谢珍莲

（厦门图辰信息科技有限公司，福建 厦门 361008）

0.引言

随着卫星和无人机遥感技术的迅速发展，可以根据任务需求，高效准确获取地面高分辨率影像[1]，结合不同时期的遥感影像，通过一定的变化检测方法即可提取出变化区域范围，进一步为自然灾害、战损评估、土地调查等提供决策信息保障。无人机具备机动灵活、高分辨率成像的优势，是用于紧急任务中实施目标监测的首选，但受无人机飞行高度的限制，单幅影像的成像范围较小，对于大范围的目标检测就需要将多幅无人机影像拼接成单幅大视角影像[2]。因此，依靠无人机影像完成地物变化信息提取需要解决两方面问题：（1）影像拼接；（2）变化检测。

一般在依靠传统航空摄影测量的方法完成影像拼接时，会存在数据解算工作量大、效率低的问题，甚至出现系统偏差过大，拼接失败的现象。近几年，随着计算机视觉技术的发展，多数航测软件采用了运动恢复结构技术（SFM），提升数据解算效率，但并未从根本上提高对粗差的抗干扰能力，常出现模型解算过程突然终止，影像未全部解算成功的现象[3]。而传统基于图像分析的地面目标检测主要依靠人工判读的方式，这种方法不仅效率低下，而且分析结果受人为因素影响较大，会出现漏判、错判现象，且不能给出定量的检测结果。因此采用计算机自动检测模型取代人力变得尤为重要。

1.稳健的DSM构建模型

在DSM快速生产过程，本文主要提出了一种稳健的李代数旋转平均方法，并合理地将其应用于DSM模型构建当中。……