j個(gè)同名點(diǎn)對所對應(yīng)的兩個(gè)地面三維點(diǎn)坐標(biāo)之間的距離：其中：代表影像i上的像點(diǎn)所對應(yīng)的地面二維坐標(biāo)，并且，該像點(diǎn)與相鄰影像v上的某個(gè)像點(diǎn)為同名點(diǎn)，并且，該同名點(diǎn)為影像i和相鄰影像v之間的第j個(gè)同名點(diǎn)；代表相鄰影像v上的像點(diǎn)所對應(yīng)的地面二維坐標(biāo)，并且，該像點(diǎn)為與影像i上的某個(gè)像點(diǎn)為同名點(diǎn)，并且，該同名點(diǎn)為影像i和相鄰影像v之間的第j個(gè)同名點(diǎn)；代表影像i和相鄰影像v之間第j個(gè)同名點(diǎn)對所對應(yīng)的地面點(diǎn)對的距離；表示影像i的像點(diǎn)坐標(biāo)，并且，該像點(diǎn)與相鄰影像v上的某個(gè)像點(diǎn)為同名點(diǎn)，并且，該同名點(diǎn)為影像i和相鄰影像v之間的第j個(gè)同名點(diǎn)；表示相鄰影像v上與對應(yīng)的同名點(diǎn)的像點(diǎn)坐標(biāo)；ki和kv分別為影像i與相鄰影像v的航向角；分別為影像i與相鄰影像v的相機(jī)投影中心坐標(biāo)；步驟5.8，判斷j是否等于mv，如果等于，則執(zhí)行步驟5.9；否則，令j＝j(luò)+1，返回步驟5.7；步驟5.9，判斷v是否等于wi，如果等于，則執(zhí)行步驟5.10；否則，令v＝v+1，返回步驟5.5；步驟5.10，判斷i是否等于n，如果等于，則執(zhí)行步驟5.11；否則，令i＝i+1，返回步驟5.2；步驟5.11，對步驟1到步驟5.10所計(jì)算得到的地面三維點(diǎn)坐標(biāo)之間的距離進(jìn)行求和計(jì)算，由此得到如下的目標(biāo)函數(shù)：對于本步驟的目標(biāo)函數(shù)，為方便對本發(fā)明進(jìn)行理解，以及，為闡述目標(biāo)函數(shù)的推理過程，進(jìn)行以下說明：1)簡化的光束法計(jì)算模型無人機(jī)在戶外采集數(shù)據(jù)的飛行過程中，相機(jī)每拍攝一次影像，其位置與姿態(tài)信息，均會(huì)在無人機(jī)的自駕系統(tǒng)進(jìn)行記錄，即所謂的航跡數(shù)據(jù)。在無人機(jī)影像拼接過程中，一般會(huì)采用無人機(jī)的航跡數(shù)據(jù)確定影像之間初始的姿態(tài)與位置關(guān)系，所以通常在完成影像的特征點(diǎn)匹配之后，直接采用光束法平差計(jì)算影像之間精確的空間關(guān)系并求解匹配點(diǎn)的三維坐標(biāo)。一般使用透視變換模型為：其中：(xc,yc,zc)為相機(jī)投影中心在物方空間的坐標(biāo)，(xp,yp,zp)為地面點(diǎn)的物方空間坐標(biāo)，(x、y、z)為地面點(diǎn)經(jīng)k與r變換到像方空間的三維坐標(biāo)。其中，k矩陣為相機(jī)的內(nèi)參數(shù)矩陣；r為旋轉(zhuǎn)矩陣；設(shè)相機(jī)在橫滾、俯仰、航向三個(gè)軸上的旋轉(zhuǎn)角分別為ω和κ，則旋轉(zhuǎn)矩陣r為：其中：rω、rκ分別為橫滾、俯仰、航向三個(gè)軸上的旋轉(zhuǎn)矩陣。當(dāng)同一個(gè)地面點(diǎn)在多張影像上存在投影時(shí)，使用該透視變換模型則可建立多張影像之間的線性組合關(guān)系，通過最小二乘原理，可求解得到精確的影像間旋轉(zhuǎn)關(guān)系與匹配點(diǎn)三維坐標(biāo)。