王亚洲, 赵德群, 张楠西, 石 珺, 邓钱华

(北京工业大学 信息学部,北京 100124)

UAV (Unmanned Aerial Vehicle,无人机)具有运行简单、反应迅速、飞行灵活、成本低等特点,已被广泛应用于抗灾救灾、军事侦察、海上检测、环境保护和土地动态监测等区域[1]. 而由于无人机航拍序列图片拍摄的视角有限,受到无人机飞行的高度及相机的参数的限制. 为了对拍摄的区域进行全局的把握与分析,得到更多的目标区域信息,图像的快速拼接显得十分迫切与需要.

目前无人机的航拍影像拼接方法主要有两种： 一种是基于图像特征的拼接方法,另一种是基于POS信息的拼接方法.

基于特征的图像拼接主要包括两个主要的步骤,分别为图像配准和图像融合. 其中图像配准为核心步骤. 在基于特征检测的图像配准算法中,1988年CHris Harris提出了Harris角点检测算子,该算法对角点响应函数R进行阈值处理并且提取R的局部最大值来进行角点的提取,缺点是该算法不具有尺度不变性并且特征检测时间不是很令人满意. SIFT特征匹配算法(Scale Invariant Feature Transform)[2]是一种经典的算法,它通过在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量,并且提出来的特征比较稳定,但是缺点为提取出的特征点数量较多,计算量大,耗时长. Bay[3]于2006年提出了SURF算法,意为加速鲁棒性特征,是对SIFT算法进行的一种改进,SURF算法利用Hessian矩阵确定候选点然后进行非极大抑制,降低了计算复杂度,一般来说,标准的SURF算子比SIFT算子快好几倍,并且在多副图片下具有……