黄旭龙，杨晓梅

(四川大学 电气工程学院，四川 成都 610065)

0 引 言

在实际工程应用中，由于受限于地面空间环境和设备器材的限制，使用相机无法近距离拍摄全景图像，这时就需要通过无人机图像拼接技术将多幅局部图像拼接融合为一幅全景大图像[1-3]。但由于无人机在空中极易受到雨水、雾霾和光照等自然环境的不良影响，致使拍摄图像包含大量干扰噪声[4]。这些含噪无人机图像无法真实和全面反映拍摄对象细节信息，进而使待拼接图像的质量大大降低，拼接后图像极易产生畸变现象[5]，这对无人机图像拼接方法提出了更高的要求。

含噪无人机图像拼接方法主要由图像预处理、图像配准、图像融合3部分组成[6]。在图像预处理部分，Storath M等[7]运用中值滤波进行图像去噪处理，该方法易破坏图像锐角、线段等细节信息。芦碧波等[8]将经典的全变分(TV)模型运用在去噪处理中，虽能有效去除噪声，但图像易出现阶梯效应。为消除TV模型的阶梯效应，学者们提出了众多TV改进模型[9,10]。近些年来，欧拉弹性曲率正则项被广泛应用在医学图像分割[11]、重建[12]与修复[13]中，并取得较好的结果。图像配准是将多幅图片进行匹配和对齐的过程。尺度不变特征转换(SIFT)算法[14]因其具有良好的鲁棒性被广泛应用于图像配准，但运算时间较长。唐宏伟等[15]将加速稳健特征(SURF)算法运用在图像配准中，算法配准效果较好，运算速度有所提升。在图像融合部分，文献[16]使用直接平均融合法进行图像融合，图像拼接处易出现缝隙。……