由于多光譜影像的一個(gè)非常重要的應(yīng)用領(lǐng)域是農(nóng)作業(yè)生長監(jiān)測與病害的防治，如前所述，如果使用公式(1)透視變換模型，則需要計(jì)算大量三維地面點(diǎn)，進(jìn)行正射影像生成，由此則會(huì)引入大量重采樣，會(huì)給原始的光譜信息帶來失真。在顧及大范圍農(nóng)田所處地形一般位于相對平坦的地區(qū)，發(fā)明人對該透視變換模型進(jìn)行如下簡化：首先，對于多光譜傳感器而言，當(dāng)其搭載在無人機(jī)上時(shí)，必須采用云臺(tái)穩(wěn)定裝置，在天氣條件較好的情況下，云臺(tái)使其保持垂直于地面，此時(shí)橫滾軸和俯仰軸的角度可以取近似0值，即有ω＝0，這時(shí)的旋轉(zhuǎn)矩陣r可近似為：此時(shí)透視變換模型可寫為：由于獲取影像的目標(biāo)區(qū)域以較為平常的農(nóng)田區(qū)域?yàn)橹?，考慮到無人機(jī)在影像獲取過程中，一般其航高設(shè)置為固定值，所以，在這種情況下，zp-zc可用航高h(yuǎn)取代。因此，模型可簡化為：為了精確處理多光譜影像，一般在航拍前會(huì)對多光譜相機(jī)進(jìn)行內(nèi)參數(shù)校正，由于其像點(diǎn)坐標(biāo)相對于焦距值一般很小，同時(shí)在顧及對航高方向所做的近似處理，故此時(shí)相機(jī)內(nèi)參數(shù)矩陣k可近似為：將rk和k的詳細(xì)表達(dá)式分別代入式(5)，經(jīng)整理可得如下表達(dá)式：其中λ＝f/h，其描述的是影像中的坐標(biāo)系和現(xiàn)實(shí)世界坐標(biāo)系間的尺度的關(guān)系。顯然該簡化后的模型，計(jì)算時(shí)需要求解的未知數(shù)，對于每張影像的外方位元素而言，由6個(gè)(即ω、κ、xc、yc、zc)已經(jīng)下降至3個(gè)(即κ、xc和yc)，從而可以極大地提升計(jì)算效率。2)由于在無人機(jī)航攝過程中，航跡數(shù)據(jù)已經(jīng)記錄了每張影像的投影中心位置與航向角等參數(shù)，雖然這些值存在誤差，但與真實(shí)值的差異較小，可作為初始值，輸入到目標(biāo)函數(shù)中。因此，在完成前面的所有匹配工作后，不再使用匹配點(diǎn)計(jì)算影像之間的相對空間關(guān)系(包括相對位移與相對旋轉(zhuǎn)角)，而是直接采用光束法平差，使用公式(7)進(jìn)行優(yōu)化計(jì)算，所需優(yōu)化的未知數(shù)包括：每張影像的相機(jī)投影中心與航向角，由于航高固定為h，因此，地面三維坐標(biāo)實(shí)際為二維坐標(biāo)(xp,yp)。對于地面三維點(diǎn)(xp,yp,h)的初始值，由前面公式(7)可計(jì)算得到，對公式(7)，利用影像上某個(gè)點(diǎn)的像點(diǎn)(x1,y1)可變換為：由于旋轉(zhuǎn)矩陣為正定陣，其逆矩陣為其轉(zhuǎn)置，故有公式(8)的表達(dá)形式，其中相機(jī)投影中心坐標(biāo)(xc,yc)與航向角κ的初始值，均取自無人機(jī)航跡中的記錄數(shù)據(jù)，λ為相機(jī)焦距f與航高h(yuǎn)的比值，從而由(8)式中可直接求得未知數(shù)(xp,yp)。也就是說，通過公式8，可求得每個(gè)影像上每個(gè)像素點(diǎn)對應(yīng)的地面三維坐標(biāo)值。