王亮亮

(中国铁路设计集团有限公司，天津 300251)

无人机系统具有结构简单、成本低、风险小、灵活机动、实时性强等优点，已在多个行业中得到广泛应用[1]。影像匹配是将无人机应用于各行业的关键，基于特征的影像匹配方法具有稳定性强、对噪声不敏感等优点[2]。其中，点特征定位精度高，是目前最常用的匹配方法。Lowe于1999年提出尺度不变特征转换(SIFT)算法[3]；加速特征提取(SURF)算法由Bay等在SIFT算法的基础上改进，可加快特征检测、特征描述速度，提高特征匹配效率[4]；随着无人机影像分辨率的不断提高，传统SURF算法的弊端也逐渐显现，其提取的特征点冗余度大，且位于特征明显处，(如山区的山脊山谷线、房屋角点、交叉点等)，若以此为样本集求解转换参数，易造成局部最优而整体效果较差，进而影响图像配准、图像拼接等后期工作的精度[5]。

研究表明，影像配准精度取决于控制点的空间分布质量。因此，可通过空间分布约束来获取均匀分布的特征点。SEDAGHAT等提出均匀分布鲁棒性SIFT(UR-SIFT)算法，首先确定特征点的总数量，再通过计算图像内极值点数目、对比度均值和熵均值自适应控制尺度空间每层影像子块的特征点数量，是一种较好的控制特征点均匀分布算法[6-7]； SOURABH PAUL等改进UR-SIFT算法，在特征点筛选阶段提出分布特征选择(DFS)算法，提高了特征点的分布质量[8]；AMIN SEDAGHAT等将UR-SIFT的思想应用于SURF算法中，在每一组尺度空间将影像划分为规则格网，取强度排序靠前的特征点，使检测的特征点在影像空间内趋于均匀[9]。……