徐 阳， 曹 杰

（1.南京航空航天大学 电子信息工程学院，江苏 南京 210016；2.南京航空航天大学 无人机研究院，江苏 南京 210016）

近些年来，随着国民经济的发展，无人机遥感技术在城市规划、地理测绘、环境监测、国土资源勘探、军事侦察以及考古等许多领域中发挥着越来越重要的作用。但由于无人机摄像设备的性能以及其它因素的限制，一般只能得到部分区域的图像序列，这就需要通过图像拼接技术将这些图像序列合成一幅大的全景图。SIFT算法[1-2]作为目前图像匹配领域内最活跃的算法之一，对于图像的缩放、平移和旋转都具有良好的不变性，对于光照变化和仿射变换或者三维投影也具有一定的鲁棒性，因此SIFT算法获得了广泛的应用[3-8]。

随着图像的对比度降低，SIFT算法所能提取的特征点数目会大大减少。而在实际的无人机成像过程中，受周围环境因素影响较大，例如由于光照不均匀或者目标本身的灰度特性都有可能造成图像对比度的降低。

在SIFT算法中，剔除对比度小于给定阈值（SIFT推荐为0.03）的特征点，认为这些点是不稳定的，但固定的阈值无法适应图像对比度的变化，同时会造成图像局部范围内特征点的分布不均。一种解决方法是将原始图像进行对比度增强，然后对其进行SIFT特征提取。但是对比度增强是一种有损处理，对图像的质量会造成损害，影响配准精度。另一种方法是根据图像的对比度人工调整阈值，但人工调整阈值无法适应图像自动配准的要求，大大增加了工作量，不符合实际工作需求。……