3)由于任一影像可能具有多達(dá)八張具有相鄰關(guān)系的影像，因而，同一地面點(diǎn)可能會(huì)投影到多張影像中，從而構(gòu)成多個(gè)同名點(diǎn)對，使用不同的同名點(diǎn)對，由公式(8)計(jì)算得到對應(yīng)的三維點(diǎn)坐標(biāo)，由于誤差存在的原因，三維點(diǎn)坐標(biāo)相互之間存在一定的差異，但在理論上，這些三維點(diǎn)坐標(biāo)應(yīng)該完全一致，所以，為求得最優(yōu)的計(jì)算結(jié)果，應(yīng)該確保屬于同一組同名點(diǎn)的對應(yīng)的三維坐標(biāo)點(diǎn)之間的差異達(dá)到最小值甚至接近0值。具體的，假設(shè)任一影像m，存在w張相鄰影像(w的取值一般為3～8)，以第1張相鄰影像為例，假設(shè)影像m與第1張相鄰影像具有m對同名點(diǎn)(m的取值一般應(yīng)大于等于6)，設(shè)(xpj1,ypj1)、(xpj2,ypj2)為任意一對同名點(diǎn)計(jì)算得到的三維點(diǎn)坐標(biāo)的平面分量，影像m存在相機(jī)投影中心(xc、yc)、航向角κ的最佳估值，因此，同一組同名點(diǎn)對所對應(yīng)的地面三維點(diǎn)坐標(biāo)的平面分量(xpj1,ypj1)、(xpj2,ypj2)之間的差異(也即距離)和為最小，即有：將公式(8)代入到公式(9)中，得到以下更為詳細(xì)的目標(biāo)表達(dá)式：步驟6，以每張影像i對應(yīng)的相機(jī)投影中心和航向角κi為優(yōu)化參數(shù)，對步驟5.11的目標(biāo)函數(shù)進(jìn)行迭代求解，求得每張影像對應(yīng)的最佳相機(jī)投影中心坐標(biāo)和最佳航向角的值；步驟7，利用步驟6得到的每張影像的最佳相機(jī)投影中心和最佳航向角，對每張影像的所有波段統(tǒng)一進(jìn)行平移與旋轉(zhuǎn)處理，使每張影像均平移旋轉(zhuǎn)到最佳的位置與姿態(tài)；步驟8，對經(jīng)過步驟7處理后得到的影像進(jìn)行融合處理，從而得到最終拼接形成的完整影像。本步驟具體為：當(dāng)每張影像均平移旋轉(zhuǎn)到最佳的位置與姿態(tài)后，對于任意兩張存在重疊區(qū)域的影像，分別記為影像v1和影像v2；影像v1和影像v2分別具有g(shù)個(gè)波段，g個(gè)波段記為：第1波段、第2波段...第g波段；因此，影像v1和影像v2采用各個(gè)對應(yīng)波段逐一進(jìn)行融合的方法，即：影像v1的第1波段和影像v2的第1波段進(jìn)行融合處理；影像v1的第2波段和影像v2的第2波段進(jìn)行融合處理...依此類推，直到影像v1的第g波段和影像v2的第g波段進(jìn)行融合處理；其中，對于任意一個(gè)第h波段，其中，h∈(1、2...g)，影像v1的第h波段和影像v2的第h波段采用以下方法進(jìn)行融合：步驟8.1，對于影像v1的第h波段和影像v2的第h波段之間的重疊區(qū)域，在該重疊區(qū)域采樣到多個(gè)采樣點(diǎn)，任意一個(gè)采樣點(diǎn)oc的平面坐標(biāo)為(x,y)；設(shè)影像v1的第h波段的中心位置點(diǎn)為ov1，影像v2的第h波段的中心位置點(diǎn)為ov2；步驟8.2，如果采樣點(diǎn)oc到ov1的直線距離小于采樣點(diǎn)oc到ov2的直線距離，則：or(x,y)點(diǎn)的像素值為：對影像v1的第h波段在(x,y)位置的像素點(diǎn)進(jìn)行灰度采樣，從而得到or(x,y)點(diǎn)的像素值；其中，or(x,y)點(