王红君, 刘一鸣, 岳有军, 赵 辉,2

(1.天津理工大学电气电子工程学院，天津 300384；2.天津农学院工程技术学院，天津 300384)

近年来，随着数字图像处理技术和无人机遥感技术的快速发展和日趋成熟，无人机航空遥感系统在众多领域都得到广泛应用，凭借其灵活且方便操作的特点，在诸多人力不方便作业的区域有着难以替代的作用[1]。然而在应用过程中，无人机航拍图像往往尺寸过大，导致了在特征匹配环节存在速度过慢的问题；而且由于图像分辨率过高，传统算法在匹配特征点时，误匹配率也比较高。因此，如何快速准确地匹配图像特征点成为无人机遥感图像拼接的热点话题。

图像拼接技术问世到现在，已经出现了很多种图像拼接算法，其中最主流的算法是特征点提取算法。常见的特征点提取算法有SIFT(scale-invariant feature transform)、SURF(speed-up robust features)与ORB(oriented FAST and rotated BRIEF)算法等。中国方面，曾海长等[2]在ORB算法中引入Hessian检测算子，用来解决ORB尺度不变性较差的问题，但是这种算法在拼接中容易出现特征点误匹配的问题；禹鑫燚等[3]针对图像拼接中的重叠区域某些图像局部特征信息容易丢失的问题, 对图像特征点进行了四叉树划分，增加了边缘检测的能力，然而这种改进不适用于色差变化较小的地带，而无人机会在任何场景作业，因此这种改进的ORB算法并不适用于无人机图像拼接。而在国外方面，Fathima等[4]提出一种结合SIFT特征的不变矩图像拼接方法，来减少计算复杂度，但是拼接结果产生的裂缝较为明显；Aghamohamadnia等[5]将一些假设的交叉条纹缝线的平均像素值代入算法中，在一定程度上改善了图像拼接中的重影问题，但是拼接的速率缓慢。……