技术特征：
1.一种基于图像卷积的无人机图像拼接方法，其特征在于，包括：步骤一、采用图像卷积算法，使用卷积核将无人机采集到的每张原始图像的像素值进行调整以增强图像特征，从而获得每张原始图像对应的特征增强图像；步骤二、将所有特征增强图像按照无人机采集的时间戳进行排序，然后构建图像拼接网络，并逐一选取每2张时间相邻的特征增强图像输入图像拼接网络，所述图像拼接网络用于将输入的2张图像合成1张拼接图输出，其处理流程如下：检测输入的2张图像之间的重叠区域，分别从2张图像的重叠区域中提取若干特征点，并从特征点中确定2张图像的匹配点，然后根据匹配点的图像坐标，计算获得2张图像之间的投影矩阵，并据此将2张图像拼接合成1张图，即拼接图，最后输出拼接图；步骤三、从图像拼接网络输出的所有拼接图中按顺序逐一选取每2张拼接图，并继续输入图像拼接网络中，以将选取的2张拼接图再继续拼接成1张图，这样直至将无人机采集到的所有图像最终合成1张图。2.根据权利要求1所述的方法，其特征在于，步骤一进一步包括有：设置1个四方形的网格结构n*n的矩阵作为卷积核，卷积核上每个方格都设定一个权重值，然后将卷积核围绕中心旋转180度，滑动卷积核，使得卷积核的中心按顺序逐一放置于原始图像的每个像素点上，并将原始图像上被卷积核的中心所覆盖的像素值调整为卷积核上的每个权重值和被其覆盖的原始图像的像素值的乘积总和，调整后的原始图像即是特征增强图像，每个像素值的调整计算公式如下：其中，g(i，j)是调整后的第i行第j列的像素值，h(k，l是卷积核上第k行第l列的权重值，f(i-k，j-l)是原始图像上第i-k行第j-l列的像素值。3.根据权利要求1所述的方法，其特征在于，在图像拼接网络的处理流程中，检测输入的2张图像之间的重叠区域，进一步包括有：步骤a1、使用傅里叶变换将输入的每张图像变换到频域，再使用归一化的互功率谱计算2张图像之间的偏移系数p：其中，分别是输入的2张图像i1(x，y)、i2(x，y)傅里叶变换后得到的频域图，(x，y)表示图像i1(x，y)或i2(x，y)中的一个坐标点，(u，v)是(x，y)对应的频域坐标，是的复共轭，表示交叉功率谱；步骤a2、将偏移系数p进行傅里叶逆变换，获得二维冲击函数c(x，y)；步骤a3、提取图像i1(x，y)中每个点的坐标，并根据坐标所对应的二维冲击函数的峰值，判断所提取坐标点是否处于重叠区域内：如果坐标对应的冲击函数的峰值是1，则该坐标点处于重叠区域内；如果坐标对应的冲击函数的峰值是0，则该坐标点不处于重叠区域内。4.根据权利要求1所述的方法，其特征在于，图像拼接网络使用基于sift特征点提取算法，分别对2张图像在重叠区域进行特征点提取，具体实现过程为：构建高斯差分金字塔；进行空间极值点检测，将每一个像素点和它所有的相邻点进行比较，从而检测获得极值点；去除不稳定和错误检测出的极值点，所剩下的极值点即是特征点，在构建高斯差分金字塔中采用下采样图像，在下采样图像中提取的极值点对应在原始图像中的确切位置。5.根据权利要求1所述的方法，其特征在于，在图像拼接网络的处理流程中，确定2张图
像的匹配点的具体过程是：依次选取其中1张图像上的每个特征点，然后计算选取的特征点和另1张图像的每个特征点之间的欧式距离，并从中挑选欧式距离最小、且欧式距离小于设定阈值的特征点，所挑选的特征点和选取特征点是1对匹配点。6.根据权利要求1所述的方法，其特征在于，在图像拼接网络的处理流程中，根据匹配点的图像坐标，计算获得2张图像之间的投影矩阵，并据此将2张图像拼接合成1张图，进一步包括有；步骤b1、采用基于svd分解的方法，计算2张图像之间的投影矩阵h：步骤b1、采用基于svd分解的方法，计算2张图像之间的投影矩阵h：其中，(x
1a
，y
1a
)、(x
2a
，y
2a
)分别是图像i1、i2中的1对匹配点的坐标，步骤b2、计算i2中每个像素点在拼接后的坐标：其中，(x2，y2)是i2中任一像素点的坐标，(x
′2，y
′2)是i2中坐标为(x2，y2)的像素点在拼接后的坐标，然后按照拼接后的坐标，将i2的每个像素值复制到i1对应的坐标点上，复制后得到的i1即是2张图像合成后的拼接图。7.根据权利要求1所述的方法，其特征在于，图像拼接网络在将2张图像拼接合成1张图后，还包括有：调整拼接图的像素值：其中，图像i1和i2被拼接合成1张图，s
‘
(x
p
，y
p
)是拼接图上的坐标点(x
p
，y
p
)调整后的像素值，当坐标点(x
p
，y
p
)拼接前仅属于i1图像时，s
‘
(x
p
，y
p
)是i1上坐标点(x
p
，y
p
)的像素值s1(x
p
，y
p
)；当坐标点(x
p
，y
p
)拼接前属于i1和i2图像的重叠区域时，s
‘
(x
p
，y
p
)是i1上坐标点(x
p
，y
p
)的像素值s1(x
p
，y
p
)和i2上坐标点(x
p
，y
p
)的像素值s2(x
p
，y
p
)的加权之和，权重ω1的值由1变化到0，权重ω2的值由0变化到1；当坐标点(x
p
，y
p
)拼接前仅属于i2图像时，s
‘
(x
p
，y
p
)是i2上坐标点(x
p
，y
p
)的像素值s2(x
p
，y
p
)。
技术总结
一种基于图像卷积的无人机图像拼接方法，包括：采用图像卷积算法将无人机采集到的每张原始图像的像素值进行调整，获得对应的特征增强图像；将所有特征增强图像按照采集时间戳排序，构建图像拼接网络，并选取每2张时间相邻的特征增强图像输入图像拼接网络，处理流程如下：检测输入2张图像的重叠区域，从重叠区域中提取特征点，并确定匹配点，然后根据匹配点的图像坐标，计算获得2张图像之间的投影矩阵，并据此拼接成1张图；从图像拼接网络输出的所有拼接图中按顺序逐一选取每2张拼接图，并继续输入网络中，直至所有图像最终合成1张图。本发明属于信息技术领域，能有效解决无人机采集图像拼接过程中由于图像特征稀少而无法拼接的技术问题。技术问题。技术问题。
技术研发人员：黄会明 曹予飞 许理 尹茂 曾敬勇 陈伟 车建强
受保护的技术使用者：杭州东信北邮信息技术有限公司
技术研发日：2021.11.22
技术公布日：2022/2/18