diǎn)為：影像v1的第h波段和影像v2的第h波段進(jìn)行拼接處理后得到影像v3，影像v3在(x,y)點(diǎn)的表達(dá)；反之，如果采樣點(diǎn)oc到ov1的直線距離大于等于采樣點(diǎn)oc到ov2的直線距離，則：or(x,y)點(diǎn)的像素值為：對影像v2的第h波段在(x,y)位置的像素點(diǎn)進(jìn)行灰度采樣，從而得到or(x,y)點(diǎn)的像素值；步驟8.3，因此，多個(gè)采樣點(diǎn)oc對應(yīng)得到多個(gè)or(x,y)點(diǎn)的像素值，多個(gè)or(x,y)點(diǎn)的像素值即形成拼接影像v3在重疊區(qū)域的像素，由此實(shí)現(xiàn)影像融合。本步驟進(jìn)行圖像融合的思路可描述為：在所有的影像均平移旋轉(zhuǎn)到最佳的位置與姿態(tài)后，由于影像之間重疊度的存在，相鄰影像之間會(huì)存在至少兩張影像共同覆蓋同一個(gè)區(qū)域的情況，由于拼接后的影像必須是完整的一張影像，因此，需要對多張影像重疊區(qū)域，經(jīng)采樣處理到一張完整的拼接影像中去，該過程即為影像的融合。在融合過程中，為了避免因融合計(jì)算產(chǎn)生的原始光譜的失真，不再對重疊區(qū)域的影像像素進(jìn)行加權(quán)計(jì)算或類似的處理，而是對所有波段逐一進(jìn)行拼接處理，設(shè)拼接后的影像為f，則f上任一點(diǎn)a(x,y)，其像素值g(x,y)取覆蓋(x,y)位置的原始影像上的像素點(diǎn)，為確保盡可能少的光譜失真，僅從覆蓋當(dāng)前點(diǎn)位的多張影像中選取一張，且從所選取的影像中進(jìn)行灰度值采樣時(shí)，采用較好的雙線性采樣方法。而原始影像選擇，遵從以下方法：假設(shè)當(dāng)前位置a(x,y)存在2張覆蓋該點(diǎn)的影像，分別為影像v1和影像v2，其中心位置點(diǎn)分別為：ov1和ov2；在顧及鏡頭畸變從影像中心點(diǎn)向外增大的因素，選取影像中心距離a(x,y)位置最小的影像用于像素值的采樣。例如，影像v1和影像v2存在重疊區(qū)域，其拼接后影像為拼接影像v3，因此，拼接影像v3上任一點(diǎn)a(x,y)，其像素值g(x,y)取影像v1或影像v2在對應(yīng)位置的像素點(diǎn)，影像v1或影像v2即為原始影像。而至于取影像v1還是影像v2在對應(yīng)位置的像素點(diǎn)時(shí)，選擇原則為：影像中心距離a(x,y)位置最小的影像用于像素值的采樣。綜上所述，本發(fā)明提供的一種無人機(jī)多光譜影像快速拼接方法，具有以下優(yōu)點(diǎn)：(1)本發(fā)明提出最佳波段描述子，即：從多光譜影像中挑選最佳波段和最佳匹配算法，從而組合為最佳波段描述子；然后，采用最佳波段描述子用于其他影像的特征點(diǎn)提取和后續(xù)的匹配計(jì)算；此外，將該最佳波段描述子計(jì)算得到的外方位元素直接賦值給其它波段影像，用于各波段獨(dú)立的融合處理，從而保持多光譜影像所有波段拼接后的一致性。(2)考慮到在農(nóng)業(yè)遙感中，對于地面植被的生長狀況分析等完全依賴于影像的光譜信息，所以，在多光譜影像拼接處理過程中，必須優(yōu)先確保光譜信息盡可能不受拼接過程的影像。由于大范圍影像拼接計(jì)算過程中，大量重采樣計(jì)算主要發(fā)生在基于三維點(diǎn)云或三維數(shù)字地形模型的正射影像生成階段，在顧及大范圍農(nóng)業(yè)環(huán)境，一般具有相對平整的地面，所以，在本發(fā)明中，將現(xiàn)有三維計(jì)算模型通過幾種假設(shè)簡化為二維模型，由此使整個(gè)拼接過程，不僅簡化了計(jì)算，同時(shí)也避免了過多的重采樣計(jì)算，確保光譜信息最少的損失。