王鹏钊，陈宇哲，潘斐扬

（电子科技大学，四川 成都 611731）

0 引言

无人机技术在现代社会中有广泛的应用，由无人机拍摄的航拍图像可以较为清晰地显示出自然地貌、地面建筑和交通线路等关键地理特征。无人机凭借着其灵活性高、可操作性强等特征，在地图绘制、灾害防治以及军事侦察方面有着重要的应用[1]。然而现阶段大部分无人机都很难直接在高空通过单次拍摄获得某一区域的全景图像，因此低空拍摄多组图片再通过计算机处理、拼接、融合得到一张大图的方式逐渐成为当下无人机航拍的主流。

常用于无人机图像拼接的特征匹配算法有尺度不变特征变换匹配算法（Scale Invariant Feature Transform，SIFT）、加速鲁棒特征（Speeded Up Robust Features，SURF）以及定向加速测试特征和旋转二值鲁棒独立基本特征（Oriented FAST and Rotated BRIEF，ORB）等。其中，由Lowe 提出的SIFT 算法[2]匹配的特征点数目较多但是计算耗时较长。SURF 算法是在SIFT 算法上引入了积分图像以及盒函数，从而获得了比SIFT 算法快3 倍的计算速度[3]。ORB算法是将加速段测试特征（Features from Accelerated Segment Test，FAST）算法和二值鲁棒独立基本特征（Binary Robust Independent Elementary Features，BRIEF）算法结合，计算速度快但尺度不变性较差[4]。在图像融合方面，航拍图像最常用的融合算法是加权线性融合算法。加权线性融合算法在处理单方向渐入渐出融合时效果较好，但是对于不同视角下拍摄出的航拍图像，图像变换后重叠区域通常会变得更加不规则，应用加权线性融合会导致较为明显的重影和拼接痕迹。

本文提出一种基于距离矩阵融合的无人机拼接算法。在特征检测阶段，本文采用SURF 算法来检测图像中的特征点，以期较快地获得准确的特征点和特征描述子。……