因此，本發(fā)明以單波段替代所有波段的特征點(diǎn)提取與匹配，同時(shí)回避了三維點(diǎn)云的生成與正射影像的重采樣，從而極大地簡化并加快了計(jì)算處理過程；此外，將單波段計(jì)算的外方位元素用于所有波段的融合處理，確保了所有波段拼接結(jié)果的一致性；此外，采用簡化模型極大地降低了重采樣計(jì)算，從而確保影像在融合處理過程中光譜信息與原始影像盡可能一致。驗(yàn)證例為了驗(yàn)證本發(fā)明提供的多光譜影像快速拼接方法的可行性和優(yōu)異的效果性，使用af25b無人直升機(jī)搭載tetracammini-mca6多光譜相機(jī)對新疆北屯的兩個(gè)不同區(qū)域進(jìn)行數(shù)據(jù)采集，其中，該相機(jī)具有6個(gè)波段，每一波段具有1280*1024像素，水平視角為38.26度，得到數(shù)據(jù)集1和數(shù)據(jù)集2。其中，數(shù)據(jù)集1主要內(nèi)容為城市、裸土和部分水體，共441張影像，航高為400m。數(shù)據(jù)集2主要內(nèi)容為農(nóng)田和公路，共有222張影像，航高為200m。使用本發(fā)明提供的拼接方法對數(shù)據(jù)集1和數(shù)據(jù)集2分別進(jìn)行拼接處理，結(jié)果如圖4和圖6所示，作為對比，使用軟件pix4uav分別對數(shù)據(jù)集1和數(shù)據(jù)集2進(jìn)行拼接處理，其中，對于數(shù)據(jù)集1，其在拼接過程中生成了三維點(diǎn)云，基于點(diǎn)云生成了正射影像，拼接結(jié)果如圖5所示。而使用軟件pix4uav對數(shù)據(jù)集2處理時(shí)，無法得到完整的拼接結(jié)果。觀察圖4和圖6可以看出，采用本發(fā)明拼接方法時(shí)，兩組數(shù)據(jù)集所對應(yīng)的拼接影像沒有明顯的大范圍變形和錯(cuò)位，且圖4與圖5在視角上基本一致，說明本發(fā)明方法在兩組數(shù)據(jù)集上都得到視覺上令人滿意的效果。此外，由于本發(fā)明采用了較為簡單的模型，本發(fā)明方法可以更有效的保留影像邊角部分的數(shù)據(jù)，使得在最終結(jié)果中可以盡可能提高原始數(shù)據(jù)的利用率。在數(shù)據(jù)集1利用pix4uav拼接的結(jié)果中，觀察圖5可以看出，影像左下角的區(qū)域產(chǎn)生了輕微錯(cuò)位，可能是由于三維重建的不穩(wěn)定特性造成。對于數(shù)據(jù)集2，利用pix4uav拼接時(shí)，處理記錄顯示，無法成功進(jìn)行影像拼接的原因是：在平差過程中因?yàn)檎`差過大等原因丟棄了大量的影像，主要原因在于數(shù)據(jù)集2的影像幾乎都是綠色農(nóng)田，特征點(diǎn)不明顯，難以得到良好的匹配結(jié)果。在這一方面，本發(fā)明拼接方法明顯優(yōu)于pix4uav。這也顯示本發(fā)明拼接方法相對于傳統(tǒng)的三維投影模型方法，具有更好的穩(wěn)定性，在面對相對惡劣的原始數(shù)據(jù)時(shí)仍能穩(wěn)定處理。為了驗(yàn)證本發(fā)明拼接方法在處理速度方面的優(yōu)勢，通過增加影像數(shù)據(jù)的方式進(jìn)行了測試，結(jié)果如下表1所示。表1數(shù)據(jù)集1的處理速度比較影像數(shù)據(jù)(張)本發(fā)明所用時(shí)間pix4uav所用時(shí)間147421s960s254998s3720s362204711400s表1的數(shù)據(jù)顯示，隨著影像數(shù)量的增長，本發(fā)明和已有商業(yè)軟件需要的時(shí)間均有不同程度的增長。然而，已有商業(yè)軟件的時(shí)間消耗增長劇烈，而本發(fā)明方法時(shí)間消耗基本為線性增長。因此，在數(shù)據(jù)量較多時(shí)，本發(fā)明方法可以顯著節(jié)省處理時(shí)間。為了驗(yàn)證本發(fā)明方法的光譜精度，采用了一種基于特征匹配的對比方法。首先對于影像中的單個(gè)點(diǎn)，通過比較這個(gè)點(diǎn)在每個(gè)波段上與原始影像上相同點(diǎn)的數(shù)值差異，從而評(píng)價(jià)這個(gè)點(diǎn)相比原始影像的光譜失真。而對于整幅影像，使用人工方式選點(diǎn)比較需要耗費(fèi)大量的工作，而通過個(gè)別點(diǎn)配準(zhǔn)的方式對齊影像無法做到逐像素精確對齊，所以也難以用于大面積的影像比較。所以，發(fā)明人挑選了多張?jiān)加跋?，將原始影像與拼接結(jié)果進(jìn)行特征匹配，然后對比匹配點(diǎn)之間的不同波段數(shù)值差異，這樣就可以得到相對較多的采樣點(diǎn)。由于存在原始影像與本發(fā)明方法的匹配結(jié)果/光束法平差生成的正射影像兩組匹配，為了去除兩組匹配點(diǎn)數(shù)不一樣造成的結(jié)果差異，在對比時(shí)只取兩組結(jié)果中對應(yīng)原始影像上相同點(diǎn)的點(diǎn)對。測試區(qū)域如圖7所示，共有7個(gè)采樣區(qū)域，光譜失真對比如表2所示：表2：光譜失真對比表從表2可以看出，本發(fā)明方法在農(nóng)田等植被覆蓋區(qū)域表現(xiàn)明顯優(yōu)于商業(yè)軟件基于光束法平差的三維重建方式。本發(fā)明在農(nóng)田和植被為主的區(qū)域保持了低于基于光束法平差的正射影像的平均方均根誤差，可以說明本發(fā)明方法確實(shí)可以實(shí)現(xiàn)更低的光譜失真，從而為進(jìn)一步的遙感分析打下良好的基礎(chǔ)。因此，本發(fā)明方法非常適合對面向農(nóng)田等平坦區(qū)域進(jìn)行植被分析。綜上所述，與傳統(tǒng)的無人機(jī)影像拼接方法相比，本發(fā)明具有以下優(yōu)點(diǎn)：(1)充分考慮了面向農(nóng)田等平坦地形場景的多光譜遙感應(yīng)用的特點(diǎn)，降低對空間精度的要求，在地形起伏影響較小的情況下將地面視為平面，從而可以使用基于簡化的投影模型實(shí)現(xiàn)簡單的計(jì)算處理，并且避免了精確還原三維地形帶來的大量不規(guī)則重采樣，相對于現(xiàn)有方法，最大限度地保留了多光譜遙感影像的原始光譜信息。(2)通過引用特征描述子組合，優(yōu)選少量具有最佳特征信息的影像進(jìn)行特征點(diǎn)提取與影像空間關(guān)系計(jì)算，并將這一計(jì)算結(jié)果用于其它波段影像的直接融合，從而避免了傳統(tǒng)方法對所有波段的單獨(dú)處理，以及傳統(tǒng)方法分組處理的缺點(diǎn)，使得拼接后的大幅面影像仍然保留了所有波段，并可實(shí)現(xiàn)波段間的隨意組合分析。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視本發(fā)明的保護(hù)范圍。當(dāng)前第1頁12